大型储罐的三维点云精简方法研究

针对大型储罐三维点云数据散乱、冗余点多等影响计算机显示及容积计算的问题,改进了一种储罐三维点云精简算法。该方法先利用均匀网格法,将待处理的三维点云数据分割成若干小栅格;然后根据随机抽样一致(random sample consensus, RANSAC)算法对每个栅格中的点云数据建立球模型,以保留特征点并滤除冗余数据点,达到精简点云的目的。将该方法与传统的均匀网格法和非均匀网格法进行对比,实验结果表明该方法在保证较高精简率的情况下可以更好地保留储罐点云数据特征。     

采空区三维激光扫描点云数据处理技术

由于井下环境的复杂性,借助三维激光扫描仪获取的采空区边界三维空间信息点云数据中不可避免包含一些噪声点.为此,提出曲率-弦长比复合判据实现了对点云数据中高频噪声点的过滤处理,并运用随机滤波法去除点云数据中的低频随机噪声点,通过分段低次插值法实现空区模型曲线光顺处理.结果表明:过滤及光顺处理不仅有效去除了采空区点云数据中的噪声点,同时避免了采空区三维模型构建中自相交情况的出现,达到了采空区三维模型精确构建的目的.     

机载三维激光点云数据处理技术研究

该文以机载LIDAR点云数据处理为研究对象,首先分析了LIDAR数据的特点和数据处理思路,进而分析了LIDAR点云数据存储和检索策略,在此基础上,作者探讨了基于规则格网重采样生成DSM的方法和思路,全文是作者长期工作实践基础上的理论升华,相信对从事相关工作的同行能有所裨益。     

三维人体的点云获取与点云重建

针对三维人体重建中人体曲面复杂,点云庞大的问题,提出一种基于三维Voronoi图,并利用Delaunay三角剖分性质的Crust算法进行人体三维重建.采用三角测量原理计算三维坐标,散乱的点云构成Voronoi图,Delaunay三角剖分Voronoi图得到原始模型.利用Xjtuom三维面扫描仪测量人体点云,进而采集到了49幅不同角度和高度的图片,并用自带软件完成了配准.通过Matlab平台完成点云读取,点云精简和基于Crust算法的三维重建.实验表明,该算法可以保证曲面重建的拓扑正确性和收敛性.该三维重建系统能够实现人体庞大点云的三角剖分与人体复杂自由曲面的重建,并得到了360°无缝隙的人体重建模型.     

点云数据特征点提取方法的比较

点云特征的提取在城市、地质等领域有非常重要的使用价值。特征点是最基本的几何特性和纹理特征的特征基元,其不会因为坐标系的改变而发生变化。通过用不同的方法提取点云数据中的特征点,可以在减少计算量的前提下,保留点云的几何特征。通过对利用法矢、曲率和体积积分不变量3种不同的特征点提取方法进行比较,并通过Matlab进行特征点提取实验并分析情况,对其优缺点及适用性进行探讨。     

基于改进ICP算法的三维点云刚体配准方法

针对含有噪声和外点的三维点云刚体配准问题,由于迭代最近点(iterative closest point, ICP)算法的配准精度较低,为此,该文提出了一种基于改进ICP算法的三维点云刚体配准方法。考虑到伪Huber损失函数对噪声和外点不敏感、鲁棒性强,首先,建立了基于伪Huber损失函数的三维点云刚体配准模型。其次,利用RGB-D点云数据中颜色信息辅助建立点云对应关系,以提高改进ICP算法中对应点匹配的准确性。最后,结合奇异值分解(singular value decomposition, SVD)和Levenberg-Marquardt(LM)的优化算法对三维点云刚体配准模型进行优化求解。实验结果表明,该文所提三维点云刚体配准方法的配准精度高,能够有效抑制噪声和外点对配准精度的影响。     

机器人自主抓取的三维点云基本形体简化算法

针对抓取任务的非结构化特性,提出一种基于非规则物体三维点云的基本形体简化算法,为抓取策略的选取提供思路,提高机器人自主抓取的准确率.将不规则的复杂物体简化为由基本形体组成的简单物体,基于三维网格分割算法将物体3D数据点进行分割,依据最优拟合算法将分割后各部分拟合为球体、椭球体、圆柱体和平行六面体中的一种,实现对复杂物体的简化.实验结果表明:本文算法可应用于不同形状及姿态的非规则物体抓取,具有较高的鲁棒性.     

