基于3D形状上下文特征改进的ICP点云配准算法

针对传统ICP算法配准过程中存在误差大、耗时长及收敛慢等问题,提出一种基于曲率特征约束的3D-Harris算法结合3D形状上下文(3DSC)特征的点云配准方法。首先提取点云数据的体素中心,利用k最近邻搜索获取体素中心邻近点为体素栅格来下采样,以表面法线与平均曲率为特征约束提取降采样后3D-Harris特征点,采用3DSC对特征点进行描述,然后根据3DSC特征结合RANSAC算法进行粗配准,估算点云的初始位姿。最后利用k-d tree加速对应点的查找,线性最小二乘法优化点到面ICP算法求解最优变换矩阵。采用不同规模、不同重叠度且含高斯噪声的缺失数据的数据集进行仿真实验,结果表明:与经典ICP方法及结合SIFT的SAC-IA+ICP方法比较,所提方法在保持算法快速性的情况下,配准精度更高,收敛速度更快。

基于ISS-3DSC的NDT三维点云配准算法研究

工件形貌的三维扫描需求在车间自动化装备中越来越多,其中点云配准作为三维数据处理的重要步骤。现有三维点云配准存在特征点对误配、配准时间长、配准精度差等问题,提出了一种基于内部形状描述子-三维形状上下文特征(ISS-3DSC)的NDT三维点云配准算法。首先通过内部形状描述子(ISS)算法提取三维点云关键点,提高配准效率;然后结合三维形状上下文特征(3DSC)进行关键点的特征描述,并根据特征点对中值距离法剔除错误点对,采用SVD分解计算初始变换矩阵;最后使用NDT算法完成精配准。测试实验结果表明:算法在鞋面、鞋底点云数据配准时的精度可达到0.025 cm,相比传统SAC-IA+NDT算法配准效率提升明显,具有一定的工程应用价值。

基于结构光3D视觉的空间姿态识别系统设计

为提高产品零件空间姿态识别的精度和收敛速度,提出基于结构光3D视觉对空间姿态识别的方法。首先,采用投影仪和相机获取产品零件图像信息,利用相移法获取深度信息,通过深度图点云重建获取3D点云数据;然后对3D点云数据进行特征处理和分类时,建立点云网络(Point Network,PointNet)模型;最后,采用改进的迭代最近点(Iterative Closest Point,ICP)算法对3D点云数据配准,从而实现产品零件姿态的识别。实验结果表明,该方法在对产品零件点云特征分类性能上,准确率能达到96%左右,召回率能稳定在92%左右;在配准精度和收敛速度上,较其他两种方法更优越,进一步验证了该方法的有效性和可行性。

基于多视角三维点云融合的采棉机器人视觉感知方法

针对传统采棉机器人因单一视角和二维图像信息带来的视觉感知局限问题,本文提出了一种多视角三维点云配准方法,以增强采棉机器人实时三维视觉感知能力。采用4台固定位姿的Realsense D435型深度相机,从不同视角获取棉花点云数据。通过AprilTags算法标定出深度相机RGB成像模块与Tag标签的相对位姿,并基于深度相机中RGB成像模块与立体成像模块坐标系间的转换关系,解算出各个相机间点云坐标的对应变换,进而实现点云间的融合配准。结果表明,本文配准方法的全局配准平均距离误差为0.93 cm,平均配准时间为0.025 s,表现出较高的配准精度和效率。同时,为满足采棉机器人感知的实时性要求,本文对算法中点云获取、背景滤波和融合配准等步骤进行了效率分析及优化,最终整体算法运行速度达到29.85 f/s,满足采棉机器人感知系统实时性需求。

基于KD-ICP算法的机器人拆解目标三维点云配准方法

随着中国核能产业发展,大量在役涉核装置运行过程中出现的事故和隐患需要通过涉核机器人进行远程处置,部分事故处置需对出险装置进行精确拆解,基于三维重建视觉图像定位是其关键技术之一。针对核应急事故中待拆解目标的精确重建,开展三维点云配准方法研究,在配准算法总体流程基础上设计出三维点云配准算法,利用高斯滤波进行点云数据去噪,提出一种兼顾点云信息完整性和算法效率的K维迭代最近点(K-dimensional iterative closest points,KD-ICP)算法,利用点快速特征直方图(fast point feature histograms,FPFH)和主成分分析(principal component analysis,PCA)实现特征点提取并降低点云数据量,使用全等四点集(4-points congruent sets,4PCS)进行点云粗配准,采用KD-ICP算法实现点云精配准。在所搭建的拆解机器人试验平台上,针对管、板及涉核装置模拟体等测试对象,对所提出的配准算法进行试验分析与评价,与其他3种常规算法的对比试验表明,所提出的点云算法在相同的条件下均方根误差最小,运行时间最短,具有更高的点云配准效率及较好的鲁棒性,为复杂拆解目标的三维重建及精确定位奠定了基础。

