基于线结构光扫描的工件高精度三维测量方法

为了提高工业中对复杂轮廓工件的测量精度和效率,设计了一套高精度非接触三维测量系统,并提出了一种基于线结构光扫描的工件轮廓三维测量方法。首先,利用高精度相机和三轴移动平台采集线结构光图像。然后,通过基于差分区间的灰度质心算法,精确而高效地提取出线结构光中心线,并生成原始点云模型。接着,对采集到的点云数据进行必要的点云滤波和精简预处理。最后,将预处理后的点云数据与CAD模型精确配准,进行工件表面轮廓的测量与误差评定。实验结果表明:测量工件轮廓高度的绝对误差小于0.07 mm,相对误差小于0.5%。所提出的三维测量系统及方法测量误差较低,能够实现工件的高精度三维测量,具有一定的工业应用价值。

多源点云优化的城市三维模型构建

简易模型与传统复杂的单体模型相比,对存储、可视化、传输和后续应用技术要求低,敏感信息承载量少,且能满足大部分应用需求,具有更高的应用价值。考虑应用需求与技术现状,自然资源部将城市三维模型(L0D1.3级)纳入实景三维中国建设任务中。目前相关生产以半自动化采集为主,工程化应用存在技术流程烦琐、效率较低且对数据量限制较大等问题。本文立足山东实际,提出了一种基于多源点云优化的城市三维模型快速构建技术,在充分利用现有数据基础上有效提升了数据处理效率,大幅减少了生产成本,并在实景三维山东建设过程中得到了有效验证,具有较好的社会经济效益与推广价值。

基于非完整点云法线滤波补偿的散货船舶舱口识别算法

自动装船系统是智能化港口建设的重要组成部分,能够大幅降低港口作业成本,提高经济效益。舱口识别作为自动装船任务的首要环节,成功率和识别精度是后续任务顺利进行的重要保障。由于港口激光雷达的数目和角度等问题,采集所得船舶点云数据时常出现缺失;此外船舶舱口附近经常有大量物料堆积,会使采集到的点云数据无法准确表达舱口的几何信息。由于上述港口实际装船作业中时常出现的问题,显著降低了现有算法的识别成功率,对自动装船作业造成了不良影响,因此迫切需要提升在船舶点云中存在物料干扰或舱口数据缺失的情况下的舱口识别成功率。基于船舶结构特征与自动装船过程中采集的点云数据分析,提出了基于非完整点云法线滤波补偿的散货船舶舱口识别算法。在使用港口实际采集点云所制作的数据集上进行了实验验证,识别成功率和识别精度较Miao和Li的舱口识别算法相比均有提升。实验结果表明,所提算法既能对舱口内物料噪声进行滤除,又能对数据缺失部分进行补偿,能够有效提升舱口识别效果。

一种基于LiDAR多视轮廓点的三维壁画变化检测方法

提出了一种三维壁画表面变化检测方法。首先通过点云配准和主成分分析算法处理壁画点云数据,利用高斯球映射在多视线方向提取特征轮廓线;然后结合体素网格移动和四维曲面拟合技术,实现对壁画几何变化的精确检测。实际应用结果证明,该方法在检测精度和效率上均有明显优势,对古文物保护与修复具有重要价值。

基于轮廓和方位角的单线激光雷达旋转扫描快速空间构网

传统点云构网算法(泊松算法、Delaunay三角剖分算法、Graph Cut算法等)能够处理多种激光雷达获取的点云数据,通用性较强,但都需要去噪、降采样、法向量提取等预处理,其实,在已知扫描轮廓和方位角信息的情况下,可以充分利用已知信息进行直接构网。针对上述情况,提出了一种基于点云初始信息的单线激光雷达旋转扫描快速空间构网方法,该方法利用激光雷达旋转扫描形成的轮廓信息以及轮廓中每个点的方位角信息,将两条相邻轮廓上的点云按照方位角顺序进行构网,当某方位角点缺失时两条轮廓同时跳过该点,与下一个点构网,再将所有轮廓按照轮廓顺序依次构网并对缺失点产生的破面进行修补。实验结果表明所提方法在纸箱、房间及长廊中均能表现出较好的三维重建效果,平均误差SD(Standard Deviation)相比于传统方法更小,提高了三维重建的准确性,构网速度和鲁棒性也显著增加。

