一种基于体素网格的三维点云均匀降采样方法

降采样是三维点云预处理过程中的重要环节,体素网格法是一种被广泛使用的降采样方法。针对体素网格降采样方法存在着采样点分布不均匀的问题,提出了一种新的体素网格降采样方法。首先对点云建立轴向包围盒,然后以某一个等分距离对包围盒沿x,y,z轴三个方向的边进行等分,使得每一个体素近似为一个正方体,然后计算每一个体素内所有点的重心,并将其作为该体素的采样值。实验结果表明,当点云包围盒在x,y,z轴三个方向的边长相差非常悬殊时,该方法比传统的体素网格法获取的点云分布更均匀,而且该方法的计算效率比传统的体素网格法更高。

7自由度仿人机械臂工作空间求解的降密蒙特卡洛法

针对蒙特卡洛法和改进蒙特卡洛法在求解机械臂工作空间时存在精度不够准确和加密点云浪费的问题,提出一种降密蒙特卡洛法.首先,基于蒙特卡洛法中随机点分布不均的特性,对机械臂初始工作空间进行均匀加密,使空间的内部与边界区域分明;然后,采用扩展关节角度和循环加密随机点的方式,只对边界区域进行加密,达到降低工作空间随机点云密度的目的;同时,还研究了该方法中初始点云数量、各轴向分割体素数量、精度阈值、扩展关节角度和循环次数等参数对工作空间精度的影响;最后,通过仿真分析对降密蒙特卡洛法的有效性进行验证.结果表明:相比于蒙特卡洛法,降密蒙特卡洛法在工作空间平均误差率为0.022 42%时,总随机点云数量降幅为93.89%;相比于改进蒙特卡洛法,在循环次数为2次和4次时,降密蒙特卡洛法工作空间的平均误差率分别降低0.138 53%和0.113 29%,总随机点云数量降幅分别为44.83%和64.52%.

基于体素栅格的建筑物三维激光点云数据抽稀方法

为了提升三维激光点云数据处理、存储、运算效率,对基于体素栅格的三维激光建筑物点云抽稀方法进行了研究。通过提取原始三维激光点云空间位置和法向量作为体素栅格存贮数据的主要信息;以三维激光点云最大外包矩形构建最大体素,并依据点云位置不断地进行空间划分,直至阈值范围内,从而实现点云数据的高效组织与管理。对体素栅格内的点云依据设定空间半径阈值检索种子点周边点云,剔除体素栅格中阈值内点云,保留种子点云,从而实现了三维激光点云数据抽稀,有效压缩了三维激光点云数据。并通过实验验证了该方法可以有效降低三维激光点云数据冗余,为海量三维激光点云数据的存储与应用等方面的研究提供参考。

基于多种三维场数据模型的场景分析与表达

基于WebGL技术,在面元模型和体元栅格这2种基本场数据模型的研究基础上,引入体渲染技术,实现了一种同时具备前两种模型优势的体渲染模型,以适应现实世界各种各样复杂的三维场景。本文主要围绕3种模型如何构建、内部信息如何表达、场景如何落地等问题,进行说明与效果展示。能够为业务分析提供更形象的可视化支持,为相关部门的决策提供强有力的支撑。

基于体元邻域关系的行道树提取方法

针对行道树点云复杂、中间夹杂较多杆状物等问题,提出一种基于体元邻域关系的行道树提取方法。以车载激光扫描点云数据构建的格网为单位进行地面点滤除与离散点降噪,然后对非空体元进行邻域分析实现树干点云提取,最后依据点云分层投影面积理论实现树冠点云提取。采用两组道路点云数据进行行道树点云提取试验,并将试验结果与人工提取行道树结果进行对比。结果表明,本文方法能自动化提取道路两侧行道树点云,行道树提取准确率达到90%以上,算法适应性较强。

数控加工仿真系统的研究与应用

介绍数控加工仿真系统的整体设计,提出格栅voxel三维实体建模方法,刀具扫描体的生成算法,实现了刀具切削工件过程的动态仿真,并对碰撞检查算法进行了初步的研究.基于以上方法,建立了蓝天数控系统的加工仿真系统,在加工前对加工程序进行验证,在加工时对刀具轨迹的执行、工件的切削过程等进行实时监控.

