融合角点检测的点云配准研究

为提高点云配准效率,提出一种基于点云曲率信息的Harris角点提取算法,通过引入曲率约束,对传统Harris角点提取做出改进;计算每个点的曲率值并与整幅点云的平均曲率作比较,保留曲率值大于平均曲率的点云,实现对配准价值较低的点的剔除,为后续点云配准减少计算量;构建所提取角点之间的特征匹配,结合采样一致性(sample consensus initial alignment, SAC-IA)粗配准和正态分布变换(normal distributions transform, NDT)精配准,寻找最优的变换矩阵,实现源点云和目标点云的重合。通过比较不同算法在公开数据集上进行实验验证,结果表明该方法对复杂点云、多拐点点云都有较好的表现,对初始位置相差较大的点云也有良好的适用性。

基于鱼眼相机混合模型的棋盘格角点检测方法

针对搭载自动泊车功能车辆的鱼眼相机标定耗时较长、鲁棒性要求较高的问题,提出一种基于鱼眼相机混合模型的棋盘格内角点检测改进方法。在参考和比较原有算法的基础上,提出的混合畸变模型能够快速确定不同区域内角点的两个初始方向,从而快速提高粗定位的速度。同时针对生产线标定的特殊性,提出了双标准离率差阈值作为对初始棋盘格是否可用的判断标准。实验结果表明该算法在自动泊车鱼眼相机生产过程中既能够满足标定的精度要求,同时也大幅度提高了检测速度,对自动泊车的相机标定具有一定的实用价值。

地面激光雷达扫描参数与点云简化对林木参数提取的影响

【目的】林木参数是森林蓄积量、森林生物量估算的基础指标,传统的人工调查方式费时费力,已难以适应新形势下数字化森林资源监测技术的要求。地面激光雷达扫描技术能够获取小尺度高分辨率的林分内部结构信息,为林分环境条件下林木胸径、树高提取提供一种新的思路。【方法】以芦头实验林场杉木林样地为研究对象,针对FARO Focus 3D X330三维激光扫描仪设计了7种不同的扫描组合方式对样地进行扫描,提出象限角点云简化思路进行参数提取和精度评价,探究不同扫描组合方式对林木胸径、树高参数提取精度与效率的影响。【结果】1)当扫描分辨率为1/2、质量为4X时,胸径参数提取精度最高;当扫描分辨率为1/4、质量为4X时,树高参数提取精度最高。2)在林木参数提取结果没有显著性差异的前提下,扫描分辨率为1/4、质量为4X的扫描参数工作效率最高。3)选取同时兼顾精度和效率的1/4扫描分辨率、质量4X的扫描结果,进行象限角点云简化,简化的点云能够准确地提取出林木胸径参数。【结论】研究结果对于具有相同或相似地理条件和树种的林地选择扫描参数和点云简化方式具有重要参考价值,可以提高内业工作效率,同时也为地面激光雷达野外样地调查提供方法和技术参考。

基于三维点云处理的自动化手眼标定系统设计与实现

为了解决手眼标定过程中存在的操作烦琐、人工选点误差大等问题,文章设计并实现了一个基于三维点云处理技术的自动化手眼标定系统。该系统通过简单的棋盘格标定板在10个不同姿态下扫描了三维点云,利用Harris算法自动提取了角点坐标,构建了AX=XB方程并利用Tsai方法求解方程,从而通过ICP配准算法对计算结果进行了补偿。实验结果证明,该系统具有高效稳定的标定性能,标定精度可达1 mm。

三层正放四角锥预应力网架稳定性分析

网架以其优良的工程性能成为大跨度结构的首选结构类型之一。为改善传统网架结构在大跨度条件下变形大、用钢量大的缺陷,文中通过对网架施加预应力的方式,达到增强结构整体刚度和承载能力的目的。预应力的施加必然会对网架的稳定性能造成影响,其中支承形式对网架结构的稳定性影响较大。并通过对网架施加不同预应力后进行稳定性分析,得到不同预应力布索方式对网架稳定性影响,为网架的实际工程建设提供参考。