基于雷达拼图CR产品四要素识别冰雹云的方法

为了提高简便、快捷、自动识别冰雹云的能力,利用雷达拼图组合反射率因子(Combined Reflectivity,CR)数据,在冰雹回波超级单体四要素特征分析的基础上,提出了简约快捷的自动识别冰雹云的方法。结果表明:聚类算法(Clustering Algorithm)、散点轮廓算法(Scatter Contour Algorithm)能够较好地识别出冰雹云回波中心强度和强回波面积;强回波梯度算法(Strong Echo Gradient Algorithm)、云砧回波算法(Cloud Anvil Echo Algorithm)计算快捷。雷达拼图CR、强回波面积(Strong Echo Area,SEA)、强回波梯度(Strong Echo Gradient,SEG)和云砧回波(Cloud Anvil Echo,CAE)四要素被用来确定回波与冰雹云的关系。江西冰雹大多数发生在超级单体(Supercell)中,当CR≥60 dBZ、SEA≥100 km^(2)、SEG≤8 km、CAE比值在1∶2~1∶3时,就可能发生冰雹;有些微型超级单体(Micro Supercell)在合适的天气背景和环境条件下,即使SEA=18 km^(2)也会发生冰雹。自动识别冰雹云的方法在2022、2023年各3次冰雹过程中得到实践验证,其识别出的冰雹云区域与冰雹实况区域吻合,但也存在10%~20%的空报率。本研究结果为简便、快捷、自动识别冰雹天气提供了有效依据。

适应曲线轮廓的机载点云建筑外轮廓提取算法

针对最小边界矩形(MBR)算法可利用机载LiDAR点云提取正交建筑轮廓,但当建筑轮廓存在斜直线或曲线时该算法会出现锯齿形轮廓的问题,提出了一种可适应曲线的MBR(ACMBR)算法。在改进MBR(IMBR)算法的基础上引入边界点类型划分算法,再利用最小二乘法拟合斜直线轮廓以及限制端点位置的B-Spline拟合曲线轮廓。结果表明,ACMBR算法能保持建筑轮廓的正交性,且能够识别和拟合包含斜直线、曲线的建筑物轮廓,扩展了MBR类型算法的适用范围。对于斜直线和曲线建筑,ACMBR算法的距离均值和均方根误差均小于IMBR算法,提取的建筑轮廓精度也优于IMBR算法。

基于扫描点云的船舶曲面板成形偏差评定方法研究

船舶曲面板的成形是强非线性问题,仅通过一次曲面加工很难达到曲面板的工程要求,故需对加工曲面板的中间形状进行评定。为得到曲面板的成形偏差,提升船舶曲面板的自动化成形,该文首先基于测量的点云数据,提出了多方位扫描点云合并的方法,将不同位置扫描得到的曲面板点云进行精确配准,实现不同点云之间的最佳贴合;然后将处理好的扫描曲面点云与目标曲面进行位置定位,通过文中所提出的曲面成形偏差计算方法得到加工曲面板垂向、纵向和横向的形状偏差;最后进行了仿真实验,得到的曲板形状偏差计算精度符合船舶曲面板的工程要求,并设计实验测量加工帆形板,以验证方法的实用性。该项研究成果不仅为测量点云数据分布不均匀提供了处理方法,也为加工曲面板各方向成形偏差提供了计算方法。

基于点云的建筑物轮廓提取方法

研究如何快速、准确提取出建筑物信息,对于城市建设、发展与管理具有重要意义,本文基于三维(3D)点云数据,研究并实现了建筑物几何信息的提取。本文的建筑物信息提取思路为:首先,为降低点云数据量,提升后续算法运算速率,对坡度滤波算法进行改进并将改进算法用于点云中地面点、非地面点分类,提取得到非地面点;其次,提出改进3D霍夫变换(HT)提取建筑物立面点;最后,基于降维边界索引方法确定建筑物轮廓线并提取得到局部特征。以实测三维点云数据进行实验,结果表明,在复杂的点云空间场景中,本文提出的方法能够有效避免噪声点等的干扰,高效、准确提取得到建筑物轮廓与局部特征,可为智慧城市建设、城市规划建设等领域提供积极的技术支持。

