随机抽样一致性平面拟合及其应用研究

针对传统平面拟合算法难以拟合包含异常值点云的问题,提出结合特征值法的随机抽样一致性(RANSAC)平面拟合算法。随机选取三个点云数据直接计算平面,选择阈值统计在此平面上的内点数量,多次重复求得包含最多内点的平面,并以这些内点以特征值法进行平面拟合得到所求平面方程。对各种包含误差及异常值的平面点云进行拟合计算,并与传统算法进行比较,将其应用于双目重构得到的隧道开挖掌子面岩体三维数字模型中节理面点云平面拟合。实验结果表明该方法可以很好地适应各种误差和异常值的情况,稳定地得到较好的平面参数估计值,是一种鲁棒的平面拟合算法。

改进随机抽样一致性算法在建筑物现状测量中的应用

作为点云数据处理的关键步骤,线面拟合的结果直接影响后续数据处理的精度。针对传统RANSAC算法在建筑物平面拟合过程中存在的效率及精度方面的问题,引入一种顺序法向量检测机制,通过增加拟合模型的角度约束条件,提出了一种改进随机抽样一致性算法(M-RANSAC)进行平面和边缘探测。通过与常规全站仪测量方法以及传统RANSAC算法进行结果对比,验证了本方法的可行性和有效性,并在珠江三角洲水资源配置工程沿线建筑物现状测量中得到了成功应用。

基于随机抽取一致性的稳健点云平面拟合

针对常用的平面拟合方法在点云数据存在误差或异常值时产生拟合不稳定的现象,提出了结合最小二乘法的随机抽取一致性(random sample consensus,RANSAC)平面拟合算法.该方法先用RANSAC算法检测并剔除异常数据点,再利用最小二乘法将得到的有效数据点拟合,计算平面模型参数.实验中,分别采用该算法和最小二乘法、特征值法对仿真数据进行平面拟合,且采用本文提出的算法,分别对含有不同程度误差和异常值的点云数据进行拟合计算.研究结果表明:该算法适用于存在误差和异常值的点云数据拟合,能稳定地得到较好的平面参数估值,具有较强的稳健性.

基于IRANSAC-IRLS直线拟合算法及应用

针对工业视觉检测中直线边缘存在沾连、毛刺等噪声,导致拟合效率不高、精度较差的问题,提出一种基于梯度方向改进的随机采样一致性(improved random sample consensus,IRANSAC)的迭代加权最小二乘(iterative reweighted least-squares,IRLS)直线拟合算法,即IRANSAC-IRLS算法。首先,利用直线上边缘点的梯度方向相近,将梯度方向引入边缘点RANSAC拟合,来降低错误的随机抽取的次数;然后,对IRANSAC提取出来的局内点进行迭代加权最小二乘拟合,求得最终的直线参数。在噪声点比例为20%、40%、60%、80%的条件下,将IRANSAC-IRLS与基于随机采样一致性算法的最小二乘(RANSAC-LS)拟合算法的仿真实验结果进行对比,IRANSAC-IRLS比RANSAC-LS的拟合效率分别提高16.3%、41.9%、47.5%、53.2%,拟合精度分别提升14.3%、16.7%、44.0%、69.0%。

改进RANSAC算法在直线拟合中的应用

以平板电脑LCD屏幕的边角直线为研究对象,对其进行边缘直线拟合,利用加入预检验的改进RANSAC算法排除大量数据异点,并实现对LCD屏幕边角图像进行边缘点的提取和直线拟合,通过编程实验证明改进后的RANSAC算法对直线拟合的效率和精度都有所提高。实验结果表明:利用改进的RANSAC算法对边缘直线拟合的效率提升10%以上,且样本点数越多,效率提升越明显。