城市地下空间资源质量评估基本单元体的研究

提出了基于Grid+Voxel的基本单元体划分方法及不同类型属性信息提取的量化模型,有效地解决了地下空间资源质量评估最小近似均质体的3D剖分,及基于基本单元体不同类型的属性信息定量提取问题,修正了传统的以地面为参照的2D平面单元划分方法,是城市地下空间资源质量评估基本分析单元划分的一种有效的新方法。

基于深度卷积神经网络的三维模型识别

为了进一步提高三维模型的识别精度,提出了一种基于深度卷积神经网络的三维模型识别方法。将点云数据通过占用网格规范化计算转化为二值3D体素矩阵,通过附加正则化项的随机梯度下降算法提取体素矩阵的特征,再通过共享权重的旋转增强对训练集进行数据增广并以此对模型标签进行预测。实验结果表明,该算法在公开数据集ModelNet40及悉尼城市模型数据集上的识别精度均达到85%左右。与基于同类机器学习的三维模型识别算法相比,在相同训练数据集上该方法网络训练时间短,在相同测试数据集上模型识别准确率高,检索速度快。提出的体素占用网格模型的深度卷积神经网络,可以实现三维点云模型数据集及规范化体素模型数据集的识别和分类工作。

基于体素化网格下采样的点云简化算法研究

针对三维点云数据冗余量大、重建时间长、效率低等问题,提出一种基于体素化网格下采样的点云简化算法。该算法首先求出点云数据集的最小三维长方体包围盒,把点云数据划分进三维体素栅格中去;其次计算点云的k邻域,进行曲面法向量估计;然后,在三维体素栅格中选择满足要求的数据点,实现点云下采样;最后,调用Power Crust对下采样点云数据进行曲面重建,在三维可视化类库Visualization Toolkit(VTK)进行显示。实验结果表明,该算法能够加快三维点云数据的重建速度,较好地保持了点云特征,提高曲面重建的效率和鲁棒性,适合实时处理。

一种用于时空体元编解码存储的低计算量优化方法

针对时空网格体对象的编解码占用存储空间大的问题,提出了一种用于时空体元编解码存储的低计算量优化方法。首先以十六叉树索引结构为基础,构建了时空网格体元编解码的数学模型,实现体元对象标识和时空位置索引,并借助3DGIS的自动编解码方法,实现了时空网格体元对象编解码存储表示的换算;其次,采用伽罗华有限域理论,构建了网格体元的二进制编码矩阵和存储的低计算量优化算法,实现了体元对象编解码存储过程中的优化计算;最后,以某矿山的矿床空间块体数据为例,对网格体元编解码模型、存储表示换算以及低计算量优化算法进了实际应用,并与八叉树索引结构的Morton码进行比较和分析,结果表明:该方法可有效降低30%的编解码存储计算量,提高了存储网格体元对象的时空效率。

基于多视觉传感器的受电弓滑板磨耗检测系统设计

针对列车受电弓滑板磨耗检测需求的不断增加,设计一种基于多视觉传感器的受电弓滑板磨耗自动检测系统。该系统通过安装在检测线龙门架上的多台视觉传感器获取受电弓滑板高精度三维点云,通过建立基于多视觉传感器的组合标定模型,将各视觉传感器坐标系下的滑板数据统一于全局坐标系下,拼接得到完整的滑板表面轮廓;采用基于矩形包围盒的体素栅格对原始滑板点云进行下采样,采样后的点云通过密度聚类算法对滑板和托板进行目标数据聚类;最后拟合托板平面,根据滑板平面和托板平面的高度差计算滑板剩余磨耗量。通过试验证明,该系统在保持较高测量精度的情况下,同时具有较高重复精度、稳定可靠,达到工程实际应用要求。

三维面心立方网格下的直线生成算法

以菱形十二面体为体素构成的三维面心立方(Face-Centered Cubic,FCC)网格是六角网格在三维的一种推广,直线生成算法在三维图形和图像应用中是一个非常重要和基础的算法.文中首先研究了二维六角网格下基于附属菱形空间的直线生成算法,然后将其推广至三维FCC网格,得到了一种FCC网格下的直线生成算法,该算法在三维方形网格下的Bresenham算法的基础上,利用附属平行六面体空间的平行六面体与FCC网格空间的体素之间的一一对应关系生成直线.该算法应用简单的判断公式,一步最多可生成3个体素,且只涉及到整数运算,因而没有累计误差.