基于ZYNQ的线激光轮廓传感器设计

为了直接获取工件轮廓点云,设计一种基于ZYNQ可编程芯片的线激光轮廓传感器。以ZYNQ芯片为核心处理器,设计传感器的图像采集与处理硬件电路。根据相机畸变模型,通过双线性插值法矫正各像素点的灰度值,研究基于法向迭代的灰度重心法以提取激光条纹中心线,结合相机参数和激光光平面方程的标定,计算相机坐标系下激光条纹中心点的三维坐标。在ZYNQ芯片中实现上述算法的并行加速,进行工件轮廓扫描测试。结果表明:该传感器可得到工件的三维轮廓点云。

清代云肩内外轮廓特征在文创产品设计中的应用

清代云肩具有深刻的文化内涵和独特的装饰意义,是清代流行的一种服装款式。文章分析了云肩的起源和清代云肩内轮廓图案的主题选择、轮廓填充结构以及形体的扭曲和空间的消解,并论述了清代云肩的外轮廓特征,从文创产品设计的角度探讨了清代云肩在现代的发展及其文化内涵,旨在为清代云肩的研究提供新的视角,以弘扬传统文化,为现代服饰设计提供参考。

复杂异型建筑立面测绘轮廓提取方法设计

为解决点云数据密度异常时复杂异型建筑立面测绘轮廓提取精度变差的问题,提出基于局部点云密度的复杂异型建筑立面测绘轮廓提取方法。引入基于平面投影和双边滤波的测绘点云数据平滑方法,对测绘数据进行去噪和平滑处理,并通过点云分割方法提取目标点云区域。通过基于改进Alpha Shapes算法的立面测绘轮廓提取方法,以边界网格筛选的方式,去除目标点云区域冗余点云数据后,使用滚动圆半径自适应调节方法提取轮廓数据。试验结果表明,所提取轮廓匹配度高达95.08%,具有良好的精度和可行性。该方法可在有效平滑点云数据、分割获取目标点云区域的同时,高精度提取复杂异型建筑立面测绘轮廓。

基于角度半径的青年男子躯干部形态相似性匹配

为实现基于三维人体点云的人体形态相似性匹配,文章提出了利用角度半径进行青年男体躯干部轮廓形态描述的方法。先以187名18~25周岁的青年男大学生为研究对象,使用三维扫描法获取其三维点云数据。再通过逆向工程软件识别人体躯干部特征点,截取其正侧面躯干轮廓形态。然后分别建立正侧面躯干部坐标系,提取27个正面角度半径值和60个侧面角度半径值形成三维点云躯干形态数据库。选取14名被试者进行验证,提取的正、侧面角度半径为样本,采用均方根误差法与点云截面数据库进行匹配,并使用OpenCV框架中的MatchSharp法验证匹配结果。结果显示,13名被试者的躯干部正侧面轮廓形态与三维点云轮廓形态匹配成功,准确率达92.86%。研究结果可为三维点云形态相似性分析提供一定的理论基础。

海量点云数据轮廓特征线的快速生成算法

从海量点云数据中快速生成轮廓特征线,是实现基于特征的模型重建的关键.提出了一种基于切片的轮廓特征线快速生成算法.该算法首先对点云数据进行切片,将数字图像的方法应用到基于切片的特征点提取中,通过设置数字栅格平面的边长快速地提取特征点,并根据提出的双向索引连通法快速构造特征线,最终实现了点云数据的曲线模型.实例证明:本算法可以快速、准确地生成海量点云数据的轮廓特征线.

基于主成分分析的大型管道三维表面重建

针对大量的点云数据要求快速、方便且精度高的特点,在轮廓线拼接建模方法的基础上提出一种结合主成分分析的三维表面建模方法。由结构光扫描系统获得点云;通过热传导模型将点云进行片层分割并进行主成分分析,得到纬度圈,从而获得纬度圈上的所有对应点对;在相邻点对之间进行柱面插值连接,生成物体的四边形网格模型和三维表面模型。结果显示,被测管道重构表面平均误差为0.19 mm,小于采用基于轮廓线拼接方法得到模型的平均误差。结果表明,采用基于主成分分析的方法进行管道三维表面重构,其精度得到了有效地提高,满足工程测量的精度要求;同时也证明了该方法的正确性。该重构方法适用于表面是一阶连续性被测物体尺寸及变形的分析。

