基于贪婪投影三角化的散货料堆体积测量

文中基于自动化抓取以及库存盘点所需的料堆参数信息,研究料堆体积的求取方法,提出一种基于贪婪投影三角化的三角网格微积分的体积求取方法.运用贪婪投影三角化算法将点云数据分成无数个三角网格,求取每个三角网格与地面组成几何体的体积,其体积和即为料堆的体积.并与实际测量数据以及传统算法求解的结果进行对比分析,验证了算法求取料堆体积的准确性.

改进贪婪投影三角化算法的激光点云快速三维重建

通过三维激光扫描仪获取的点云数据具有密度大、精度高等特点。本文针对贪婪投影三角化算法在对采集的大量点云数据进行三维重建时耗时长,重构的模型表面不够光滑,存在细小孔洞的问题,提出一种改进的点云三维重建算法。该方法首先用体像素网格滤波算法对点云进行下采样;然后使用移动最小二乘算法对输入的点云进行平滑及重采样,并且使用八叉树来代替KD树进行近邻域搜索;最后使用基于移动最小二乘算法的点云法线估计的贪婪投影三角化算法对点云进行重建。经过实验验证,该方法可以缩短重建时间,减少孔洞,并构建出平滑、点云拓扑结构更为准确的模型。

点云三角化处理技术研究

点云的三角化处理是点云三维重构中必不可少的处理步骤,其处理效果直接决定了点云三维重构结果的好坏,而点云进行三角化时搜索半径r的参数设置决定了点云三角化的处理效果.针对该参数的取值及其对点云三角化结果的影响做了研究.首先对点云数据进行预处理,然后利用最小二乘法原理对点云进行平滑处理,最后将平滑处理后的点云利用贪婪三角化算法实现点云数据的三角网格化.结果表明,点云三角化处理技术在搜索半径r大于等于5倍采样间距(平均间距)时,能够快速准确地生成质量较好的点云三角模型.

改进贪婪投影三角化的点云三维重建算法研究

针对贪婪投影三角化三维重建算法存在耗时长、表面粗糙以及孔洞等问题,提出一种改进贪婪投影三角化的点云三维重建方法。首先改进体素滤波器,以点云数为阈值计算最优体素栅格,并以重心邻近点代替体素实现下采样;采用统计滤波与高斯滤波对简化后点云进行平滑处理;然后利用八叉树代替k维树搜索邻域点云,基于八叉树优化的移动最小二乘法进行法向评估,缩短回溯时间,避免法向指向的二义性;最后基于Delaunay的空间区域增长算法作平面三角化,根据平面内点的拓扑关系获得三角网格曲面。实验结果表明,与传统贪婪投影三角化及泊松算法比较,所提方法在保持算法快速性与局部细节特征的情况下,重建曲面平滑性更好,减少了孔洞数量。

高反光物体的局部点云孔洞补全方法

针对高反光物体点云数据存在噪声明显、孔洞过大,使用传统贪婪投影三角化算法无法达到点云补全目的的问题,提出一种改进的贪婪三角化点云补全算法。利用统计滤波和高斯滤波进行离群点去除和平滑处理;采用移动最小二乘法对局部点云进行上采样增强数据,并且对点云进行进一步平滑。将贪婪三角化算法中的kd树(k-dimensional tree)算法替换为效率更高的八叉树(octree)搜索算法,将主成分分析法替换为准确率更高的移动最小二乘法进行法线估计;最后,进行点云三角化,完成点云补全。实验结果表明,改进算法能够更好地补全孔洞,补全后表面更加平滑、结构更为准确,且花费时间更短。

基于点云数据的曲面重建算法比较研究

针对现有的多种点云数据曲面重建算法,从曲面重建的网格曲面、隐式曲面、参数曲面三种不同重建方式入手,比较了四种算法针对不同目标物重建的优劣,并给出相应的精度评价。实验结果表明:基于NURBS参数曲面重建的方式最佳,基于贪婪投影三角化网格曲面重建的方式其次,基于移动立方体与基于泊松方程隐式曲面重建方式的时间复杂度与空间复杂度较大,且重建后的点云模型误差也较大。

