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。     

对融合特征敏感的三维点云识别与分割

三维点云分类分割网络忽视了融合特征中的冗余信息,缺乏放大有效特征占比能力,不能充分挖掘特征的表达性。在CurveNet网络基础上,提出了一种能够筛选和丰富融合特征的方法,对点云的识别与分割效果达到了较先进水平。首先,提出了对融合特征具有筛选能力的特征选择子网络,利用结合了打分机制的TopK算子选出包含有效信息的融合特征,并且能够自适应地赋予被选特征权重。其次,在聚合曲线特征模块中增加了两个新分支,分别学习曲线内部点距离特征和曲线之间的线距离特征,通过快速通道相关性注意力机制提取各分支的内部相关性,增强了网络特征的信息描述能力。实验结果表明,分类任务在ModelNet40数据集上准确率达到了93.8%,分割任务在ShapeNet Part数据集上平均交并比达到了86.4%。与基准网络相比,分类效果与分割效果均有所提高,证明了算法的有效性。     

基于支持向量机的图像深度提取方法

在目前的2D-3D视频转换技术的研究中,大多数方案都是利用一种线索或者几种线索简单组合的方法来提取图像的深度信息,导致方案的受场景限制而准确性不高.为了提高深度提取方案的准确性,提出基于支持向量机的图像深度提取方法.该算法通过支持向量机的学习获得各线索合理的结合原则,利用图像中提取的纹理变化、纹理梯度以及雾度等线索进行深度预测,从而提高深度提取算法的准确性,实验结果表明该算法是有效的.     

基于自动提取特征点的三维人脸表情识别

为实现完全自动的人脸表情识别,提出一种基于自动提取三维及二维特征点的三维人脸表情识别算法.该算法采用在三维点云、深度图像以及三维点云对应的二维特征图像上分别自动获得特定特征点,并将非点云上获得的特征点映射回三维点云以获得全部需用特征点的方法.基于这些自动获取的特征点得到三维欧氏距离组成25维特征向量以待分类.通过运用支持向量机作为分类器,取得了平均87.1%的6种基本表情的分类结果,其中惊讶、开心表情的分类结果分别达到了92.3%和91.7%.      

基于模型的宏观特性提取特征点研究与实现

针对目前3D模型特征点提取的运行效率和可靠性问题,提出了一种基于模型的宏观特性提取特征点的算法。在传统的特征点提取算法基础上加入了特征点的宏观检测,优化了特征点的提取效果。实验结果表明,利用该算法可以提高特征点提取的准确性和可靠性,对于存在大量噪声的模型有较好的效果。     

基于三维点云的隧道全局中线提取方法及应用

提取隧道横断面通常是基于隧道中线,而隧道中线提取是最困难的一个环节.本文提出了一种有效的隧道全局中线自动提取算法:通过从隧道的点云水平投影中提取边界点,并利用随机采样一致性算法提取边界点中用于多模型拟合的内点,最终的隧道中线基于再次随机采样的全局优化算法确定.所提出的算法被应用于位于四川的写字岩隧道,结果表明:全局中线提取达到了较高的精度,其均方根误差为16.5mm;与全站仪测量的隧道中线点相比,偏差的均方根误差为10.3mm.     

基于关键点滤波的深度图提取

基于单帧视频2D/3D转换,深度估计是关键。提出一种在伴有相机移动情况下,基于运动的深度估计新方法,采用关键点滤波获取每帧视频像素级的运动矢量。由于相机的移动会引起伪运动矢量,从而导致深度信息模糊,为解决这一问题,采用鲁棒的RANSAC算法估计相机移动模型。首先,通过无相机移动的运动矢量来估计初始深度图。然后,利用基于同类点的后置滤波修正运动物体边缘像素的深度信息。实验结果表明,在有相机移动情况下,该方法对深度图的估计可以取得较好效果。     

基于几何特征与三维点云特征的道路边沿识别算法

针对目前典型道路边沿识别算法存在实时性与可靠性难以兼顾的问题,基于多线激光雷达,根据道路边沿的几何特征与三维点云特征,提出了一种权衡实时性与可靠性的道路边沿识别算法。依据多线激光雷达扫描获取的大量点云数据,基于RANSAC算法的地面分割方法,滤除了预设感兴趣区域内的地面数据点,然后将剩余的无序点进行有序栅格化投射处理,根据道路边沿区域的几何特征与点云分布特征进行匹配筛选,再融合RANSAC的最小二乘法,以完成道路边沿曲线的鲁棒拟合。实验表明,算法在直道和弯道场景识别准确率均大于95%,耗时均低于15 ms,具有良好的准确性和实时性。所提算法能有效识别道路边沿,可为智能车可行驶区域的识别及控制提供理论参考与方法依据。     

基于曲率图的三维点云数据配准

以曲率图作为三维点云数据的特征描述函数,并运用曲率图实现了三维点云数据的配准.对于含有噪声的点云数据,先根据每个点的邻域特性估算其曲率值,然后根据每个点及其周围邻域点的曲率值构造该点的曲率图.通过在多比例空间下曲率图的特征保持分析,可提取到最能反映该点云数据特征的特征点集.对于两两配准,这些特征点集被用于三维点云数据的粗略配准算法中,该算法利用点云内部空间点相对位置在刚性变换下的不变特性实现了特征点对的匹配,由匹配的特征点对进行坐标变换求解,完成了两三维点云的粗略配准,然后运用迭代最近点算法进行精确配准.最后将整个配准算法应用于真实的三维点云数据,结果表明该算法能有效抑制点云采样密度及噪声的影响,能够快速实现点云数据的精确配准.     