基于灰色关联分析的三维点云识别算法

为了适应激光引信识别战场目标时高动态、信息量少与干扰复杂的环境,该文提出一种基于灰色关联分析(GRA)的三维点云识别算法。构建由目标尺寸信息、目标轮廓信息组成的26维目标特征描述子,分析描述子中各元素的信息量、信息重要性、抗噪声能力和对遮挡的鲁棒性。提出基于层次分析法(AHP)的特征权重分配方法,建立目标特征空间转换和基于GRA的三维点云识别模型,实现对典型目标的识别。完成了对典型目标的仿真。实验结果表明：各种遮挡情况下的尺寸描述子的综合关联度最小为0.811,截面轮廓描述子的综合关联度在Ⅰ级和Ⅱ级的非严重遮挡下最低达到了0.875;对于Ⅲ级遮挡和Ⅳ级遮挡,通过降低特征融合时截面轮廓描述子边缘元素部分的分配权重,F最小为0.69;在各种遮挡情况下的平均识别率达到了0.862;最大识别时间为12 ms。     

基于混合上下文熵模型的点云几何编码算法

针对三维点云存在的大量空域冗余信息,提出一种基于混合上下文熵模型的点云几何编码算法框架.通过多层感知机与Resnet网络分别对基于八叉树结构的点云和基于体素结构的点云特征进行上下文特征提取,并使用选择单元对上下文信息进行裁剪、选择和融合,使网络能够针对当前编码体素建立更加准确的概率模型,从而提高三维点云的压缩效果.同时,针对模型复杂度高的问题提出并行多尺度自回归进行概率估计的方案,大大降低了编解码时间.实验结果表明：点云几何编码算法能够有效降低每个体素所占的比特数并且整个编码过程无损;与G-PCC编码算法相比,压缩后比特率下降了14.27%.     

动态卷积的3D点云目标检测算法

针对不规则且稀疏的点的提取特征问题,提出一种以动态卷积作为特征提取的3D点云目标检测算法.首先,以一种新型的动态卷积的方式自适应学习点的位置特征,分类出前景点与背景点,同时对提取出的前景点逐一做回归框;然后,用非极大值抑制选出分数值最好的回归框.其次,进行粒度的细化,得到修正规范的3D回归框,完成3D物体的目标检测.最后,在KITTI数据集上验证算法的有效性.结果表明：文中所提算法在汽车类、行人类、自行车类数据集上的3D点云目标检测精度更高.     

3D点云BSP并行计算模型及算法设计

根据3D点云数据处理计算特点,按照BSP模型的技术思想,建立了3D点云BSP并行计算模型。讨论了HAMA框架下的3D点云BSP并行计算模型的实现方法,构建了一个由普通PC组成的HAMA计算集群。以3D点模型构建计算为例,给出了一种3D点云数据处理BSP算法设计方法。实例的计算结果表明:BSP并行计算方法能高效地完成3D点模型构建计算,与其它计算方法相比,计算效率有所提高。     

基于Clifford代数的3D点云模型数字水印算法

引入Clifford代数,在G3空间中建立了不依赖于特定坐标系的、多维统一的3D点云数据几何表征与计算模型.介绍了Clifford代数空间中的Fourier变换及其计算公式,进而提出了基于Clifford-Fourier变换的3D点云模型数字水印算法.该方法将点云模型映射为相应的Clifford几何空间域系数,并对其进行水印信息的嵌入和提取.实验分析表明,所提出的方法对平移、旋转、均匀缩放、重排序、简化和噪声等各种攻击均具有较好的鲁棒性.
     

三维激光点云数据精简算法

分析了多种三维激光点云数据精简算法的工作原理,以及它们在缩减数据量以提高算法的处理速度方面的效果,综述了三维激光点云数据精简算法的国内外研究现状.     