基于DBSCAN的三维点云缺失数据分类系数优化仿真

针对三维点云数据质量不理想造成的分类困难问题,提出基于DBSCAN算法的三维点云数据分类优化方法。预处理三维点云数据,填补缺失数据,保证数据完整性。通过直通滤波法剔除远离三维点云主体的无效点,采用K-D tree和KNN算法改进统计滤波,滤除三维点云数据中的离群点,优化原始三维点云数据质量。引入天牛群优化算法改进DBSCAN算法,利用天牛群优化算法选取DBSCAN算法的邻域搜索半径和搜索邻域中包含的最小对象数两个参数,将优化后三维点云数据输入改进的DBSCAN算法中,实现三维点云数据分类。实验结果表明,所提方法C-H系数和轮廓系数更大、D-B系数更小。

基于点云融合算法的无人机三维建模测量研究

坐标残差过大是导致无人机三维建模准确性不达标的主要原因,为避免上述情况的发生,针对基于点云融合算法的无人机三维建模测量方法展开研究。确定2D样点、3D样点与目标视点的云对应关系,通过求解双线性融合差值的方式,建立点云融合算法模型,再联合无人机目标轮廓点定义条件,完成对目标Hu距的匹配,得到必要的无人机目标节点,实现基于点云融合算法的无人机目标提取。建立三维测量坐标系,并根据光学畸变差的取值范围,纠正三维影像,结合相关测量节点,推导点算子计算式,从而确定测量值平差的取值范围,完成无人机三维建模测量方法的设计。实验结果表明,点云融合算法作用下,X轴、Y轴、Z轴三个方向上的坐标残差均不超过10%,能够实现无人机三维测量模型的准确构建。

基于改进ORB-SLAM算法的三维点云重建方法

针对电网复杂环境特点,研发适用的三维成像装置,实现对作业场景全方位、高精度成像,能够提供更全面的环境感知和风险监测,为立体防控提供可靠的基础数据。为此,提出了一种基于改进ORB-SLAM的三维点云重建方法。首先,选用深度相机作为实验设备来获取点云数据的像素坐标;然后,通过像素坐标到图像坐标的变换,转换成三维点云数据;最终,采用简化的弱耦合策略对ORB-SLAM算法进行优化,对相机位姿估计中的遗漏进行补充,识别并纠正较大的估计误差,从而增强在作业场景中三维重建点云融合的精确性。

基于深度学习和集成学习的点云目标识别方法研究

针对深度学习在当前点云目标识别任务中性能较好但提升缓慢,以及单网络模型提取特征不充分导致信息隐性丢失的问题,研究提出了一种基于深度学习和集成学习的点云目标识别新方法。该方法基于Stacking集成算法,利用Logistic回归对基于邻域特征学习的PointNet、基于图卷积的RGCNN和基于优化卷积的PointCNN三类典型的点云目标识别深度神经网络进行了集成。实验结果表明:集成模型在ModelNet40数据集上的分类精度达到93.7%,在ShapeNet Part数据集上的语义分割mIoU达到87.6%,优于现有大多数深度学习方法。

基于无人机点云数据的露天采场道路的三维建模技术研究

露天采场道路存在地形复杂、环境恶劣、变化频繁等问题,传统的道路测量方法难以满足露天采场道路的三维建模需求。文章以露天采场三维激光点云数据为研究对象,开展基于无人机点云数据的露天采场道路三维建模技术研究。结果表明,该研究能快速、准确地获取露天采场道路的三维信息,为采场提供精细化道路三维模型,进而为露天采场控制室进行决断提供数据支撑,并保障了露天采场的无人化、智能化建设。