基于随机抽样与特征值法的点云平面稳健拟合方法

针对点云数据含有异常值且传统拟合方法拟合结果不理想的情况,本文提出一种随机抽样与特征值法相结合的稳健点云平面拟合方法。首先利用随机抽样一致性算法按照设定阈值将异常值划分为局外点,不断迭代剔除局外点,保留含有局内点最多的点云数据,然后利用特征值法对该点云数据进行平面拟合。本文设计实验,针对含有不同异常值的点云数据,分别利用特征值法、最小二乘法与本文方法对包含异常值的点云数据进行平面拟合计算,结果表明,本文所提方法在点云数据含有50%异常值的情况下,仍可得到更可靠的平面参数估值,具有较强的稳健性。

基于多级优化的圆拟合算法

针对圆拟合算法中难以同时保证高效率和高准确度的问题,文中提出一种基于多级优化的圆拟合算法。运用3σ准则剔除粗大误差点,从降低子集抽选的随机性、圆模型的降次运算以及自适应迭代次数的阈值变换3个角度对随机抽样一致性进行改进,以提取高质量内群点,并采用设置迭代终止条件的迭代加权最小二乘法实现点群的精细化处理。文中实验从缺损圆、杂质干扰以及其他噪声3个方面对算法效果进行了验证,并与其他主流圆拟合算法进行了对比分析。结果表明,文中算法在不同程度的圆缺损、杂质干扰下的拟合准确度小于0.7 pixel,拟合效果优于其他算法。在约20%~265%的噪声干扰下,拟合准确度不超过1 pixel,运行时间低于0.7 s,该结果表明文中所提算法能抵抗大量椒盐噪声干扰,并能维持较高的准确度和检测效率。

基于RANSAC和灰度一致性的PET瓶胚口缺陷检测

针对现代高速生产线上PET瓶胚口的缺陷检测问题,提出了一种基于RANSAC和灰度一致性的PET瓶胚口缺陷检测算法。算法利用RANSAC方法精确定位瓶胚口区域,然后利用瓶胚口区域内的灰度一致性进行缺陷检测。实验证明,该算法准确率高、速度快,对于640×480图像的检测速度为10 ms/帧,完全满足高速生产线的检测需求。

基于RANSAC算法的稳健点云平面拟合方法

针对点云平面拟合中存在粗差及异常值等问题,对结合特征值法的随机抽样一致性(random sample consensus,RANSAC)平面拟合算法进行了改进。该方法以RANSAC算法为基础,结合特征值法,利用点到平面模型距离的标准偏差来自动选取阈值t,通过阈值t检测并剔除异常数据点,达到获得理想平面拟合参数的目的。用改进的算法和传统的特征值法分别对点云数据进行处理,结果表明,改进的算法适用于存在误差和异常值的点云数据拟合,能稳定地获得较好的平面参数估值,具有较强的鲁棒性。

基于随机抽样一致性算法的稳健点云平面拟合方法

针对点云数据平面拟合过程中存在粗差及异常值等问题,文章提出一种基于随机抽样一致性算法(RANSAC)的稳健平面拟合方法。该方法以RANSAC算法为基础并结合特征值法,通过设置一定的准则,剔除点云数据中存在的粗差及异常值,达到获得理想平面拟合参数的目的。运用此算法对仿真数据及实测数据进行平面拟合,并与传统算法进行比较,结果表明该方法可以很好地适应于点云数据中存在粗差及异常值的情况,获得较好的平面参数估计值,是一种稳健的平面拟合算法。

RANSAC算法在超大直径洞门钢环精密检测中的应用

洞门钢环对盾构机顺利始发以及隧道掘进中线的控制起着巨大的作用,因而对隧道洞门钢环的定位精度有着极高的要求。而直径超过10 m的超大直径洞门钢环对精度有着更高的要求。本文结合某过江通道15.5 m超大直径隧道洞门钢环安装难度大、精度要求更高的特点,通过洞门安装定位实测数据计算分析,针对原始数据中混入的噪声点影响拟合精度的问题,在传统的拟合方法中加入随机抽样一致算法(random sample consensus,RANSAC),提高了拟合模型对粗差的抵抗性,有效地克服了噪声点对拟合精度的扰动,获得了良好的抵抗效果。

