基于特征点的ICP点云配准算法

ICP配准算法对待配准点云初始位置要求较高,且配准过程耗时长,因此提出了一种基于特征点改进的ICP点云配准算法。利用点云的局部法向量提取特征点,根据特征点的特征直方图得到初始配准点云;通过K-D tree搜索点集中的对应点对,运用四元数法得到配准参数,根据刚性距离约束条件精确配准点云。实验表明,该算法避免了ICP配准算法因初始位置姿态而陷入局部最优,同时提高了配准效率和精度。     

基于车载激光的纹理重建技术研究

本文以车载激光移动测量系统获取点云数据构建的几何模型为空间实体,通过车载LIDAR系统CCD相机的标定与POS系统的数据和各传感器间的相对空间位置信息实现点云和影像的配准,进一步将配准后的影像映射到空间实体上,完成纹理重建。     

基于附加参数的点云数据平差模型研究

为了对地面三维激光扫描的系统误差进行消除或减弱,分析了地面三维激光扫描的系统误差主要来源。通过研究仪器相关误差和外部误差(目标相关误差、环境相关误差、配准相关误差)对地理参考的影响,将系统参数分为随机性和非随机性参数2类加入到平差模型中参与平差。在11个参数自检校模型的基础上,提出了附加系统参数的点云数据平差函数模型,实现了对所有系统参数的统一解算和显著性检验,经过模型对系统误差改正后,可以提高地面三维激光扫描仪的数据精度。     

一种改进的基于PCA的ICP点云配准算法研究

三维点云配准是三维重建过程中的重要环节,ICP配准算法无法处理初始位姿相差较大的点云,结果可能陷入局部最优的问题。本文提出了一种改进的基于PCA的快速ICP匹配算法,通过对两组点云进行主成分求解,形成各自的PCA坐标系。对两组点云分别进行坐标系转换,通过主轴校正矩阵解决了PCA主轴反向问题;利用K-D tree快速搜索最近点改进传统ICP方法,完成点云的快速精确配准。实验表明,该配准算法可以有效处理点云初始位置较差的情况,实现任意位姿关系下的两组点云的快速精确配准。     

改进ICP算法的点云配准

针对传统ICP算法所存在的对初始点云位置要求高、算法效率低等局限性,本文对算法进行研究改进,改进结合K-近邻搜索和法向量估计,采用组建不变角度作为不变特征求解旋转矩阵和平移向量实现初配准,利用基于八叉树的ICP算法进行精配准。研究表明,改进算法能提高配准精度,缩短配准时间,优势明显。     

边界轮廓特征的多分辨率弹性配准

提出一种基于边界轮廓的多分辨率弹性配准方法.首先用C-V(Chan-Vese)模型提取人脑图像的边界轮廓.接着使用模拟退火方法结合B样条插值函数来配准边界轮廓点集,在退火过程中通过使用多分辨率策略,在获得精细边界轮廓的同时加快了配准速度.最后利用B样条插值函数完成图像配准.实验结果表明,该算法在保证与同类算法相同精度的前提下,实现了快速弹性配准.     

基于正交矩混合不变量的离焦模糊图像配准

摘要： 针对同时遭受离焦模糊退化和几何形变的图像,提出一种基于Legendre正交矩不变量的图像配准方法.采用Harris特征点探测算法提取图像特征点,然后构造Legendre正交矩的模糊和几何混合不变量作为衡量尺度以获得特征点的对应关系,通过该对应关系估计形变参数完成配准过程. 实验结果表明该方法能有效解决该类形变图像的配准问题,与其他方法相比能获得更准确的结果.     

基于正交矩混合不变量的离焦模糊图像配准信号与信息处理

针对同时遭受离焦模糊退化和几何形变的图像,提出一种基于Legendre正交矩不变量的图像配准方法.采用Harris特征点探测算法提取图像特征点,然后构造Legendre正交矩的模糊和几何混合不变量作为衡量尺度以获得特征点的对应关系,通过该对应关系估计形变参数完成配准过程.实验结果表明该方法能有效解决该类形变图像的配准问题,与其他方法相比能获得更准确的结果.     

激光点云线性KNN算法FPGA实现及加速

针对三维激光点云线性K最近邻（K-nearest neighbor, KNN）搜索耗时长的问题，提出了一种利用多处理器片上系统（multi-processor system on chip, MPSoC）现场可编程门阵列（field-programmable gate array,FPGA）实现三维激光点云KNN快速搜索的方法。首先给出了三维激光点云KNN算法的MPSoC FPGA实现框架；然后详细阐述了每个模块的设计思路及实现过程；最后利用MZU15A开发板和天眸16线旋转机械激光雷达搭建了测试平台，完成了三维激光点云KNN算法MPSoC FPGA加速的测试验证。实验结果表明：基于MPSoC FPGA实现的三维激光点云KNN算法能在保证邻近点搜索精度的情况下，减少邻近点搜索耗时。     

术前计划系统中CT造影图像的配准

肾脏术前计划系统首先需要实现肾脏CT造影信息的融合,实现该信息融合需要进行以肾脏为中心的腹部三维CT造影图像的配准.本文首先采用基于DDCM可形变模型的半自动分割方法从CT扫描图像中分割出肾脏轮廓线,然后对轮廓线进行重建得到肾脏的二值体数据,该二值体数据膨胀后与原CT扫描图像重建出的灰度体数据求交,即得到完全包含肾脏的灰度体数据,最后采用互信息最大化的方法对重建得到的肾脏体数据进行配准.本文分析了配准过程中初始化参数对局部极值产生的影响,并应用几何矩的性质进行参数初始化,避免陷入局部极值.实验结果表明,本文方法能够实现以肾脏为中心的术前CT造影图像的配准,并且配准的精度和速度能够满足实际应用的需要.