基于角点定位的高压断路器分合闸线圈电流特征提取及状态判别

分合闸线圈的电流特性提取是高压断路器状态监测的重要手段。从高压断路器分合闸线圈电流的波形形态出发,研究了基于CCS(曲率尺度空间)局部阈值的电流波形角点提取方法,进而根据真实角点处的电流特征曲线实现了高压断路器机械状态的精准监测。对某变电站高压断路器实测分合闸线圈电流的计算结果表明,所提CCS局部阈值方法能够精确识别分合闸线圈电流的波形特征。基于分合闸线圈电流特征曲线的高压断路器机械状态监测效果良好,研究结果可为高压断路器的机械状态监测提供重要参考。

车载激光点云斑马线提取方法研究

针对城市道路斑马线测量困难、既有基于点云数据识别提取斑马线方法存在较多弊端的问题,以车载激光扫描点云数据为基础,利用车载扫描系统点云扫描线对斑马线角点提取算法进行优化设计,通过OTSU算法分离斑马线点云,分别采用“扫描线数量-水平距离”频率分布直方图、移动判别窗口,结合RANSAC算法对斑马线长短边进行提取作业,通过斑马线长短边几何关系对斑马线角点坐标进行精确提取,依托实际工程项目对算法提取准确性进行分析验证,将斑马线角点提取结果与人工实测数据进行对比分析,通过中误差和距离均方根误差综合验证了斑马线角点提取算法的可靠性,为城市运营道路斑马线、标示线等道路特征线快速采集更新提供了新型技术方法。

基于多视投影的电力杆塔点云绝缘子串快速提取

在无人机自动巡检中,需要根据电力走廊带点云中绝缘子串的位置进行航线规划。由于电力走廊带长度跨越较大,杆塔数量众多,人工进行绝缘子串位置标注的工作量巨大。同时点云数据散乱无序,在三维空间中直接定位绝缘子串耗时长。为此,本文提出多视二维投影,快速提取三维杆塔点云中的绝缘子串。该方法首先利用鲁棒主成分分析,在俯视图中分析杆塔顶端横担水平方向,统一杆塔点云的朝向。接着,在侧视图中通过霍夫直线检测,对电力线高度进行快速定位,并根据电力线与横担的空间关系,将相应的绝缘子串分为顶层悬挂、竖直绝缘子串与水平绝缘子串三类。最后,在多视投影中进行角点检测,对绝缘子串与电力线、杆塔的连接端点进行定位,实现快速的绝缘子串提取。本文提出的方法在50 km的电力走廊带中的97座不同类型杆塔的867个绝缘子串上进行了提取实验,证明了该方法能对不同类型绝缘子串进行快速提取。

高光照条件下的大豆行线提取方法研究

针对中国南方大豆田间环境复杂,光照强度高,常用的作物特征提取算法适应性差的问题,对高光照条件下的大豆行线提取方法进行研究。通过超绿特征(2G-R-B)算法,提取大豆植株绿色特征;对灰度图进行形态学处理、小面积去噪,去除图像背景和图像中的噪声;根据SUSAN角点检测算法,提取出大豆田间作物特征点;利用特征点的位置特征自动归类特征点,采用MLESAC算法对离散点进行拟合,得到作物行线。结果表明,该算法具有较强的抗噪性能,可以准确地提取大豆苗带上的特征点,利用特征点的位置特征自动归类特征点,提取出垄上两侧的大豆苗带行线,大豆苗带行线提取准确率为93%,可以为田间导航作业提供研究基础。研究结果为大豆苗期除草、追肥等田间自主导航作业提供了一种可靠的导航方法。

颗粒磨圆度计算中棱角关键点的优化选取

磨圆度是在介观层面上描述颗粒轮廓形状的重要参数,它定量描述了颗粒棱角对颗粒轮廓的影响。现有的磨圆度计算方法,不能准确识别颗粒轮廓中的棱角,而且计算量较大。因此,为了提高准确性,减少计算量,提出一种优化选取方法用于选取颗粒轮廓角的关键点。首先,将颗粒轮廓变换为极坐标展开曲线,再利用极小值点对曲线进行分段,并使用傅里叶拟合算法对分段后的曲线拟合。其次,选取拟合后轮廓中的凸部位,并依据凸部位的突出程度,挑选出包含棱角圆的凸部位。最后筛选凸部位中用于拟合棱角圆的关键点,并计算出棱角圆的半径用于计算磨圆度。使用K-S(Krumbein-Sloss)标准粒子板和其他学者的研究结果对算法进行了验证,实验结果表明,优化选取方法计算出的棱角圆数量的准确率和磨圆度分类的准确率均达到了100%。还进一步分析了使用平均滤波算法对颗粒轮廓进行平滑时,不同的滤波参数对轮廓分段的影响,并给出了较优的参数选取范围。

