改进ICP算法的激光雷达点云配准

针对传统ICP算法在激光雷达目标点云配准中存在匹配时间长,以及受初值影响导致该算法应用在无人车SLAM技术中容易存在定位精度不高和稳健性较差的问题,本文提出了一种结合KD-tree算法的NDT-ICP算法。首先,通过Voxel Grid滤波对激光雷达获取的点云数据进行预处理,利用平面拟合参数的方法去除地面点云;然后,利用NDT算法进行点云粗匹配,缩短目标点云与待匹配点云距离;最后,通过KD-tree邻近搜索法提高对应点查找速度,并通过优化收敛阈值,完成ICP算法的精匹配。试验结果表明,本文提出的改进算法相比于NDT算法和ICP算法,在点云配准速度和精度上有明显提高,且在地图构建上精度和稳健性更好。

基于KD-ICP算法的机器人拆解目标三维点云配准方法

随着中国核能产业发展,大量在役涉核装置运行过程中出现的事故和隐患需要通过涉核机器人进行远程处置,部分事故处置需对出险装置进行精确拆解,基于三维重建视觉图像定位是其关键技术之一。针对核应急事故中待拆解目标的精确重建,开展三维点云配准方法研究,在配准算法总体流程基础上设计出三维点云配准算法,利用高斯滤波进行点云数据去噪,提出一种兼顾点云信息完整性和算法效率的K维迭代最近点(K-dimensional iterative closest points,KD-ICP)算法,利用点快速特征直方图(fast point feature histograms,FPFH)和主成分分析(principal component analysis,PCA)实现特征点提取并降低点云数据量,使用全等四点集(4-points congruent sets,4PCS)进行点云粗配准,采用KD-ICP算法实现点云精配准。在所搭建的拆解机器人试验平台上,针对管、板及涉核装置模拟体等测试对象,对所提出的配准算法进行试验分析与评价,与其他3种常规算法的对比试验表明,所提出的点云算法在相同的条件下均方根误差最小,运行时间最短,具有更高的点云配准效率及较好的鲁棒性,为复杂拆解目标的三维重建及精确定位奠定了基础。

一种改进ICP算法在建筑物配准中的应用

近年来,采用多源数据融合建模已成为研究热点,而多源数据融合建模的关键是点云配准。点云配准目前应用最广的算法是迭代最近点算法(ICP),然而该算法存在对点云初始位置要求高和收敛速度慢的缺点。故提出使用样本共识初始配准算法(SAC-IA)进行初配准,和采用改进的ICP算法进行精配准的方案,用于建筑物配准。实验结果表明,此算法对比传统点云配准算法,配准速度和精度都有极大提高。

基于k-d树的ICP算法的管道缺陷最深点自动识别研究

金属管道外表面存在凹坑、腐蚀缺陷等情况,为了准确判断管道的剩余服役寿命,提出一种基于k-d树ICP算法的油气管道缺陷最深点自动识别方法。扫描获取带有缺陷的管道点云数据,提取缺陷处至少1/3管道环向区域点云数据,建立标准圆柱件模型获取点云数据。利用ICP算法对两组点云数据进行配准,基于k-d树算法关联所有无序点云,从而加速搜索点云邻域,快速精确地识别出缺陷最深点。将该算法在天然气长输管段进行验证,以第三方专业检测机构的检测缺陷最深点数据为基准,通过计算对比发现,自动识别方法的误差率仅为0.54%,较之传统人工测量方法,测量误差率降低了3.22%,有效提高了管道外表面缺陷深度测量的准确度。

空间信息约束的改进ICP算法大场景点云快速配准方法

针对大场景点云快速配准对初值要求高的问题,将测站空间位置与三维角点特征作为空间约束信息,改进传统迭代最近邻点法(ICP)配准算法。考虑点云密度与扫描仪的距离关系,结合使用点—点准则与点—线准则进行点云精配准。实例验证结果表明,在4 507万点云场景下,均方根误差(RMSE)达到0.231 1 m,较直接使用ICP算法提高0.352 1 m,较使用采样随机采样一致性算法RANSAC+迭代最近点算法(ICP)方法提高0.119 3 m,时间分别缩短5.87、18.32 s;在843万点云场景下,RMSE达到0.051 6 m,较直接使用ICP算法提高1.052 1 m,较使用RANSAC+ICP方法提高0.266 9 m,时间分别缩短2.10、19.43 s;提取到的有效角点较Harris3D算法提高了34.84%,证明本文算法能够用于大场景散乱点云的快速配准。