基于特征融合的深度学习点云补全算法

由于激光雷达等三维扫描设备分辨率限制、目标间的相互遮挡以及目标表面材质透明等问题,采集到的三维点云数据往往是不完整的.近年来,以数据驱动为主的深度学习方法逐渐被用于解决点云补全问题,然而,现有的点云补全算法致力于补全出原始目标点云的整体拓扑结构而忽略了对于目标点云局部细节位置的恢复.针对这一问题,提出了一种基于特征融合...     

基于逐条线区域生长的点云平面提取

三维激光扫描点云中的平面特征提取是3D建模的重要组成部分,是一个重要的研究领域。在建筑物平面提取的过程中,针对传统的单点式区域生长方法在生长时会使拟合得到的平面与真实点云平面存在偏差,导致面块间的粘连的问题,提出一种逐条线区域生长方法,考虑到建筑物的平面都具有规则的形状,而平面是由一条条直线组成的,因此在生长的过程中加入了平面的形状这个先验条件。实验结果表明,该方法能够消除面块间的粘连,有效改善平面提取的精度。     

一种利用近似平均曲率提取散乱点云模型特征点的快速算法

在处理散乱点云数据的过程中,一般需要先确定模型的特征点。提出一种从三维空间二次曲面方程中估算一点的平均曲率的新方法,利用平均曲率和视点来提取散乱点云模型的特征点。首先计算一点的k-邻近点,并求出经过这k个点的三维空间二次曲面方程,结合经过该点法线的两个正交平面来估算该点的平均曲率,平均曲率大于给定阈值的点是第一类特征点;第二类特征点是由法向量和视线向量的内积决定的,内积小于给定阈值的点称为特征点。将这两种特征点作为最后点云模型的特征点。该方法与其它方法相比,平均曲率模型参数个数由27个减少到17个,计算量小,仿真效果好。     

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。     

摄影测量特征点提取与匹配技术研究

随着建筑事业的发展和城市规划的不断提升,对于工程的设计要求质量也相对的提高。工程设计的制定必须参考必要的测量数据和勘探结果,然后经过分析综合最终合理的确定下来。因此就要有高质量的摄影测量技术来支撑,旧有的测量数据准确度不能达到现行的需求,测量的范围不够广,测量的结果不够精确,同时分辨率比较低,严重的影响了设计的准确性和合理性。为了克服这点,经过科研人员的多年的研究,人们提出了新的理论即摄影测量特征点提取与匹配技术。本文对于此项技术进行了详细的介绍和说明,便于相关人员可以结合实际工作的需要利用此项技术。     

一种基于曲率提取轮廓特征点的方法

对边缘轮廓线进行了自适应平滑,在以轮廓点为中心的支撑区域内定义了曲率角,并根据定义的曲率角及曲率符号,采用简单的模板匹配技术,提取出候选的轮廓特征点,对候选点附加抑制条件得到真正的特征点．此方法减少了数字化误差及噪声带来的影响,抗干扰性好,且运算量较小．实验表明,该方法具有很好的轮廓特征点检测及定位能力     

浅析两大电厂三维设计系统（PDS、PDMS）的几点差异

本文主要介绍了电力工程设计中广泛使用的两大三维设计系统：PDS系统和PDMS系统的差异。     

一种基于运动和纹理特征的深度图提取方法

2D至3D的立体转换技术可以提供大量的3D立体视频内容,从而解决3D立体视频内容不足的问题.而2D到3D转换技术中关键的一步是怎样提取出质量较好的深度图.提出一种基于运动和纹理特征相结合的深度图提取方法.为了估计深度图,首先将前景和背景分离,然后分别进行基于运动的前景深度提取和基于纹理特征的背景深度提取,最后再将二者有效融合得到最终深度图.实验结果显示,使用本文提出的方法可以得到满足需求的深度图.     

一种融合表观与属性信息的车辆重识别方法

针对基于深度学习的车辆重识别模型缺乏提取车辆局部细节描述的能力,以及不同环境下同一车辆表观特征变化显著,增加车辆重识别的难度的问题,提出一种融合多尺度车辆表观和属性信息的重识别模型.充分利用车辆颜色和车型属性在不同环境下较为稳定且易判断的特性,将其融合到车辆表观特征中,获得强化提升的深度特征;另外使用交叉熵损失函数与T...     

基于面部曲线特征融合的三维人脸识别

针对三维人脸识别,提出了一种基于面部等测地轮廓线并结合局部特征和整体特征的人脸识别方法.首先,在人脸中提取到鼻尖点等测地距离的点组成等测地轮廓线来表征人脸面部曲面;然后,根据重采样后轮廓线上点的邻域信息提取局部特征,根据轮廓线的整体形状信息提取人脸整体特征;最后,分别利用比较局部特征和整体特征,将比较结果在决策级融合,给出最终识别结果.所提算法在FRGC(face recognition grand challenge)v2.0数据库上进行测试,测试结果表明,特征融合后的识别性能优于单一特征的识别率,且具有较好的表情鲁棒性.