散乱点云数据的曲率精简算法

针对海量散乱点云数据精简问题,提出了以平均曲率为判据的精简算法.采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域.在散乱数据点参数化的基础上,对k邻域内的散乱点进行二次曲面拟合,求出拟合曲面的平均曲率,进而得出邻域内所有数据点的平均曲率均值,以此为判据进行数据精简.构造曲率差函数,识别出边界数据点,对其进行数据保护.结果表明,该算法对具有曲率多样化特点的点云数据精简具有一定的理论意义和应用价值.通过实验验证了该算法的可靠性和准确性.

基于聚类平面特征的三维点云数据精简算法

根据建筑物在高度方向截面上的点云数据必定位于其轮廓线的原理,提出基于聚类平面特征的点云数据精简算法。该算法无需对扫描对象进行表面重构,而是在保持建筑物高度方向数据精度的前提下,对点云数据分层聚类简化,保留满足条件的特征点,删除其余的点。通过实例证明该算法可以在保持建筑物外形特征的同时,达到较高的精简比率。

反求工程中散乱点云的数据预处理技术

提出了一种基于散乱点云的数据预处理方法.该方法包括四个部分:对散乱点云进行Dirichlet域分割并在此基础上进行三角剖分;在各个三角域中寻找中心点,以其为原点建立局部坐标系并采用正态分布模型进行噪声点删除;利用在三角网格上构建B-B曲面进行数据平滑处理;对漏测的数据点进行补全处理.数据点经过上述处理后能基本满足后续的曲面曲线的重构要求.

曲面激光密集测量三维数据的三角片逼近方法

本文对激光———机器视觉测量方式得到的曲面数据云为基础，探讨了曲面密集三维散乱点群数据的几何建模方法。根据激光测量方式和三维点群分布的特点，建立了恰当的数据结构在计算机中表示散乱点群。由八刃树空间分割原理对密集散乱点群进行空间分割，建立八叉树拓扑关系，显著加快了任意点的搜寻速度。采用万有引力定律计算三角片顶点坐标，由此实现散乱点群数据的几何建模。

三维激光扫描系统的关键性技术研究

为获取三维数据信息及对所获得的三维数据信息进行处理,首先介绍了陕西科技大学计算机实验室三维激光扫描系统的组成及工作原理,对三维激光扫描系统的关键性技术如摄像机标定、影响测量精度因素、散乱数据点的消除以及点云数据的压缩问题的研究进行了概述,并指出该技术的应用在某些方面还需进一步完善和改进。

基于非均匀细分的散乱点云数据精简算法

针对海量散乱点云数据精简问题,提出了基于非均匀细分的精简算法。采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域。对k邻域内的散乱点进行二次曲面拟合,以拟合曲面的平均曲率为判据决定是否对八叉树空间实行非均匀细分,细分过程中由数据点之间的最大间隔角决定细分程度。构造曲率差函数,识别出边界数据点,对其进行数据保护。该算法对具有曲率多样化特点的点云数据的精简具有实用性,通过实验验证了该算法的可靠性和准确性。

特征保留的点云数据自适应精简算法

提出一种特征保留的点云数据自适应精简算法。该算法首先构造散乱点云数据的局部拓扑信息,通过一种改进的二次栅格法快速建立K邻域,由此估算点的邻域弯曲度,再进行分类。算法在保留特征点后对其余点应用自适应精简距离进行阈值精简,故算法不仅可以完整保存实物模型整体轮廓,而且能够最大限度地保证模型区域特征。数值实验结果表明,该算法能够得到不错的精简效果,且具有较小的计算时间复杂度。

一种散乱点云的精准重建方法

为解决采集点云数据时存在冗余、噪声及空洞因素影响其快速高质量重建问题,给出一种新的点云重建方法。该方法首先使用体素栅格对点云进行精简,然后利用改进的移动最小二乘法对精简后的点云进行平滑处理,最后利用投影三角化对点云进行快速重建。结果表明,该方法可以有效地对点云局部的空洞进行修补并获得平滑的流形面,使重建结果更接近于现实,最终实现对点云数据高质量的重建。

散乱点云切片数据快速获取与优化

为快速准确地获取散乱点云切片数据,以较少数据准确表达模型型面特征,提出一种散乱点云切片数据获取及优化算法.该算法基于散乱点云动态索引实现切片数据快速获取,对所获切片数据建立极坐标系,分别基于极角阈值与极径阈值实现切片数据区域划分与轮廓分离.通过依次连接各区域相同轮廓数据形心实现切片数据的精简与排序,生成精确有序的单轮廓或多轮廓切片数据.实例证明,该算法可应用于各种复杂散乱点云的切片数据快速、精确获取与优化处理,对有效提高参数曲线、曲面重构效率与精度具有重要意义.

