利用曲率过滤特征点改进FPFH+ICP点云配准

针对传统的点特征直方图(FPFH)+迭代最近点(ICP),在粗配准阶段耗时过大的问题,本文提出一种利用局部曲率来筛选掉部分局部区域较为平坦的特征点,来减少使用采样一致性初始配准(SAC-IA)方法时需要计算的特征点。首先使用体素网格化对原始的点云进行下采样,在对下采样后的点云计算出法线之后,利用法线计算出点云的局部曲率,对经过曲率过滤之后的点计算FPFH特征,随后经过SAC-IA粗配准和KD-tree加速ICP精配准得到最终的变换矩阵,完成整个配准过程。经过实验表明,该方法能够在保证最终配准效果几乎不变的情况下,大大缩短配准所耗时间。

基于三维激光点云的零件表面缺陷检测

为了获取零件表面缺陷的精确尺寸,提出了一种基于三维激光点云的零件表面缺陷检测方法。首先使用三维激光测量仪对受损零件进行三维测绘,对测得的原始点云经过离群点去除、RANSAC平面分割等操作后得到零件点云。通过基于SAC-IA的粗配准和基于Huber损失函数优化的ICP精确配准算法,将缺陷零件的点云和完整零件的点云(从CATIA中导出)进行配准,使2个点云对齐。最后利用kd-tree加速的最邻近查找算法得出零件缺陷部位点云。分别使用了含破洞、凹陷的零件验证算法的有效性。实验结果表明:论文提出的方法对零件表面缺陷的3D尺寸提取精准。为后续开展零件修复工作打下良好的基础。