基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题,提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络,将位姿测量问题转换为空间目标点云关键点回归问题,通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点;其次利用具有连续稳定标签的角点求解目标姿态,可有效解决目标的对称结构导致的点云误配准问题;最后通过仿真数据集的实验表明,该方法相比于传统的点云配准方法有更高的准确率,能够精确求解具有对称结构的空间目标相对位姿。

图像边缘检测技术对偏滤器X点的识别研究

利用计算机视觉技术,对HL-2A偏滤器放电X点进行了识别研究。首先根据HL-2A偏滤器放电图的分析需求,基于直观的等离子体标准下单零放电位形下的边缘可见光辐射模型建立了Canny边缘检测的处理模型,主要对图像中等离子体边缘进行了预处理。结合Harris角点检测的算法,在提取出图像特征点后,利用多边形逼近的方式确定了特征点在图像中的坐标值。分别拟合出强、弱场侧的等离子体边界曲线及其渐近线,渐近线交点近似为X点,边界曲线向中心逼近所包围的区域可近似为X点存在区域。通过实际的HL-2A装置第37638次放电偏滤器放电图验证,经过简化条件后,拟合出的X点与EFIT反演对比误差范围在3cm以内。

基于靶标内点与边缘角点双重约束的激光雷达与相机联合标定

针对激光雷达与相机联合使用过程中存在的空间位姿不一致问题,提出一种基于靶标内点与边缘角点双重约束的激光雷达与相机联合标定方法。该方法以刚体变换作为二者之间的变换模型,以任意矩形作为靶标,通过RANSAC直线拟合获取交点以进一步获取靶标在图像中的角点,通过对原始点云进行分割与滤波操作后获得对应的靶标点云。获取靶标点云后,将其分为内点与边缘角点,并分别建立基于内点与边缘角点的损失函数模型,最后进行模型优化求解出最优配准参数。实验表明,在15 m~28 m范围内,三维点云的重投影准确率为94.67%,考虑到激光雷达本身的测量误差以及数据采集过程中靶标距离两传感器过远,该联合标定方法具有较高的准确性。

直角域中角点凹陷与浅埋孔洞对SH波的散射

为得到直角域中角点凹陷与浅埋孔洞的动态响应解析解,基于波函数展开法结合“镜像”思想构造角点凹陷和浅埋孔洞处的散射波场,采用傅里叶积分变换和坐标移动技术求解散射波场中的未知系数。通过参数化分析讨论入射波角度、频率及孔洞位置变化时,直角域中角点凹陷与浅埋孔洞对水平剪切(SH)波散射的影响。结果表明:SH波高频入射时,角点凹陷与浅埋孔洞之间的距离越近,孔洞处动应力的集中现象越明显,且要特别关注垂直和水平入射的情况,此时孔洞处动应力集中系数(DSCF)最大。

角调音乐联合耳穴贴压法治疗原发性肝癌患者睡眠障碍的疗效观察

目的探究角调音乐联合耳穴贴压法治疗原发性肝癌伴睡眠障碍患者的疗效。方法选择南京医科大学第一附属医院2021年5月至2022年6月收治的80例原发性肝癌伴睡眠障碍患者为研究对象,以随机表数字法分为对照组和观察组,各40例;对照组在常规护理基础上采取耳穴贴压法进行干预,观察组在常规护理基础上采取角调音乐联合耳穴贴压法进行干预,比较两组患者干预前和干预后不同时段的焦虑心理症状、抑郁心理症状及睡眠质量三方面的变化。结果干预7 d后、14 d后、21 d后、28 d后观察组焦虑心理症状评分(SAS)、抑郁心理症状评分(SDS)、睡眠质量评分(PSQI)低于对照组(P<0.05)。结论角调音乐联合耳穴贴压法可改善原发性肝癌伴睡眠障碍患者心理及睡眠等,能够有效减轻患者干预期间焦虑及郁抑症状,使其保持良好心理配合临床干预工作的展开,保障治疗效果。

