基于KDTree改进的Super 4PCS+ICP算法在点云配准中的应用研究

在点云配准过程中,为了提高点云的配准精度,针对ICP算法对于初始位姿的局限性,对点云数据进行Super4PCS+ICP的“先粗后精”处理。首先利用KDTree树搜索对应点,用局部区域的特征度确定特征点集,再使用Super4PCS算法实现粗配准。针对精配准提出KDTree树来加快速度,SVD求解对应点参数、常数为1的加权平均、求解误差函数等手段来实现对ICP算法的改进,并求出刚体变换后的旋转平移矩阵,提高点云配准精度。实验表明,相较于传统ICP算法,本文方法的配准精度有了显著的提升。本文研究的方法可为点云配准的深入研究提供一定的参考。

基于KDTree改进的ICP算法在点云配准中的应用研究

在三维激光点云数据配准的过程中,利用传统Iterative Closest Point(ICP)算法搜索对应点对时速度慢,而且配准精细化程度低,远达不到三维建模后期处理的要求。针对这一问题,提出一种基于KDTree改进的ICP算法以实现激光点云数据的快速精细化配准。通过实验验证算法的有效性和合理性,为后期模型重建过程中的三角网格化、曲面化、纹理映射提供强有力的理论和实践基础。

基于视触融合的遥操作机器人虚拟环境几何学建模修正方法

为了提高遥操作机器人虚拟环境几何学建模的精度,提出了一种基于视触融合的遥操作机器人虚拟环境几何学建模修正方法。首先基于视觉信息通过点云采集和预处理、粗细配准相结合的点云配准、表面重建、位姿测量实现了目标物的几何学建模;之后针对遥操作机器人的应用背景,设计了局部半自主和多指协同相结合的灵巧手控制方式,完成了目标物触觉点云的采集;最后采用视触融合的方法,使用KDtree将视觉点云和触觉点云进行融合,并利用视触融合点云对几何学模型进行修正。通过实验证明该方法对不同材质目标物的几何学建模的几何尺寸误差小于3.6 mm、定位误差小于6.8 mm、姿态角测量误差小于4.3°,且效果均优于基于视觉信息的几何学模型和基于触觉信息的几何学模型。该方法构建的几何学模型既包括了目标物的颜色信息,又提高了几何学模型的精度,且在模型细节处表现良好,有效结合了视觉和触觉两种模态信息的优点。

数字博物馆中的三维模型渐进传输方法

实现一种三维模型在网络中渐进传输的方法,该方法根据SmoothLOD模型编码的思想,设计了一个基于C/S的网络传输架构,从而实现在浏览过程中从一个点到复杂模型的平滑过渡效果,并且可以方便地实现三维模型在网络上平滑地增量传输。通过在数字博物馆系统的应用验证,算法实现了模型在网络上流式传输,有效地减少了数据传输的网络延迟。

混合的快速分形编码方法

针对目前分形图像压缩过程中编码时间过长的问题,提出了一种将分类技术和树结构结合在一起的混合分形编码方法,同时给出了分形编码的时间复杂度分析。实验结果表明,同以往的方法相比,本方法在基本保证解码质量的基础上,可以极大地提高分形编码速度。同不加速分形编码相比,当ε=6时,混合方法带旋转反射变换编码速度可以提高57倍,不带旋转反射变换可以提高420倍。

考虑站点类型的城市轨道交通接驳方式选择建模与分析

为更精确地揭示出行者对城市轨道交通接驳方式选择的决策机制,将站点类型作为无序多分类变量引入混合Logit模型,以分析出行者接驳方式的选择行为。首先,通过聚类分析获取轨道交通站点类型数据;然后,结合KDTree空间搜索及网络爬虫获得的交通方式特性数据,以及通过RP调查获得的出行者特性数据,建立城市轨道交通接驳方式选择的混合Logit模型;最后,通过敏感性分析探讨不同类型轨道交通站点的接驳特性以及出行者对接驳方式的选择行为。研究结果表明:接驳距离、接驳费用、接驳时长、收入、出行目的、职业、年龄、性别、同行人数、学历以及接驳时间段均与接驳方式的选择显著相关;与中心型城市轨道交通站点相比,出行者在边缘型站点时倾向选择摩托车、公交车、私家车、出租车或网约车接驳,在混合型轨道交通站点倾向选择自行车或公交车接驳,不同站点类型的出行者对接驳方式选择的敏感性存在差异。由此可见,站点类型对站点接驳方式结构具有一定影响,可采取优化中心型站点接驳设施,提高边缘型站点公共交通的可达性,并完善混合型站点非机动接驳方式的基础设施等措施,来满足不同类型站点出行者的需求。

基于双判别准则的散乱点云孔洞识别算法

针对传统点云孔洞识别算法效率不高且易受尖锐点影响等问题,提出一种半圆盘准则与最大夹角准则相结合,并引入特征值约束的孔洞识别算法。首先建立kdtree索引搜寻邻域点,利用半圆盘准则提取准边界点;然后利用最大夹角准则去掉冗余点,进而精确提取孔洞边界点,再基于最小特征值对边界点进行筛选,去除误识别的尖锐点;最后对多个孔洞点集进行聚类,完成孔洞识别。实验结果表明,该算法能够消除尖锐点的影响,准确、高效地识别孔洞边界点,为后续孔洞修补操作打下基础。

利用kd_tree索引实现曲率自适应点云简化算法

本文首先简要分析了现有点云简化算法的优缺点,接着设计了一种基于kd_tree数据索引与曲率采样结合的高效简化策略,充分利用曲率采样的精度优势与kd_tree索引的速度优势,实现了基于kd_tree索引的曲率自适应点云简化算法。试验表明,该算法在减少点云数据量的同时,能够较好地保证模型中的特征点,在速度与效果上都达到了较为理想的结果。

基于点云法线与投影融合的三维圆孔识别算法

针对已有的三维圆形孔洞识别算法提取精度差、边缘点提取不完整等问题,提出一种基于点云法线与投影融合的三维圆孔识别的算法。首先利用KD-tree建立点云空间拓扑关系;其次使用近邻算法(KNN)搜索距离点最近的k个邻域点,通过定义距离阈值确定大于阈值的点为边界点;最后采用点云法线与投影融合,实现点云边缘的特征点和噪声点区分,并提取点云数据的三维圆孔特征。以带有圆形孔洞的栅极件为试验工件进行算法验证,试验结果表明,该算法能够有效实现点云边缘提取以及三维圆孔识别。