基于三维激光点云数据的输电导线动态变化检测技术

介绍了一种基于三维激光点云数据的输电导线动态变化检测技术,概述了输电导线动态变化检测技术的重要性和应用背景。详细讨论了三维激光点云数据的获取与处理方法,包括数据获取、预处理以及处理与分析的技术流程。在此基础上,设计了一种针对输电导线特征的动态变化检测算法,并对算法的性能进行了评估。通过算法优化与调整,进一步提高了检测的准确率和效率。

基于三维激光点云的地面提取

实现汽车无人驾驶技术的关键在于精准地提取地面信息,现阶段主要采用启发式算法和点云分割手段来实现地面提取。为提升地面识别精度以及评估各类机器学习算法运用效率,本文使用了KNN、决策树以及支持向量机3种常见的机器学习分类方法对三维激光点云数据中的地面和非地面点进行识别分类。实验采用包含多重地物特征标记的城市场景3D点云数据集VMR-Oakland-v2进行模型训练,并使用训练后的模型对实采三维点云数据进行分类验证,结果表明,KNN和决策树模型取得了较好的提取效果,从模型大小和训练时间上来看决策树模型占用空间较大,效率较低也取得了较好的分类精度。

基于点云的建筑物轮廓提取方法

研究如何快速、准确提取出建筑物信息,对于城市建设、发展与管理具有重要意义,本文基于三维(3D)点云数据,研究并实现了建筑物几何信息的提取。本文的建筑物信息提取思路为:首先,为降低点云数据量,提升后续算法运算速率,对坡度滤波算法进行改进并将改进算法用于点云中地面点、非地面点分类,提取得到非地面点;其次,提出改进3D霍夫变换(HT)提取建筑物立面点;最后,基于降维边界索引方法确定建筑物轮廓线并提取得到局部特征。以实测三维点云数据进行实验,结果表明,在复杂的点云空间场景中,本文提出的方法能够有效避免噪声点等的干扰,高效、准确提取得到建筑物轮廓与局部特征,可为智慧城市建设、城市规划建设等领域提供积极的技术支持。

基于机载LiDAR点云数据的建筑物三维模型重建方法研究

根据建筑物点云的分布特征,提出一种机载LiDAR点云建筑物三维模型重建方法。首先,利用布料模拟滤波算法剔除地面点,实现包含建筑物点云在内的非地面点提取,并利用最大类间方差法提取建筑物点云;其次,使用Alpha Shape算法提取建筑物点云中边缘点,并规则化处理建筑物轮廓线,通过屋顶分割算法提取建筑物屋顶信息;最后,使用SharpGL工具进行建筑物三维模型重建。以某地级市某地区机载LiDAR点云数据为例进行实验,结果表明该方法进行建筑物三维模型重建具有较高的精度与效率,适用于城镇复杂区域建筑物三维模型重建。

基于3D图像的机车机器人闸瓦尺寸算法研究

机车车辆的运行与检修环境复杂,灰尘多、反光等因素使点云存在缺失、噪声、成片虚假点等问题,严重影响机车机器人闸瓦图像检测的准确性。为此,文章提出了一种基于3D图像的机车机器人闸瓦尺寸算法。其首先根据相机透视变换与点云配准算法来实现模板感兴趣区域(region of interest,ROI)与测量ROI的自动变换,一定程度上弥补了机车机器人的重复定位误差。对于反光造成的点云缺失和噪点问题,其采用RANSAC算法对基准ROI进行平面拟合以弥补由此造成的精度损失,并使用有序点云自动滤波算法高效滤除部分刹车盘与闸瓦之间的点云。对于因机车抱闸以及刹车盘表面镜面反射产生的成片虚假点云而导致的边缘区分难度大问题,文章针对性地设计了滤波算子,初步分离闸瓦边缘,提取闸瓦侧面ROI。接着,根据闸瓦的成像特征,使用基于梯度的边缘提取与跟踪算法,实现闸瓦点云边界的精确提取和松闸间隙的精确测量。最后使用排序策略的统计学方法,实现准确的尺寸测量。采用文中所提算法,可实现松闸间隙小于2 mm情况下的精确测量。采用该方法对不同形态、位置、光照复杂环境下的闸瓦进行测量,并用游标卡尺进行实际测量对比,结果显示,机车闸瓦磨耗尺寸测量精度基本控制在±1 mm范围内,具备一定的算法鲁棒性。

