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。

场景点云中小孔洞边界提取算法

计算机处理速度的提高和深度相机的广泛应用使点云数据在工业领域中的应用越来越广泛。针对巡检机器人非固定场景中小孔定位问题,提出小孔边界检测提取算法。对点云进行预处理;求取目标点对应近邻点的切平面上的投影点,通过投影点算出质心点位置,由质心位置将圆盘分为两个半圆盘,通过两个半圆盘中投影点数量比值作为边界点判定条件。实验表明,该算法可以较好地提取出边界点使得噪声对结果的影响成比例减小,鲁棒性好,运行速度快且稳定。