基于距离反比插值的激光雷达点云贪婪三角网构建及应用

机载激光雷达点云数据处理之后的三维重建研究问题一直以来都是研究的重点。针对堆料点云数据三维重建中贪婪三角化算法的不足,提出一种基于距离反比插值的贪婪三角化算法。该算法通过插值不仅能得到未测量区域数据,同时还能通过对插值区域的控制,得到均匀的数据。应用该算法对堆料进行三维重建,通过现场对比实验证明,依据该算法得到的重建结果更加接近真实场景,具有较强的应用价值。

基于移动最小二乘法的点云平滑及重采样

将点云进行三维重建符合人们的视觉习惯,可以逼真地反映场景的立体效果,并且可以方便地进行多角度显示。针对贪婪投影三角化重建结果中存在的曲面不光滑且存在孔洞等问题,提出了使用移动最小二乘法来进行点云的平滑、重采样处理。实验表明,通过移动最小二乘法进行先平滑后采样的方法比直接使用贪婪投影三角化算法或仅平滑处理、采样处理再重建的效果都要好。

基于点云数据的隧道曲面三维重建方法的研究

针对三维激光点云具有数据量大、冗余性高的特点,本身带有一些散乱噪声的点云会影响曲面重建效果的问题,研究了基于隧道点云的曲面重建方法。首先将海量隧道点云的数据利用体素滤波进行处理,在保证隧道的真实特征不变的情况下对点云进行缩减;然后建立k-d树构建点云间的索引关系,对点云进行法向量估计,最后利用常用的点云曲面重建方法对隧道进行重建;通过比较发现选择合适的体素化网格能够有效地简化点云的数据量,当下采样为0.5 m时简化率达到97.8%,法向量估计及重建时间效率有所提高;最后利用PowerCrust算法重建出的隧道表面,在局部细节上的特征较为清晰,在模型表面的光滑性上和重建的效率上有一定的提高,效率要优于贪婪三角算法,同时比移动立方体的重建缩短了近一半的时间,在实际中具有一定的实用价值。

基于激光点云数据的树木枝叶分割和三维重建

针对目前树木点云三维重建方法仅仅实现树木三维形态结构的重建,而忽视了树木表面纹理和细节的问题,本研究提出了一种超体素分割和基于kd-tree纹理映射的贪婪投影三角化算法相结合的树木点云重建方法。首先根据点云的颜色、法线和空间距离等特征,利用体素云连通性分割算法生成超体素块;然后基于不同超体素块之间的凹凸关系,利用局部凸包连接算法对点云进行聚类分割,从而实现枝干和树叶点云分割;最后利用贪婪投影三角化算法分别对枝干和树叶点云进行三维重建,并基于点云RGB信息,利用kd-tree算法对枝干和树叶模型添加真实的纹理色彩。结果表明,树木点云重建方法能实现枝干表面和树叶等细节模型的构建,还原真实的树木形状结构和纹理色彩;通过对不同抽稀层次下的点云进行测试,发现核桃楸树木模型主要枝干结构得到了很好的保留,这说明建模算法对点密度的变化具有鲁棒性。

基于VR和Kinect的定制鞋设计

针对传统制鞋业定制化程度低,无法适应足部多样性、舒适性,造成鞋业资源的浪费,无法满足当代顾客追求个性化的心里等问题,提出了一种基于VR和Kinect的定制鞋设计方法;对个体足部特征进行测量分析,利用三维建模以及VR技术,实现个体鞋的定制设计;首先,使用Kinect3D摄像机进行足部三维扫描,获取足部深度信息数据并转换成点云数据,利用kd-tree算法及贪婪投影三角化算法进行足部点云的去噪处理和点云重构,在Meshlab软件中测量数据并结合MAYA软件完成三维鞋的建模;最后,结合Unity引擎,设计虚拟交互界面,实现纹理贴图和更换,完成定制鞋系统;结果证明,该系统可以快速地进行人机交互,实现鞋的三维定制,满足顾客个性化的心理需求,会对鞋业的发展产生很大的推进作用。