保留边界特征的点云简化算法

为有效简化点云数据,提出保留边界特征的点云简化算法。该算法利用三维栅格划分法建立散乱点云的空间拓扑关系,计算每个数据点的近邻,通过球拟合法求得其曲率和具有方向性的法向量,采用投影点个数比值法找到并保留点云边界,根据具体情况设定所需阈值,对非边界点进行分类,通过对点的曲率与平均曲率比较、近邻保留点与近邻点个数比例,完成点云简化。实验结果表明:该算法不仅能对点云进行直接有效地简化,而且还能很好地保留点云模型的细节特征,简化比例达25%～40%。该方法可以满足不同种类点云简化的要求,能够提高计算机运行效率。

一种散乱分层点云的有序化精简方法

针对激光扫描仪所得点云散乱分层的特点,提出一种有序化的精简方法。首先基于已知标记点建立三维R-tree和八叉树集成的空间索引,快速准确地获取局部点云数据,保证良好的数据检索效率。然后根据局部点云数据的参考平面法向量信息,选取工件坐标系中的一个坐标轴作为参数化的方向,对局部点云数据进行参数化并拟合二次曲面。最后对R-tree叶节点内的二次曲面进行有序化采样,使散乱分层的点云变为单层,得到整个型面的有序参考点集。应用实例表明,该方法适用于大规模的、具有复杂几何特征且存在一定程度散乱分层的点云,可以有效地提高数据点的整体精确度,且不会丢失点云的细节特征,具有较强的实用性。

分布式环境下散乱点云数据挖掘改进算法

在分布式云计算环境下,传统方法采用散乱点云数据模糊C均值聚类挖掘算法,在受到较强的数据特征干扰时,数据挖掘精度不高.为此,提出一种基于分布式云数据传输信道的散乱点云数据挖掘改进算法.通过构建散乱点云数据的存储结构,对数据传输信道进行多普勒扩展,降低数据挖掘过程中传输衰减损失;采用级联滤波算法进行数据干扰滤波,实现散乱点云数据的滤波提取,完成数据挖掘算法改进.仿真结果表明,采用改进的算法进行分布式环境下散乱点云数据挖掘,能有效提高散乱点云数据挖掘精度,频谱特征聚敛性能较好,抗干扰能力较强.

机器人原位铣削离散点云快速精简方法研究及应用

为了满足飞机装配机器人原位铣削对数字化高精度快速测量需求,开展了适应三维点云的双边滤波处理和快速精简算法研究,开发了点云快速处理与分析应用软件,实现了空间点云数据的降噪和精简处理,降低滤波对边界特征的损伤,有效保留了复杂构件圆角、筋条、空间曲线边界等关键特征。以典型样件为测试对象,通过与三坐标测量结果对比,验证了本文研究的有效性,软件接口开放性高,实现了与自动化设备的高度集成应用,避免了大量人机交互操作,缩短了数据处理时间,满足了机器人原位铣削的时效性需求。

三维激光扫描技术在地下巷道岩体结构面识别的应用

为了精确获取地下巷道的结构面信息,基于三维激光扫描技术,开展地下矿山巷道岩体结构面探测及识别研究。阐述了三维激光扫描系统及其原理、点云数据收集与处理、结构面信息提取的工作流程,并在云南锡业股份有限公司卡房分公司大白岩区域Ⅰ-51#矿群的1430 m、1440 m和1450 m水平主巷道开展了三维激光扫描与结构面信息提取,最后将传统测量手段与三维激光扫描测量方式所获取的结构面数据进行对比分析。结果表明:在地下矿山巷道中,相比传统测量手段,三维激光扫描测量方式所获取的结构面数据更丰富、全面且准确。三维激光扫描技术可为地下矿山巷道岩体结构面工程调查提供一种高效、精确的测量手段。

