锥台工件点云拟合算法研究

针对不完整锥面工件模型拟合问题背景,为了解决大量点云数据的标准几何模型拟合问题,提出一种基于遗传算法的锥面点云数据拟合算法:通过随机选取拟合模型采样点,用点云数据点-标准模型采样点的距离计算替代点云数据点-标准曲面模型的距离运算,提高计算效率同时保留点云细节特征;通过对点云数据建立Kd-tree索引提升标准模型采样点距离检测效率;通过遗传算法迭代搜索拟合模型参数,并通过变数据量、变拟合精度等方法改进遗传算法的搜索效率。经实验验证:采用该算法可有效提升部分锥面工件拟合的匹配精度,误差范围±0.5 mm,且对于大量点云数据的处理效果良好。

基于入射角定权的球形标靶点云拟合方法

针对三维激光扫描时球形标靶受边缘混合像元影响致使球形标靶点云拟合精度降低的问题,提出了一种基于激光入射角定权的球形标靶点云拟合方法。通过分析球形标靶的特点以及入射角与光斑大小的关系,推导入射角对拟合参数精度的影响关系,确定了球形标靶拟合定权方法,并应用于最小二乘法拟合解算过程中。通过对不同距离下的不同类型球形标靶进行数据采集和处理,对比分析了基于入射角定权方法的拟合结果。实验结果表明,该定权方法具有一定的稳定性,在50 m的扫描距离内球形标靶点云拟合参数精度提高了18.68%~85.63%;该方法较最小二乘法能够有效地减小拟合误差,在20 m的扫描范围内,2种不同类型球形标靶点云的拟合半径误差小于1 mm。

基于拟合的二维正态云模型

分析了现有的正向/逆向云生成器实现算法的不足之处,并在此基础上提出了基于拟合思想的正向/逆向云生成算法。通过将概念空间划分为几个子空间,然后再在各子空间上使用正向/逆向正态隶属云生成算法来拟合整个概念空间上问题的描述。在拟合过程中,子空间的划分数目是影响拟合效果的主要因素。通过一系列实验分析就子空间的划分数目给出了一个建议数目。最后,实例分析和比较结果表明了该算法的可行性和效率。

点云拟合中的特征识别技术研究

由于大多数机械零件产品都是按一定的特征来设计制造的 ,而在实物反求中进行点云拟合时并没有按特征来进行 ,未对特征进行识别。点云拟合是反求工程的关键环节之一 ,文章对点云拟合中的特征识别技术进行了研究 ,提出了特征识别与自由曲面拟合方法相结合的三维CAD模型重构策略。

用Loop细分曲面拟合点云数据的方法

将输入的点云数据进行三角剖分形成三角网格,按参考文献[1]建立求解插值细分曲面控制顶点的线性方程组。将所建立的线性方程组进行变换,使方程组的系数矩阵对称。证明了该系数矩阵正定,给出了矩阵特征值的上下界估计。将三角网格顶点作为迭代的初始控制点,提出了求解插值细分曲面控制顶点的两种迭代算法以及两个相应的盈亏修正公式。实例表明,两种迭代算法收敛速度快,拟合精度高。

基于特征生长的点云拟合技术

在反求工程的点云拟合中,由被分割后具有某种特征的点云去构造样件的CAD模型,不仅在人机交互分割中浪费大量时间,而且重构的效率不高。如果采用自由生长的特征主动去配匹点云,则能显著地提高重构的效率和精度,为此本文提出了基于特征自动生长的点云拟合技术。

一种改进的选权迭代算法在点云数据拟合中的应用

针对粗差含量较高的点云数据拟合,提出了改进的选权迭代算法:通过最小截断二乘获取稳健的初值,在迭代过程中利用混合总体最小二乘估计控制迭代次数。将该改进算法运用在点云数据平面和球面拟合中的结果表明:该方法在粗差含量较高时仍具有很好的拟合结果。

基于点云切片技术的曲面拟合方法研究

针对现有点云曲面拟合方法对曲率和法矢变化大的点云拟合精度低,对含有多种复杂曲面的点云数据拟合效果不佳等缺点,提出了基于双向切片优势互补的点云曲面拟合方法,通过投影将点云数据实现降维处理,将整体点云数据分割成适量切片,能克服复杂曲面的不利影响。通过增加方向维度和基于切片技术的平面拟合方法来获得拟合数据,使用移动最小二乘的方法对拟合后数据实现整体光滑处理,弥补了降维处理的切片数据拟合精度不足的缺点。实验结果对比显示,基于双向切片优势互补的点云曲面拟合方法在精度和稳定性方面均有了明显提升。