基于密度自适应深度网络的点云场景语义分割算法

由于传感器噪声干扰,点云密度不均匀,场景复杂多样以及物体之间存在遮挡现象等问题,使得三维点云场景语义分割问题的研究工作极具挑战性。针对三维点云数据采样密度不均匀以及图卷积网络深度有限的问题,提出一种密度自适应的方法。该方法通过多层感知器学习一个权重函数,利用核密度估计学习一个密度函数,对非均匀采样的点云数据进行卷积操作。同时,受深度学习在图像领域的启发,引入残差连接、空洞卷积等结构,训练更深层的点云分割网络。该算法在多个点云分割的标准数据集上取得了优秀的性能。     

基于无人机点云数据的露天采场矿车提取方法

针对在基于无人机点云数据进行露天采场验收测量过程中,由于矿车点集的存在导致验收精度降低的关键问题,提出了一种露天采场矿车点集自动提取方法.以哑巴岭露天采场无人机点云为数据源,首先利用渐进式形态学滤波算法分割出地面点与非地面点,然后通过改进的欧氏聚类算法对非地面点中的矿车点集进行聚类提取,最后基于国际摄影测量和遥感学会(ISPRS)提出的误差评判标准对矿车提取结果进行评估分析.分析结果表明,该方法可以有效提取露天采场中的矿车点集,为实现露天采场快速高效验收提供了重要的技术支持.     

基于3D激光点云的移动机器人行驶环境描述

针对移动机器人在复杂环境中的自主导航行驶问题,提出了一种基于3D激光点云数据的行驶环境描述方法. 在对点云数据进行球、柱坐标转换的基础上,构建机器人环境感知圆柱,根据3D激光雷达的扫描序列,提取点云径、切向坡度特征,结合机器人的运动特性,分析行驶环境的可通行性,提取候选道路点云. 复杂行驶环境下的实验结果证明了此方法能够使机器人准确地对环境进行认知.     

融合边缘检测的 3D 点云语义分割方法研究

针对点云分割中分割目标不明确,边缘不清晰,全局特征与边缘特征未能有效融合等问题,提出 了一种融合边缘检测的 3D 点云语义分割算法。 首先,通过 3D 点云语义分割网络对点云数据进行初步提取 区域内的全局语义特征;然后,采用引入了注意力机制的语义边缘检测网络,能够更好地对点云数据中的物 体进行特征提取增强,抑制非边缘信息的产生,得到了具有丰富的语义信息的边缘特征;最后,通过融合模块 将属于同一物体的语义特征融合起来进行分割细化处理,使得分割目标更精确;此外,使用了双重语义损失 函数,使网络产生具有更好边界的语义分割结果。 通过搭建实验平台和使用 S3DIS 标准数据集进行测试,改 进后的算法在数据集上的平均交互比为 70. 21%,在精度上较 KPConv 语义分割算法有所提高。 实验结果表 明:该算法能够有效改善物体边界分割不清晰、边缘信息模糊等问题,总体分割性能良好。     

基于点云数据复杂曲面产品的快速开发

重点以三维反求工程为基础，详细地研究了复杂曲面产品的快速开发方法，提出了基于点云数据的STL（STereoLithography)快速重构，有限元网格划分，结合快速成型及计算机辅助工程（CAE）等技术，大大加速了对具有复杂曲面的产品，如汽车覆盖，塑胶产品模具，个性化人体骨等的设计与制造速度，也避免了繁杂的曲线曲面重构。通过实例，验证了所提出的方法不仅简便易行，而且也能满足模具设计制造的精度要求。     

基于空间网格划分的点云质量检测算法

随着三维激光扫描技术的快速发展,它以非接触性、高密度、高精度、数字化、自动化等特点,被广泛用于多个邻域,其中在建筑物变形监测领域的应用也越来越广泛。针对扫描设备获取的大量变形监测数据,快速地统计出前后两期数据变化差异值,提出了一种基于空间网格划分的点云质量检测算法,算法通过对不同期点云模型进行空间网格划分,依据网格进行点云邻域搜索,并根据点云变化差异值给点云赋予不同色谱颜色值,最后进行直观的两期点云变化差异可视化,并绘制出统计信息图。研究表明,该算法能够快速地分析对比两期点云数据,输出变化差异统计信息,能够为工程的运营提供快速的安全指导参考。