基于ICP算法的苹果采摘机器人手眼标定方法

苹果采摘机器人手眼协同作业过程中手眼关系的精度是影响机器人作业效率和作业精度的关键因素之一.针对传统手眼标定方法求解精度低、线性化求解时解耦精度丢失和非线性求解时累积误差较大等问题,提出一种基于ICP算法的手眼标定方法.以Tsai Lenz法的求解结果作为ICP匹配算法初值,通过确定ICP匹配算法中误差阈值和迭代次数最优组合得到精确的手眼转换关系.试验结果表明,本文方法避免了求解时精度丢失和误差积累等问题,与Tsai Lenz算法相比,旋转精度提高了13.6%,平移精度提高12.47%.

单颗粒-电感耦合等离子体质谱(SP-ICP-MS)法数据处理算法的技术发展现状

单颗粒-电感耦合等离子体质谱(Single particle-inductively coupled plasma-mass spectrometry,SP-ICP-MS)法将高通量的粒子计数技术与ICP-MS时间分辨分析相结合,进行快速的单个颗粒逐一表征。此技术不仅可以获取单个颗粒的质量和粒径信息,还能获得溶解态和颗粒态的元素含量信息。经过20余年的发展,SP-ICP-MS法正逐渐成为表征单颗粒的重要方法之一,其显著的技术优势获得了广泛关注,业内诸多学者对其仪器运行条件优化、数据采集方法、数据处理算法等关键技术方面的研究也取得了长足进展。对SP-ICP-MS表征纳米颗粒的技术路线、数据处理算法及研究进展进行了综述,重点讨论了单颗粒定量分析的关键问题及其未来研究方向。但必须指出的是,当前业内在不同应用场景下所建立的颗粒事件鉴别算法、溶液信号的判定阈值算法、颗粒信号质量控制和精确的颗粒定量表征方法尚未明确统一,仍然缺乏足够普适的数据处理方式,这使得SP-ICP-MS技术在广泛的纳米颗粒应用中仍需面对准确定量的挑战。

基于GPU的并行ICP点云配准算法研究

针对传统串行精配准算法在海量点云数据配准时计算效率低的问题,文章利用图形处理器(graphics processing unit,GPU)的多线程计算能力将传统算法并行化,基于GPU实现并行化的统一计算设备架构迭代最近点(compute unified device architecture iterative closest point,CUDAICP)算法。首先采用粗配准方法对源点云进行旋转平移,得到源点云的初始位置,再将其与目标点云输入CUDAICP算法进行精配准;对房间点云、带有楼梯的房间点云2种场景点云数据进行配准实验。结果表明:在粗配准中,采样一致性初始配准(sample consensus initial alignment,SAC-IA)算法在不同场景下具有较好的效果;在精配准中,CUDAICP算法与传统迭代最近点(iterative closest point,ICP)算法相比,在保证精度的同时,速度提升最高可达8.2倍。

基于法向量权重改进的ICP算法

针对三维重建过程中点云配准的精度和速度不理想的问题,提出一种基于法向量权重改进的迭代最近点(ICP)算法。通过将点云的法向量投射到高斯球上,统计不同方向法向量的分布情况,结合物体的几何结构信息赋予相应的权重,利用法向量权重结合点到平面的误差度量方法计算最优刚体变换矩阵。实验结果证明:以球面点云数据为例,与改进前的迭代最近点(ICP)算法相比,在配准速度没有降低的情况下,配准误差减小为原来的30%左右,而且该算法适用于各种点云模型,效果显著。

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3D形状上下文特征改进的ICP点云配准算法

针对传统ICP算法配准过程中存在误差大、耗时长及收敛慢等问题,提出一种基于曲率特征约束的3D-Harris算法结合3D形状上下文(3DSC)特征的点云配准方法。首先提取点云数据的体素中心,利用k最近邻搜索获取体素中心邻近点为体素栅格来下采样,以表面法线与平均曲率为特征约束提取降采样后3D-Harris特征点,采用3DSC对特征点进行描述,然后根据3DSC特征结合RANSAC算法进行粗配准,估算点云的初始位姿。最后利用k-d tree加速对应点的查找,线性最小二乘法优化点到面ICP算法求解最优变换矩阵。采用不同规模、不同重叠度且含高斯噪声的缺失数据的数据集进行仿真实验,结果表明:与经典ICP方法及结合SIFT的SAC-IA+ICP方法比较,所提方法在保持算法快速性的情况下,配准精度更高,收敛速度更快。