一种局部直线拟合滤除地面点的林下SLAM算法

激光惯导融合的同步地图定位与建图(simultaneous localization and mapping,SLAM)算法可以实现林下三维点云地图构建。鉴于现有激光惯导融合SLAM算法建图的单木定位精度存在较大误差,导致建图效果难以满足林业应用要求,提出了一种局部直线拟合滤除地面点的林下SLAM算法,利用局部的直线拟合来判断地面点并滤除,提高树木特征比重,在激光惯导融合SLAM的前端匹配部分对点云数据进行建图,减小由地面点造成的树木匹配误差。在真实样地中对改进前后两种算法进行实验对比和综合量化评价。实验证明,算法改进后建图所得单木位置的平均绝对误差和均方根误差分别减少了61%和50%,说明该算法可以在林下得到更佳建图效果,可为森林资源调查提供技术支撑。

基于残差分布定权的M估计球形点云拟合方法

针对传统最小二乘法拟合球形目标抗差能力弱的问题,提出了基于统计滤波的M估计球形目标点云拟合方法。首先引入统计滤波剔除空间分布稀疏且不均匀的噪声点,结合最小二乘算法建立M估计球形目标拟合模型;然后根据球形目标扫描点云及其误差分布特征,设计了与待求参数相互依赖的权函数,提高剔除目标点云中系统性误差和粗差能力。最后结合等距离间隔条件下扫描球形目标实验数据,分别采用本文方法、最小中值方差一致性估计算法(Least Median of Squares,LMedS)以及最小二乘算法进行拟合处理与结果分析。结果表明,提出的基于残差分布定权的M估计球形目标点云拟合方法得到的球形目标误差较LMedS算法减小21.1%,较最小二乘拟合算法减小48.1%,本文方法具有更好的抗差能力。

基于L2范数组合云的风电场短期风速–功率拟合方法

为解决大型风电场运行分散性引起的风速–功率拟合误差较大的问题,提出一种基于L2范数组合云的风电场短期风速–功率拟合方法。首先,针对不同风速下风电场功率概率密度曲线峰值特性不同问题,以其概率密度曲线峰值点为边界点,建立组合云拟合模型;其次,为了避免样本峰值扰动引起的组合云模型拟合误差升高,基于L2范数理论对风电场特定风速下的功率离散点进行多项式拟合,以该多项式的峰值点作为边界,对上述组合云拟合模型进行修正;最后,采用贝叶斯法对上述组合云拟合模型参数进行计算。经仿真验证:对具有不确定性的不规则单峰或多峰风速–功率概率分布,所提组合云拟合方法均能获得较高的拟合精度,拟合误差较小。

基于IGGⅢ方案的加权总体最小二乘点云球面拟合

为了减少测量粗差对球标靶拟合精度的影响,在加权总体最小二乘法基础上,针对地面3维激光扫描球标靶数据特点,采用了权函数IGGⅢ方案,自适应地修正拟合权阵,构建了新的点云球面拟合方法。利用新方法分别拟合了模拟球面数据、实际扫描球面数据。结果表明,该方法在同时考虑拟合模型系数矩阵误差与观测向量误差基础上,通过合理定义及优化拟合权阵,获得了更为精确的球面参量。其拟合评价指标均优于常规方法。

基于点云拟合的桥梁变形监测新方法研究

利用地面三维激光扫描实时、高速度、高精度、高密度、无接触的测量特点,对桥梁在不同工况下的状态进行扫描测量;利用点云数据特征提取和直线拟合等处理方法,进行了桥梁底面的变形提取和分析工作。实验结果表明,该方法能够有效获取桥底面连续变形信息,为桥梁的变形监测提供了一个新手段。

基于三维点云处理的髋臼锉锉齿尺寸分析

髋臼锉是髋关节置换手术中最重要的手术刀具之一,髋臼锉锉齿的尺寸变化会影响髋臼锉对髋臼的铣削质量。通过处理髋臼锉三维点云可以检验髋臼锉的磨损情况,为此提出基于三维点云处理的髋臼锉锉齿尺寸分析的算法。首先结合锉齿孔洞具有点云的边界特征引入微切面法,利用最大夹角准则获取髋臼锉点云的边界;然后通过K-means聚类算法分割点云边界以标记不同齿孔位置,并对分割出的各个齿孔边界点云进行半径最近邻搜索获取隶属不同的锉齿孔的齿刃点云;最后通过RANSAC(RANandom SAample Consensus)算法对髋臼锉三维点云进行球面拟合,计算各齿孔上的齿刃点云到拟合球心的欧氏距离来分析髋臼锉的切削齿尺寸。以PCL(Point Cloud Library)为框架,实现了对髋臼锉锉齿点云的处理,其中髋臼锉点云的齿孔分割准确度达到100%,髋臼锉点云球面拟合半径精度达到0.004 mm;并对各个锉齿点云尺寸范围进行了分析。实验结果表明,所提算法对髋臼锉点云处理效果好,能有效地实现髋臼锉锉齿尺寸分析。

