基于点云孔洞边界检测的暗涵排口信息提取

针对暗涵三维激光扫描模型的点云数据量庞大且噪音干扰严重,手动提取其排口信息效率低且易误判的情况,提出一种基于点云孔洞边界检测的暗涵排口信息提取方法。首先,根据点云平均距离建立球形邻域,并投影至邻域的微切平面内;其次,利用最大夹角和引力的复合准则判别边界点,并运用边界点聚类及平面拟合方法去除噪点和非孔洞边界;最后,根据边界点的凸包提取暗涵排口坐标、高程与尺寸信息。结果表明,球形邻域比kd-tree邻域表现出更强的鲁棒性;复合准则在计算时间仅增加5%的情况下,边界检测准确率比单一准则提高了3%,且误判率降低了近一半。该方法为暗涵排查信息化提供了一定参考。

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。