轨道曲线参数检测算法优化

现有的轨道检测系统对曲线相关参数检测准确性不高,尤其是5 000 m以上大半径曲线,导致曲线数据报表利用率较低。针对这一问题,提出在使用经典DP(Douglas-Peucker)算法提取粗略曲线线型变化特征点的基础上,在该特征点周围窗口内使用角度阈值法提取角点,将角点连线成走向段,通过顺次寻找极值走向段的方法,确定曲线线型变化的直缓点、缓圆点、圆缓点、缓直点四大特征点,从而准确计算曲线平均半径、长度等参数,提高系统曲线检测准确性。将本文算法应用到车载轨道检测系统曲线参数检测中,并与现有算法及只采用DP算法提取的特征点进行对比。结果表明,使用本文算法对大半径和小半径曲线参数检测准确率均能达到95%以上,本文算法具有良好的适应性。

基于改进3D-Harris角点检测算法的电厂地下管廊点云拼接方法研究

提出一种基于改进3D-Harris角点检测算法的电厂地下管廊点云拼接方法。以电厂地下管廊多组海量点云数据为分析对象,利用主成分分析法获取目标检测点在邻域点云微切平面上的法向信息,进而提取点云的边界点;构建基于目标检测点法向信息的协方差矩阵,计算并比较其角点响应强度函数,从中选出部分待筛选点作为真伪角点检测对象;利用基于高斯曲率极值点的伪角点检测方法,滤除伪角点并筛选出真角点;最后通过快速点特征直方图方法匹配各组点云间的相似角点,利用最近点搜索点云配准算法实现地下管廊多组点云间的拼接,并与传统3D-Harris角点检测算法的结果进行比较。对比表明,所提出算法计算耗时短且角点提取正确率高,可实现电厂地下管廊海量点云的精确拼接。

基于极差和Bilateral滤波的水面舰船图像角点检测算法

对经典Harris角点检测算法,结合极差方法,基于不同滤波器替换的思路,构建了一种新的角点检测算法。在分析Gausse滤波器、Bilateral滤波器、B样条滤波器为Harris算法带来不同检测效能的基础上,给出了一种最优的检测滤波器配置方案。对标准测试图像的仿真和对实际海面舰船图像的测试验证,表明所提出的算法可较好地抑制冗余角点,提升水面舰船目标的检测效率。

基于角点稳健提取的长方体参数化拟合方法

长方体基元拟合是三维点云几何拟合的典型问题,在三维重建、逆向工程、工业三维量测等实际场景中有着广泛应用。在实际应用中由于遮挡及设备盲区等原因,通常无法获取完整长方体点云数据,导致建模或量测时难以准确拟合长方体结构。针对该问题,本文提出一种结合平面拟合投影分割以及残缺平面垂角检测的长方体参数化拟合方法实现了长方体参数化拟合。首先,该方法通过平面拟合投影分割算法获取强轮廓信息的平面点云;然后,设计了残缺平面垂角检测算法,以拟合长方体真实角点;最后,利用非共面四点法对长方体残缺角点进行计算补全,获得完整的长方体参数信息。实验表明,本文方法在各类情况下均能准确检测并补全长方体角点信息以及平面参数信息,角点查准率召回率均为100%,平均误差仅为1.204×10-3m,能够实现精确的长方体参数化拟合。

基于SUSAN算法的航空影像的自动配准

图像配准技术是图像融合、图像镶嵌以及影像三维重建的基础。提出了一种基于SU SAN(SmallestUnivalueSegmentAssimilatingNucleus)算子的图像配准方法。该方法利用SU SAN算子提取两幅图像的角点,通过粗匹配和细匹配两个步骤得到匹配角点对。然后再根据这些角点对对图像进行配准。试验表明此方法能有效地实现航空影像自动配准。