激光点云线性KNN算法FPGA实现及加速

针对三维激光点云线性K最近邻(K-nearest neighbor, KNN)搜索耗时长的问题,提出了一种利用多处理器片上系统(multi-processor system on chip, MPSoC)现场可编程门阵列(field-programmable gate array,FPGA)实现三维激光点云KNN快速搜索的方法。首先给出了三维激光点云KNN算法的MPSoC FPGA实现框架;然后详细阐述了每个模块的设计思路及实现过程;最后利用MZU15A开发板和天眸16线旋转机械激光雷达搭建了测试平台,完成了三维激光点云KNN算法MPSoC FPGA加速的测试验证。实验结果表明:基于MPSoC FPGA实现的三维激光点云KNN算法能在保证邻近点搜索精度的情况下,减少邻近点搜索耗时。

LSFP下的机器人视觉定位技术研究

针对当前点云的定位算法中,多平面分割效果差、误匹配以及定位精度不够高等问题,提出LSFP的定位思想和C-S分割算法,对目标物体进行定位。在深度相机场景下,利用点云处理算法初步获取目标的位姿,经手眼标定后,进行初步引导;再使用3D扫描仪进一步定位目标物体。结果表明:(1)C-S分割算法对多平面分割效果良好,能更准确地去除多余平面,减少点云数量。(2)在垂直于Z轴且Z轴坐标值为171 mm和-10 mm的平面上,仅PrimeSense的定位距离的均方根误差为7.3 mm和8.2 mm,LSFP下的定位距离的均方根误差为2.6 mm和3.2 mm。(3)LSFP定位思想能扩大场景定位的范围,提高物体的定位精度,具有良好的准确性。

基于视觉超声系统的三维可视化研究

随着科技的发展,无损检测技术日趋成熟,对大型工件的检测结果进行三维可视化成像,并复现其整体空间形态具有重要意义。采用双目视觉系统与超声相控阵系统获取单次检测的三维可视化点云,对获取的超声点云采用3D局部特征描述算法提取具有代表性的点云特征点,之后使用快速点特征值直方图获取对应关系,并使用改进的随机抽样一致性算法提高映射关系的精度,以此对两块点云进行粗匹配,误差1.74 mm,采用最近点迭代算法精配准后误差仅0.13 mm,共用时16.5 s。之后对48块点云进行分阶段配准,最终误差为1.17 mm,能够满足实际检测中的准确性要求。

基于三维激光扫描点云整体分析的铁路隧道超欠挖检测方法

传统隧道施工难以避免超欠挖现象的发生,影响隧道的工程质量以及施工效率。三维激光扫描技术因其便捷、信息量大等特点,在隧道施工过程中提供快速有效的测量结果,但目前主要通过取断面形式进行超欠挖分析,亟需一种对点云整体分析的方法。为此,针对三维激光扫描的隧道超欠挖检测,提出一种基于点云拟合曲面并结合设计面法线的分析方法。结果表明:三次B样条曲线在曲线要素的表现和控制性能上较好,适用于隧道断面的重构;检测断面上建立法线,并在拟合面上找到其所唯一对应的实际检测点,通过两点的距离作为超欠挖的基准;编制的分析软件可对隧道数据进行批量处理,便于隧道工程超欠挖检测的实时分析评。因此,双三次B样条拟合法的超欠挖的扫描和计算,其精度、效率高,可满足实际工程中隧道超欠挖的检测。

装配式建筑平面激光点云数据线性特征提取方法

提取建筑物线性特征时,由于未对采集到的建筑物点云数据预处理,导致最终提取的建筑物线性特征存在完整度差、提取正确率低的问题,对此,提出装配式建筑平面激光点云数据线性特征提取方法。通过内设激光测距系统获取建筑物在三维向量的有效数据,采用非接触式几何支撑系统建立基于有效数据的空间向量模型,将该模型输入三维激光扫描仪的目标物体表面校正系统中,获取到建筑物的整体点云数据。利用Otsu目标检测法对获取的整体点云数据进行优化处理,采用改进IFFT算法建立基于优化数据的物像空间位姿表征模型,利用连续投影算法提取网格内部特征点并连接成线,完成建筑物点云数据线性特征的提取。实验结果表明,所提方法的装配式建筑平面激光点云数据线性特征提取清晰度高、完整度好,且建筑物线性特征的提取正确率最高可达100%,说明该方法具有实用性。