平面拟合算法抗干扰能力对比研究

针对点云数据拟合过程中出现噪声点和离群点影响拟合效果的问题,利用最小二乘法(LS)、加权最小二乘法(WLS)和随机抽样一致性算法(RANSAC)基于点云数据进行平面拟合。利用上述三种方法分别对含有离群点、噪声点和两者都有的平面仿真点云数据和实测的斜垫铁倾斜面点云数据,分别进行平面拟合仿真实验和实测实验来验证算法效果。实验结果表明利用随机抽样一致性算法在上述实验条件下,能够消除噪声点、离群点的影响,可以获得准确的参数解,拟合的平面精度最高,加权最小二乘法拟合平面精度次之,最小二乘法精度最差。

基于线结构光扫描的烟支表面缺陷检测方法研究

在烟支表面缺陷检测时,为解决传统二维图像方法无法获得深度信息的问题,提出一种基于线结构光传感器旋转扫描的检测方法。烟支在两同向辊轮的旋转带动下实现自转,通过线结构光视觉传感器获取物体轴向轮廓线,使用随机采样一致性拟合轮廓线,通过计算原始点到拟合轮廓的距离判断缺陷点。选取某品牌烟支在检测过程中得到的原始数据,其中多组样本的Kappa值均达到0.97,重复性达到99.3%。研究为烟支缺陷检测提供参考。

利用贝叶斯抽样一致性的点云特征面拟合

针对传统随机抽样一致性算法在拟合特征面时对种子点的选择具有一定的随机性,造成循环次数过多、效率低下的问题,该文提出一种改进的随机抽样一致性算法——贝叶斯抽样一致性算法。首先建立柱面、球面、圆环面、平面的数学模型;然后用贝叶斯抽样一致性算法提高抗噪性,并用二维直方图统计方法对贝叶斯抽样一致性算法中的局内点先验概率估计进行改进;最后,对局内点用非线性最小二乘进行拟合。将该方法与基于随机抽样一致性算法的特征面拟合方法进行了对比和分析,实验结果证明,贝叶斯抽样一致性算法能够更高效地实现局部特征面拟合。

基于机器视觉的电芯绝缘介质定位算法

为保证电芯绝缘介质定位的准确性和时效性,文章提出一种基于双线性插值亚像素坐标结合改进随机抽样一致性(random sample consensus,RANSAC)算法的绝缘介质定位算法。对工业采集的图像进行空间滤波、阈值分割等预处理操作,分割出目标并增强特征;运用Canny边缘检测算子检测边缘,选取定位轮廓并根据最小外接矩形分离4条边缘直线,用双线性插值公式精确定位边缘直线亚像素坐标;采用部分点先验模型约束RANSAC算法提取4条边缘直线的高质量内点,再用最小二乘法分别拟合4条边缘直线并计算出相应偏移量。实验结果表明,该算法能有效保证绝缘介质的定位精度且具有一定的时效性,可以较好地满足实际生产应用的要求。

基于3D激光雷达的鸡舍通道中心线检测方法

针对笼养鸡舍环境下光照强度弱、作业通道内狭小导致机器人巡检时通道中心线检测困难的问题,该研究利用3D激光雷达对鸡舍通道中心线进行获取。首先通过机器人搭载的3D激光雷达对鸡舍作业通道信息进行采集,利用直通滤波、地面点滤波、体素滤波、统计滤波和平面投影对获取的3D激光雷达点云数据进行预处理,获取XOY平面上的点云数据。通过改变K-means聚类初始点选择方式和聚类函数对预处理后的点云数据进行数据分类。利用改进RANSAC算法对分类后的数据进行处理,提取通道中心线。试验结果表明该研究提出的改进K-means聚类算法平均耗时6.98 ms,相较于传统的K-means聚类算法平均耗时减少了29.40 ms,准确率提高了82.41%。该研究提出的改进RANSAC算法中心线提取准确率为93.66%、平均误差角为0.89°、平均耗时为3.97 ms,比LSM算法得到的平均绝对误差角高0.14°,平均耗时减少6.15 ms。表明该研究提出的鸡舍通道中心线检测方法基本满足笼养鸡舍环境实时自主导航的需求,为巡检机器人在鸡舍作业通道内进行激光雷达导航提供了技术支撑。