地面点云分层等值线表面重建和多分辨率表达

提出一种基于分层等值线的地面激光扫描(TLS)数据表面重建及多分辨率表达方法.依据迭代的凸包算法,在具有垂直分布特点的点云中提取分层等值线.采用同步前进的最小外接圆方法完成分层等值线之间的三角剖分,得到地物局部三角形带.连接分层的局部三角形带并统一法线向量,得到地物整体三角网模型.采用等值线的高程间距和水平采样间隔作为控制参数,探讨了参数优化配置方法,实现地物整体模型的多分辨率表达.最后通过两个实例验证了本文方法的可行性.

基于区域多次回波点密度分析的城区LiDAR建筑物提取

以正确提取城区Li DAR点云中建筑物为目标,综合利用不同类别目标点云的回波特征以及地形信息,提出了一种基于区域多次回波密度分析的Li DAR点云建筑物提取方法。首先,将点云构建不规则三角网(triangulated irregular network,TIN),获取封闭的等高线;然后,利用等高线间的拓扑关系得到等高线族区域;最后,统计每一区域的多次回波点云密度信息,通过建筑物和树木区域多次回波点云在区域密度上的巨大差异来识别建筑物点云和树木点云。研究结果表明:该方法既充分利用了建筑物表面与植被间多次回波特性的差异,又不否定建筑物边缘同样存在多次回波的现象;通过封闭的等高线自适应地检测出地物目标的轮廓,弥补了传统Li DAR建筑物提取方法的不足;该方法能够较其他方法更准确地提取建筑物。

车载激光点云道路边界提取的Snake方法

针对车载激光点云中道路边界提取困难,自动化程度低的问题,提出一种基于离散点Snake的车载激光点云道路边界提取方法。不同于传统基于图像建立Snake,本文直接基于离散点建立Snake模型。先利用伪轨迹点数据,确定初始轮廓位置,参数化不同类型的道路边界初始轮廓;然后基于离散点构建适合多类型道路边界的Snake模型,定义模型内部、外部和约束能量,通过能量函数最小化推动轮廓曲线移动到显著道路边界特征点处,实现不同道路边界的精细提取。本文试验采用3份不同城市场景的车载激光点云数据验证本文方法的有效性,道路边界提取结果的准确率达到97.62%,召回率达到98.04%,F1-Measure值达到97.83%以上,且提取的道路边界结果与软件交互提取的结果有较好的吻合度。试验结果表明,本文方法能够修正噪声、断裂等数据质量对道路边界提取的影响,能够实现各类复杂城市环境中不同形状道路边界的提取,具有较强的稳健性和适用性。

基于Android平台的地震云轮廓提取与匹配研究

针对当前地震云研究中只能利用长期以来的经验进行目视解译,无法形成系统的研究理论和研究模型的现状,结合目前流行的Android便携式设备,提出在Android平台上对地震云图像进行轮廓提取与匹配的研究思路。采用抗噪性能较好的数学形态学算法,在此基础上得到一种改进算法以提取出感兴趣区域,进而通过构造10个新的不变矩对Hu矩匹配算法进行改进,进行轮廓匹配,识别出地震云图像。在Android平台上则利用NDK(Native Delelopment Kit)通过JNI(Java Native Interface)调用OpenCV库函数,用C++语言实现改进算法。实验结果表明:该方法能够有效地识别时间序列下的地震云,正确率高,并且在Android平台上操作简单方便,为地震云预测地震提供初步研究基础和研究依据。

基于形态学的散乱点云轮廓特征线提取

采用逆向工程领域切片技术和数学形态学方法提取点云的轮廓特征线.空间散乱点云密度高且无拓扑关系,通过切片分层可将空间点云转换为不同层的平面切片点云.借鉴图像处理方法,将切片点云转换成二值图像,使用形态学运算提取其轮廓像素,将轮廓像素转换为轮廓特征点并采用B样条曲线拟合成轮廓特征线.实验验证该方法可以得到高质量轮廓线,并可以有效地解决"多环"切片难以正确提取轮廓特征的问题.