基于改进ICP的帧间匹配算法研究

ICP算法在每一次迭代时均会对点云数据中每个点进行选择,直到得出与目标点最近点,再计算得出位移向量和旋转矩阵,存在迭代计算时间较长、精度较低的问题。为解决该问题,文中提出一种以欧氏距离为匹配条件,利用法向量信息找出匹配点,同时利用实际曲面信息的特征过滤错误匹配点的算法。所提算法利用中心重合法来降低前后两帧激光点云数据的平移距离,利用KD-Tree算法将各个激光点按照坐标分类,最后利用激光点的法线和曲率淘汰错误点,提高匹配精度。在Anaconda环境下进行仿真实验,结果表明,在点云数目为363,727,1 400时,采用改进ICP算法所用时间分别是原ICP算法的39%,41%,56%,均方根误差分别控制在原ICP算法的0.68%,18.48%,18.04%。改进后的ICP算法匹配效果得到显著提升,误差减小,迭代时间明显缩短。

一种基于叠加权重ICP的快速钢轨廓形匹配算法

影响钢轨使用性能的因素主要包括断裂、划痕、擦伤、磨耗等,其中磨耗会直接改变钢轨的廓形。修复钢轨廓形的第一步即精确测量得到钢轨廓形数据,然后应用钢轨匹配算法计算得到钢轨的磨耗量。实际应用时,钢轨廓形多变且测量精度要求高达±0.2 mm,匹配算法不仅要能适应各种异常的钢轨廓形且在匹配时不能因异形的轨廓而降低匹配精度。因此,钢轨廓形匹配算法的设计难度较高。经典迭代最近点(iterative closest point,ICP)算法能快速进行点云匹配,但是存在对初始输入数据要求高、易陷入局部最优解、易受到噪声点干扰而出现匹配误差较大等问题。为此,文章提出一种改进的两步法钢轨匹配算法。其利用钢轨廓形的几何特征进行快速粗匹配,为ICP算法提供一个优质的初始输入;并利用改进的叠加权重ICP算法快速、准确地将实测获取到的钢轨廓形点云数据与标准轨廓点云数据进行叠加配准,计算钢轨的磨耗数据。多种劣化钢轨廓形的匹配试验结果表明,若考察轨顶处的磨耗值,叠加权重ICP算法的磨耗值误差相对于经典ICP算法的平均可以减少约0.763 mm,具有较好的匹配效果,可用于钢轨磨耗的计算。

基于改进的ICP与主方向贴合的点云配准算法

为提高点云配准的效率与精度,弥补传统点云配准算法中的不足。本文尝试将主方向贴合算法与改进的最近点迭代(IICP)算法作为组合点云配准算法;该组合算法充分利用主方向贴合算法在粗配准中的优势,并结合IICP算法作为精配准的方法。以某三维激光扫描建模工程为案例,依靠Matlab软件编程实现了本文所提及的配准算法。试验结果表明,改进的ICP算法较传统ICP算法配准效率与精度均有提高。充分验证了主方向贴合算法与IICP点云算法在点云三维模型构建方面的有效性。

复杂场景下多模态点云数据配准技术

针对复杂环境下多模态点云数据获取难,以及对点云数据配准、三维模型构建精度的要求越来越高的情况。本文以南通大剧院实景三维建模为例,当初始点云和校准点云两组多模态融合点云位置差较大时,采用ICP算法进行点云配准易导致局部最优问题,利用所提出的基于控制点辅助约束的最近点迭代(CPA-ICP)算法通过对点云数据进行配准,并与其他3种点云配准算法的试验进行对比,可知该方法的配准精度和配准效率较高,对复杂场景下的多模态点云数据融合有较好的参考意义。