基于三维成像声呐的无人艇水下目标检测

针对无人艇水下目标探测过程中声呐图像受干扰多、单个目标可能分裂为多个亮斑等问题,开展了基于三维成像声呐的无人艇水下目标检测技术研究。首先,考虑水面无人艇水下目标检测跟踪识别的需要,建立了三维点云图像模型;然后,提出了基于随机抽样一致性(RANSAC)平面拟合的海底检测算法,以完成三维点云图中海底平面提取与分离,通过基于欧式聚类的三维点云检测技术和多特征数据关联技术等手段提高了目标的检测概率;最后,在湖上进行了试验,试验结果验证了该算法对水下目标检测识别的有效性。

基于随机抽样一致性算法的PCB板定位方法研究

随着对PCB板生产效率与质量的要求越来越高,针对目前PCB切割分离的分板机结构误差所导致的误切、过切的问题,文中提出了一种基于随机抽样一致性算法的PCB板定位方法。该方法首先在获取PCB板边缘图像后,采用自适应高斯平滑滤波对图像噪声区域进行平滑处理,降低图像模糊度。然后通过形态学运算和Sobel-Zernik算子提取PCB板轮廓样本点,接着在深入分析目标模型固有特性的基础上对样本点进行筛选,并采用分层抽样法分析样本点残差,经多次迭代之后得到最佳模型。文中最后将该算法与归一化的最小二乘方法、二次多项式拟合的边缘拟合法进行对比实验验证,通过在MATLAB中给图像加入高斯噪声和椒盐噪声以模拟不同环境下的图像,并分别使用归一化的最小二乘方法、二次多项式拟合的边缘拟合法与文中所提出的方法对图像进行Mark点识别。结果表明,文中所提出的基于随机抽样一致性算法的PCB板定位方法具有更高的稳定性与准确性,且鲁棒性好。

基于改进RANSAC算法的PCB板定位方法的研究

为了快速精确识别定位Mark点从而确定PCB板连片折板位置,提出一种基于改进RANSAC算法的边缘拟合算法。通过对目标模型的固有特性进行分析,定向筛选样本点,得到估计模型;采用分层抽样法抽取样本点进行残差分析;经过多次迭代后筛选出最符合的模型。对比分析了加权最小二乘法拟合、基于Zernike矩的边缘拟合和基于改进RANSAC算法的边缘拟合3种方法在效率和准确性方面的差异。实验证明:基于改进RANSAC算法的边缘拟合法较其他两种方法具有鲁棒性更好和稳定性更高的特点。

基于最小平方中值的点云平面拟合算法

三维扫描获取待测对象点云时,不可避免地会出现噪声点和异常值,严重影响点云平面参数估计和平面拟合精度。随机抽样一致性(RANSAC)和主成分分析(PCA)结合的算法可以有效估计点云平面参数并拟合平面,具有一定鲁棒性,但RANSAC算法每次迭代时都需要判断以区分内点与外点,具有冗余性,对运行效率有一定影响,同时其估计结果也会受到迭代次数的影响。针对以上问题,提出了一种结合最小平方中值(LMedS)和PCA的算法拟合点云平面,并选取3种点云模型进行实验,分别为Semantic3D户外场景点云数据库、线激光传感器获取的零件表面点云及普林斯顿大学的室内数据集。实验结果表明,在十万数量级点云中,LMedS算法可以有效估计点云平面参数,与RANSAC算法相比,LMedS算法不仅可以有效估计平面模型,且运行速度有一定提高,耗时少,两者的精度相当,是一种具有较强鲁棒性和优势性的点云平面拟合算法。