基于二次特征提取的煤矿巷道表面点云数据精简方法

采用三维激光扫描技术提取的煤矿巷道表面点云数据量大且存在较多的冗余数据,而现有点云数据精简方法存在大数量级点云处理过程中细节保留不足的问题。针对上述问题,提出了一种基于二次特征提取的煤矿巷道表面点云数据精简方法。首先对采集到的原始巷道点云数据进行去噪预处理;其次建立K-d树,并利用主成分分析法对去噪后点云数据估算来拟合邻域平面的法向量;然后通过较小的法向量夹角阈值对点云进行初步的特征区域与非特征区域划分,保留特征区域并随机下采样非特征区域,接着依据较大的法向量夹角阈值将特征区域点云划分为特征点和非特征点,并对非特征点进行体素随机采样;最后将2次点云精简结果与特征点合并得到最终的精简数据。仿真结果表明,该方法在百万数据量级点云和高精简率条件下,相较曲率精简方法、随机精简方法和栅格精简方法,在特征保留和重构精度方面都取得了更好的效果,三维重构后计算所得标准偏差平均可低于相同精简率下其他方法30%左右。

面向逆向工程的点云数据精简方法

近年来,激光扫描技术有了重大的进展,3D激光扫描设备的精度越来越高,数据的捕获速度急剧增加,其每秒产生成千上万个数据点,这一巨大的数据量成为数据计算和存储的负担。因而,一个相当重要的问题就是,将这些巨大的数据进行精简,同时维持数据原有的精度。详细介绍了目前国内外在点云数据精简方面研究的一系列方法,并对它们的特点和使用场合进行详细的比较。

三维激光点云数据精简算法

分析了多种三维激光点云数据精简算法的工作原理,以及它们在缩减数据量以提高算法的处理速度方面的效果,综述了三维激光点云数据精简算法的国内外研究现状.

基于改进PointNet的空调散热器V形槽3D点云分割算法

针对给空调散热器自动化点胶时无法准确识别散热器V形槽位置的问题,基于PointNet网络的散热器V形槽语义分割方法,首先针对散热器点云V形槽区域与内部区域特征相似的问题,设计一种通过提取点云边缘将点云边缘区域的点云与内部区域的点云分别进行预处理的方法,实现突出点云边缘区域特征的目的。其次,在PointNet网络最大池化函数的基础上,引入平均池化函数,增加网络所提取的全局特征的特征信息,减少因最大池化引起的信息丢失,并去除T-Net变换网络,减少网络的复杂度。从实验室平台采集空调散热器样本进行实验,结果表明,改进算法的平均交并比(mean intersection over union, mIoU)达到78.17%,总体精度(overall accuracy, OA)达到了92.01%,相较于PointNet提高了9.73%和6.37%,验证了算法的有效性。

古建筑三维点云数据的精简与配准方法

针对古建筑点云数据量大,配准效率低,质量差的问题,提出古建筑三维点云数据精简与配准的方法研究。首先对获取的古建筑源点云和目标点云数据通过曲率与包围盒随机抽样相结合的点云精简方法缩小点云的数据量,点云数据精简既保留了古建筑点云中的特征点,又使平坦区域的点云得到了均匀分布;然后从精简点云数据中提取四点集,利用超四点快速鲁棒匹配算法(super four point robust matching algorithm,Super 4PCS)实现源点云和目标点云的粗配准;最后利用最近点迭代算法(iterative closest point,ICP)实现点云间的精配准。实验结果表明,本文方法有效地提高了点云配准效率和配准精度。

点云数据压缩算法综述

由于三维激光扫描数据采集的过密,这使点云的数据处理变得十分复杂和困难。国内外专家学者在点云数据的精简方法和处理效率等方面做出了大量的理论研究和实际探索,解决了扫描数据量过大的问题,并取得了丰硕的成果。在此基础上,本文针对国内外点云数据缩减方法的研究现状,总结了一些点云数据压缩算法。

基于点云数据机载薄壁共形件曲面重构技术的研究

为在CAD/CAE/CAM中使用精确度和光顺性良好的机载薄壁共形件三维模型,提出了一种基于NURBS理论的机载薄壁共形件曲面拟合方法。首先利用基于特征点的斜率分割法对共形件点云数据进行精简,通过建立目标函数对边界点进行B样条曲线拟合,然后构建双三次Coons面作为基面并将点云数据向基面逼近,最后利用迭代优化得到曲面控制顶点,从而得到满足要求的曲面。分析结果表明:拟合后的曲面具有良好的精确度和光顺性。

复杂模型三维点云自动配准技术研究

三维点云配准是逆向工程中的关键。针对经典ICP算法在配准过程中对初始位置要求较高可能产生局部最优解以及对大量点处理效率低的缺点,本文以经典的ICP算法为基础,结合主成分分析的初始配准方法,使用随机采样点云精简和k-d树查找对应点对减少运算的时间复杂度方面进行改进,提高了传统ICP算法的效率和精度。并利用配准后两簇点云中对应点对之间的误差完成了几何质量评估,用RGB色彩模式来直观显示。经实验对比,本算法能很好的弥补单纯的粗略配准和经典ICP配准的缺点,具有良好的匹配精度和速度。