丘陵山地柑橘果园机器人自主导航与精确控制系统设计与试验

为实现丘陵山地柑橘果园机器人的自主导航,设计了一种基于激光雷达和惯性传感器的果园自主导航系统.使用激光SLAM融合多传感器所获数据,并利用误差状态卡尔曼滤波器进行位姿优化,从而构建果园的三维全局点云地图.对全局地图进行分析和处理,确定机器人的安全行驶区域,并应用基于机器人运动学多约束条件的三次非均匀B样条曲线轨迹优化算法实现路径规划,使用NDT-ICP算法实现机器人在全局地图中的定位.为适应丘陵山地果园地形复杂性,提出了一种基于预瞄跟踪的自校正增量PID控制策略,利用递归最小二乘法实时调整PID参数,并在机器人履带式行走机构上进行了系统整合测试.试验结果表明,误差状态卡尔曼滤波器优化后的地图精度与优化前相比有明显提升.机器人以1.2 m/s速度行驶时,导航控制系统的直线行驶平均位置偏差和航向角偏差分别为0.18 m和4.2°,转弯行驶平均位置偏差和航向角偏差分别为0.38 m和16.7°,可满足丘陵山地柑橘果园智能农机自主导航作业需求.

双目结构光视觉引导的螺栓自动装配系统设计

为解决螺栓自动化装配过程中存在的零件位姿快速获取和在弱纹理、反光等复杂场景中实现精确定位等难题,基于双目结构光视觉原理,研制了一套螺栓自动装配系统。首先,通过双目结构光视觉系统获取工件场景的三维信息,涉及光栅条纹图案的获取、双目标定、多频外差法求解绝对相位、相位校正、极线校正、立体匹配,接着采用欧式聚类对重建的点云数据进行分割,获取单个螺栓的三维点云聚类,然后利用迭代最近点(ICP)算法估计模板点云到目标点云的位姿变换矩阵,识别连接螺栓在空间中的位姿,最后结合机械臂末端进行自动装配拧紧。实验结果表明,整个装配过程可自动完成,单个螺栓拧紧装配时间约为10 s,系统测试平均轴孔对中误差不超过1.20 mm,误差标准差不超过0.11 mm。

基于倾斜摄影的混凝土3D打印成型精度分析与预测

混凝土3D打印技术是一项新型的增材制造技术,为了实现采用混凝土3D打印技术来快速打印高质量的成型构件,综合利用迭代最近点(iterative closest point,ICP)算法和倾斜摄影测量技术来分析3D打印构件的整体偏差、局部边界偏差和圆弧角半径,并根据整体偏差和边界偏差对成型精度及可建造性进行研究,最后利用边界偏差和圆弧角半径对打印模型进行预测。结果表明:在混凝土3D打印配合比为水泥∶砂∶粉煤灰∶减水剂∶混凝剂∶水=1∶1.12∶0.09∶0.004∶0.006∶0.32,打印速度V_(d)为45 mm/s,最佳挤出速度V_(j)为138 mm/s时构件成型精度最高;对倾斜摄影模型拟合对齐,并对其具体位置偏差标注色谱图,可知混凝土3D打印构件在第4层时压缩变形较大,可建造性较低;利用预测模型与混凝土3D打印实体构件进行拟合,可知预测模型与基准模型相比误差约1 mm,验证了所提方法及预测模型的合理性。

多传感器融合的室内机器人SLAM

为了解决基于二维激光雷达的SLAM在室内环境中存在定位误差较大和建图不完善的问题,提出一种多传感器融合的室内机器人SLAM算法。该算法针对传统ICP算法在激光SLAM前端存在误匹配问题,采用更适合室内环境的PL-ICP算法,并利用扩展卡尔曼滤波融合轮式里程计和IMU为其提供初始的运动估计值。在建图阶段利用深度相机获取的三维点云数据转化的伪二维激光数据和二维激光雷达获取的数据进行融合,弥补二维激光雷达建图没有垂直方向视野的缺陷。实验结果表明:融合里程计数据相比于单一轮式里程计定位精度至少提升了33%,为PL-ICP算法提供了更高精度的初始迭代值。同时融合建图弥补了单一二维激光雷达建图的缺陷,构建了环境信息更加完善的环境地图。

基于特征点和改进ICP的三维点云数据配准算法

在光学非接触三维测量中,复杂对象的重构需要多组测量数据的配准。最近点迭代(ICP)算法是三维激光扫描数据处理中点云数据配准的一种经典的数学方法,为了获得更好的配准结果,在ICP算法的基础之上,提出了结合基于特征点的等曲率预配准方法和邻近搜索ICP改进算法的精细配准,自动进行点云数据配准的算法,经对牙齿点云模型实验发现,点云数据量越大,算法的配准速度优势越明显,采用ICP算法的运行时间(194.58 s)远大于本算法的运行时间(89.13 s)。应用实例表明:该算法具有速度快、精度高的特点,算法效果良好。