改进的采样一致性点云配准算法

为解决传统迭代最近点(iterative closest point,ICP)算法存在配准效率低等问题,提出一种改进的采样一致性点云配准算法。通过自适应体素网格滤波法对点云进行处理,可以根据点云量级自动修改体素立方体大小,剔除偏差较大的噪点,降低点云数据量级;在快速点特征直方图(fast point features histogram,FPFH)中引入距离的二次函数,降低远距离邻域点的权值,提高近距离邻域点的权值。运用公开数据集Bunny点云数据进行实验的结果表明,该算法相对于传统点云配准算法的配准精度提升了54.65%,配准效率提升了39.39%。运用多组数据验证了该算法的有效性。

基于修正SGOG编码的三维地层模型转换研究

通过解决修正球体大圆弧八叉树剖分(SGOG)编码与传统坐标系的转换问题,将面矢量三维地层模型转换为以体元为结构的三维地层模型。组成模型的体元结构均对应修正SGOG编码,可将三维地层模型融合到整个地球空间,实现地上、地下和地表的一体化。

地面三维散乱点云扫描线信息生成方法研究

针对地面散乱点云由于数据稠密性和不规则性难于获得扫描线信息这一问题,提出一种地面三维散乱点云扫描线信息生成方法。首先利用三维体素对散乱点云进行重采样,然后对重采样的点云进行扫描光线重建,最后将扫描光线按照角度划分从而获取地面散乱点云的扫描线信息。通过实测点云数据进行实验,验证了该方法的可行性。

一种利用曲率约束的改进K-means三维点云数据分割方法

为了提高三维点云逆向重建中对局部细节部位的敏感性,解决表面特征变化较大、外形较为复杂的点云数据分割不理想对后续处理产生较大影响的问题,提出一种利用曲率约束的三维点云数据分割新方法.该方法首先利用点云数据的坐标信息,计算出对应的曲率信息,然后基于坐标和曲率对点云之间的距离进行定义,在此基础上,按照K-means聚类的思想,实现点云的分割.同时,为了解决聚类分割对初始聚类中心的依赖,提高分割效率,提出一种基于立方体素栅格的点云初始聚类中心选取方法.实验结果表明,本文方法实现了点云数据特征明显部位的细分割,通过调整约束参数可以适用于曲面变化差异程度不同的点云数据分割,初始分割中心的选取方法保证了分割结果的唯一性和有效性,大大减少了消耗的时间,明显提高了效率,本文方法对实际应用具有积极的意义.

面向三维点云识别的体素网格降采样

三维点云往往包含大量冗余数据,降采样是点云预处理过程中的关键环节。对OpenCV点对特征(point pair feature)三维物体识别模块中的体素网格降采样算法进行了深入研究,分析并发现了OpenCV中体素网格降采样算法存在着体素索引转换的错误,验证了该算法错误会导致点云中位于包围盒表面上的点不能得到正确的降采样结果。为此,提出一种体素网格降采样算法。该算法的关键之处:一是对三维点云中的每一个点正确划分网格归属;二是将网格的三维索引转换为一维索引,且满足一一对应的关系。实验结果表明,该方法不但在计算时间上与OpenCV中的方法无明显差异,而且通过对降采样后的点云分布和差异进行分析来看,该方法能正确有效地对各种情形的点云进行降采样。

一种精简点云的快速配准算法

针对三维重建过程中点云数据存在的配准速度慢、精度低问题,提出一种精简点云的快速配准算法。先采用自适应栅格法对点云数据进行精简;在点云数据精简的基础上,运用快速ICP算法进行配准,即采用法向量的变化提取初始特征点,并使用RANSAC算法获取初始配准点集,完成粗匹配;再通过最小二乘法迭代计算最优的坐标变换,完成点云的精匹配。实验结果表明,所提算法在保证良好的原始点云数据的几何特征的同时,有效减少点云数据的冗余量,提高了运行效率和匹配精度,为实时三维重建提供了有效保证。

基于多分辨率的快速迭代最近点配准算法

针对迭代最近点(Iterative Closest Point,ICP)算法计算时间长的问题,提出一种基于多分辨率配准点的ICP算法。使用自适应体素网格滤波器对原始点云进行多分辨率采样,利用低分辨率点云快速迭代获得两点云间初始变换矩阵;利用高分辨率点云在初始变换基础上做更精确配准。实验结果表明,该算法在配准精度基本不变的情况下,可以显著降低配准时间,且随着点云点数增加,速度提升效果越明显。

盾构隧道点云典型要素分割

针对盾构隧道点云及其几何特征构建八叉树索引,使用体素化网格降采样进行点云降采样,利用统计特征滤波器达到精简点云,继而实现典型要素自动分割。结合点云精简算法,提高了随机抽样一致性(RANSAC)算法效率,通过拟合模型的几何特征,设置合理阈值,自动分割隧道典型要素。实验结果表明,该方法可以精确地分割出相邻距离阈值较小的盾构隧道典型要素,拟合的隧道半径与设计半径误差仅为3 mm;相比传统RANSAC算法,该算法运行速度提高了17倍,实现了相邻距离阈值达1.0 cm精度的目标分割。