基于图像点云的道路缺陷检测

本文针对无人机图像点云道路缺陷检测问题,提出了一种基于点云切片平面拟合与聚类的道路缺陷检测方法.首先,采集无人机图像进行三维重建生成图像点云,对点云进行坡度滤波与统计离群点滤波,消除噪声和异常点的干扰.然后,对点云进行切片并利用随机采样一致性平面拟合算法估计道路的平面模型.随后,运用点云DBSCAN聚类算法分类出边缘噪声与道路损伤点云.最后,采用点云切片法估计损伤程度.在实验中,我们使用真实无人机采集的点云数据,并与基于点云垂直度特征检测方法进行了对比.实验结果表明,本文方法表现出较高的准确性和鲁棒性,体积估计的误差为1 307 cm^(3).相较于传统方法,本文方法能够更精确地检测出道路损伤,并能适应复杂的道路形状变化.

基于点云拟合的卧式罐容积检测

提出一种新的卧式金属罐测量方法,方法基于点云拟合,采用八叉树结构管理海量的扫描数据,将扫描点云按空间位置进行分块,从而加快数据处理的速度,提高效率。提出了将基于RANSAC算法的高斯映射所获取的稳定的圆柱拟合参数作为初始值,代入到圆柱距离函数参数化法再进行非线性最小二乘拟合,保证拟合结果的正确性,与传统的卧式罐检测方法进行比较,证明该方法的可行性。

利用非线性高斯-赫尔默特模型与抗差估计的点云拟合方法

目前已有的点云拟合方法大多是在线性的高斯-马尔可夫(Gauss-Markov,GM)或变量误差(errors-in-variables,EIV)模型基础上提出的,无法严格适用于非线性的曲面拟合问题。将点云拟合的数学模型统一抽象为更具一般性的非线性高斯-赫尔默特(Gauss-Helmert,GH)模型,并针对数据存在粗差的情况,引入等价权抗差方案,提出了一种基于抗差非线性GH(robust nonlinear GH,RGH)模型的点云拟合方法。该方法首先从原始观测值的误差出发,将导出的点坐标的协方差阵作为先验随机模型,然后利用标准化残差和中位数构造权函数,进行抗差迭代计算。结果表明,当数据包含粗差时,RGH模型获得的球面仿真数据的参数均方根误差分别仅为随机抽样一致性(random sample consensus,RANSAC)算法的25.77%~30.67%,实测数据的参数标准差分别仅为RANSAC方法的4.63%~5.49%,验证了所提方法在点云拟合的精度和稳健性方面具有显著优势。

一种箱垛自动规整装置的研究与应用

利用对角布置的两台相机分别对箱垛的顶面和侧面进行成像,运用点云拟合技术得到箱垛的五面图像,进而计算出箱垛的长宽高尺寸;采用伺服电缸、滑轨及相应组件制作自动规整装置;规整装置以测量得到的尺寸作为控制参数对箱垛进行四面整形。结果表明:箱垛尺寸测量数据误差小,整形装置自动化程度高,箱垛整形效果改善明显。

基于点云处理的小型工业零件高度精密测量

针对很多小型工业零件存在微米级测量的需求,提出了一种点云多次滤波与平面拟合相结合的测量方法。以上下平面平行的规则直三棱柱体工件作为测量对象,使用3D线激光传感器获取工件的点云模型并传输到计算机中进行处理,将点云数据首先通过统计滤波剔除噪声和离群值;其次利用体素滤波降采样精简点云数量;然后采用直通滤波分离出工件点云的上下表面;再分别对上下表面的点云通过随机抽样一致性(RANSAC)算法拟合出平面方程;最后计算上下平面之间的间距即为被测工件的高度信息。将该方法测得的高度与激光三角法原理测得的高度数据进行对比,结果表明,该方法测量精度提高了72.33%;同时对于不同的点云密度,利用所提出的方法进行测量,测得当降采样中体素立方体的边长为15 cm时(点云数量精简了98.3%时)测量的误差最小,最小能达到5.1μm。该方法大大提高了工件的测量精度,可以广泛应用于工业测量中。

多源数据融合的三维点云特征面分割和拟合一体化方法

针对单纯利用三维激光点云信息不足的问题,提出融合多源数据对三维激光扫描仪获取的点云数据进行特征拟合的方法。根据地面点云及对应的扫描仪参数生成反射值影像;以反射值影像分割结果作为种子面,基于随机抽样一致性方法分割与拟合一体化;融合彩色影像提取的直线信息确定和验证拟合特征的边界。采用RIEGL VZ-400获取的建筑物点云数据进行了特征拟合试验,证明了该方法的有效性。