基于地面激光雷达技术的堤防溃口模拟试验研究

堤防溃口模拟试验时,因模型较小且模型的堤防较软,易变形坍塌,致使常规测量技术难于捕捉到准确的堤防溃损信息。针对上述缺陷,引入非接触式数据获取方法,采用激光雷达仪对溃口模型进行扫描,然后进行点云数据处理。结果表明:激光雷达技术与传统的手工量测方法相比,具有速度快、精度高的优点,且避免了接触式量测的弊端,为模型试验的研究提供了新的方向。

基于特征数据分块自适应切片的空洞修补

针对常用的空洞修补方法在修复具有多种曲面类型的空洞时失效和所修复的曲面不光顺等缺点,提出基于特征数据分块自适应切片的空洞修补。首先,在考虑特征信息的情况下基于聚类对散乱点云进行分块;然后利用特征进行自适应切片,获得曲线并进行拟合;最后,在线上取点填充缺失的点云,最终对完整的点云模型进行曲面重构建立实体模型。试验结果表明,采用自适应切片法修补空洞能够保留特征,所填充的点云数据精度较高,能够满足后续建模的需要。此外对该方法填充的点云进行了曲面重构及光顺,结果令人满意。

海量散乱点云数据的模糊聚类挖掘方法研究

物联网和云计算环境下海量散乱点云数据挖掘容易受到关联规则项的干扰,数据挖掘的模糊聚类不好。为了提高海量散乱点云数据挖掘能力,提出一种基于支持向量机的大数据分类挖掘技术。采用分段向量量化编码技术进行海量散乱点云数据空间存储结构分析,结合闭频繁项集检测方法进行海量散乱点云数据的信息融合处理,对高维融合数据进行语义特征分析和关联规则特征提取,对提取的海量散乱点云数据的关联规则采用支持向量机分类器进行模式识别,结合尺度分解方法对分类输出的海量散乱点云数据进行降维处理,采用模糊聚类方法实现对海量散乱点云数据的分类挖掘。仿真结果表明,采用该方法进行海量散乱点云数据挖掘的聚类性能较好,数据挖掘的精度较高。

大规模散乱点云数据的曲率估算及计算机实现

提出一种基于Matlab的大规模散乱点云数据的曲率估算的计算机实现方法.根据规模点云数据分布的特点,对散乱点云数据进行区域划分;对每个区域内的点云数据,用二次参数曲面逼近空间邻近点集,计算各点法矢,对不协调的法矢方向进行调整,计算各点曲率.实验表明,这种方法简化了散乱点云数据的曲率的计算量,从而在普通计算机上能实现大规模散乱点云数据的求解.

基于无人机贴近测量的露天矿岩质边坡结构面自动识别

获取岩质边坡结构面特征是露天矿山开展边坡稳定性分析的关键工作,传统的工程调查手段容易受到边坡地形限制,存在作业风险高、效率低等问题。为高效、安全地获取露天矿岩质边坡的精确结构面特征,利用无人机倾斜测量与贴近摄影测量技术开展了露天岩质边坡测量工作,构建了边坡的精细三维点云模型。通过进行边坡点云数据滤波、特征值获取以及基于区域生长法的平面分割分析,实现了基于点云数据结构面参数的识别与提取,形成了一种基于无人机获取岩质边坡结构面的自动、高精度测量方法,并在攀枝花铁矿尖山矿区北部边坡开展了工程实例验证。研究表明:基于无人机测量获取符合工程精度要求的边坡三维点云数据,采用结构面自动识别方法可快速地从边坡点云数据中获取岩体结构面信息,为边坡稳定性分析与评价提供了基础数据。

基于散乱测量数据点的三轴数控粗加工刀位轨迹生成算法

提出了一种直接利用三维散乱测量数据点的三轴数控粗加工刀位轨迹生成算法。首先根据切层深度作一组垂直于Z轴的平面,去截取测量点云,得到一系列切层截面点集,再在每个切层面上组环并判断加工区域,规划出刀位轨迹,将每一分层平面上的刀位轨迹按适当的方式连接起来,就可构成零件的整体加工轨迹。该算法避免了由测量点构造曲面且由曲面来进行刀位轨迹生成的这一复杂过程。