融合栅格与表面特征编码的轻量级点云分类网络

点云携带着丰富的三维特征,其分类问题一直是深度学习领域的热点。现有点云分类网络的精度已经较为理想,但参数量与计算量过于庞大,不利于实际场景下的部署。针对该问题,提出一种轻量级点云分类网络GridPoint。首先设计点云栅格化模块Gridding,根据点的坐标位置进行栅格区域划分;然后扩展坐标的高次项函数,对原始点云进行表面特征编码,增强对轮廓特征的表达;最后使用两次全局池化完成局部特征的提取与全局特征的聚合。使用经典点云数据集ModelNet40、ShapeNetCore与真实数据集ScanObjectNN进行分类与消融实验。实验结果表明,GridPoint的分类精度接近PointNet++等主流网络,差距在0.3%~2.3%之间;网络参数量与计算量分别为0.11 M与0.05 G,相较主流网络分别减少了81.7%和88.9%以上,在轻量化方面优势显著,具有良好的实用价值。

一种基于激光点云数据的微距栅格体积算法

针对规则格网算法难以满足激光点云模型高精度体积计算的问题,提出了一种基于激光雷达点云数据的微距栅格体积算法。该方法首先运用葛立恒凸包算法提取凸包点集,然后运用微距格网划分、高程插值和网格体积累加的方法计算体积。与规则格网法不同,这种算法充分利用激光雷达数据高密度点云特征,采用格网微分和增大插值半径的方法改善模型表面的连续性,进而提高计算精度。实验结果表明,微距栅格体积算法具有较好的时间复杂度和较高的计算精度,适宜于激光点云模型高精度体积计算。

基于径向梯度的车载LiDAR点云路面点提取

针对大规模车载LiDAR点云数据量庞大,以及因障碍物遮挡或道路起伏导致提取结果准确度欠佳且存在噪声等问题,本文采用一种基于径向梯度的车载LiDAR点云路面点提取方法。首先对点云数据进行预处理,包括直通滤波和体素滤波降采样;然后根据车载激光雷达的设备参数,将极坐标系下的点云投影至扇形格网内;最后以扇形格网为基础,提取基于移动窗口的径向梯度路面点,并利用最小二乘法对提取的路面进行平面拟合,优化提取结果。试验选取KITTI数据集用于提取路面点,结果表明,相较于其他路面点提取方法,本文方法稳健性强、准确度高,其中,路面点提取的平均准确度可达91.85%,平均完整度可达80.63%,平均精度可达75.25%。

倾斜地面3D点云快速分割算法

依赖于平面拟合或局部几何特征区分地面障碍物的方法广泛应用于自动驾驶领域,但是在具有倾斜地形或稀疏数据的情况下,性能会降低。在倾斜地形场景中,利用激光雷达(LiDAR)提供的点云数据,通过地面点云的3D投影与直线拟合,利用栅格地图方法降低计算复杂度,实现地面点云的分割。针对非地面的点云集合,利用SLR聚类算法处理,通过设定强度特征阈值在垂直方向区分地面点与非地面点,并对扫描到的障碍物地面分类。通过实验分析,提出的算法较其他地面点云分割算法,一方面在倾斜地形上具有更好的建图效果,另一方面SLR聚类算法处理后的强度特征在X、Y、Z三个方向覆盖范围更精确,如在X方向相较于快速地面分割算法平均提高了44.0%,相较于添加了栅格地图的算法平均提高了40.1%。

基于内壁点云切片坐标的高速公路隧道整体变形监测方法

因高速公路隧道在使用过程中容易产生横向、纵向形变,易产生高速公路隧道安全问题,为此,提出一种基于内壁点云切片坐标的高速公路隧道整体变形监测方法。采用投影平面方式将内壁实现点云信息分层,令各段点云映射到中心位置的参考平面,提取内壁点云信息,运用最小二乘法拟合隧道平面,使用格网化内插值算出各点云内插值,通过各时间点网格内插值变化情况,判断出该隧道变形相关量,根据网格平面所在位置得出变形位置,完成隧道整体变形监测。结果表明:所提方法的监测信息数量和计算时间分别为9921个和6.21s,能够敏锐感知细微隧道变形,监测效率最高,具有较高实用性与有效性,该方法可有效提高高速公路隧道交通运行的安全性。

基于无人机激光雷达的地表变形监测

主要探讨了M2M、C2M、P2P这3种传统点云面域沉降监测的原理及其优缺点,并详细阐述了顾及最优步长的垂直形变监测算法的原理和流程;在不同点云密度下,开展了网格步长和非地面点对3种方法垂直变形监测精度影响的研究;当点云密度为5时,进行不同方法点云监测精度的对比分析;最后利用顾及最优步长的垂直形变监测算法对矿区垂直形变进行了计算。

基于三维点云的变电站无人机巡检路径规划

面向变电站三维巡检应用需求,基于变电站的三维点云数据信息,开展无人机巡检路径规划方法研究。首先,根据三维激光雷达获取的点云数据,考虑环境障碍和安全距离,通过坐标映射和障碍膨胀,构建变电站三维空间的栅格地图。然后,以路径最短为目标、以障碍规避为约束,在栅格地图上运用改进A*搜索算法进行路径规划,得到一条可行的无人机巡检路径。改进A*搜索算法通过定制设计节点扩展策略和代价函数计算方法,减少节点搜索数量,提高路径规划效率。仿真试验结果表明,所提方法能够建立有效的环境地图、生成安全可行的巡检路径,改进A*算法能够以更短的时间生成最优性相当的路径结果。

自由节点差分法寻点策略研究及验证

混合网格具有良好的贴体性,适用于Navier-Stokes方程的计算,但在网格交界面处需要通过插值进行流场信息交换,而这一过程会引入误差。陈洁等提出了一种适用于无序网格点的自由节点差分计算方法,该方法可对重叠网格交界面流场进行差分计算,无须采用插值方法进行流场信息传递,解决了插值方法引入误差的问题。但该自由节点差分法的计算模板需要从中心点周围的点云中选择网格点构成,不同选点策略对计算结果的影响不同。针对自由节点差分法的选点需求,本文综合考虑角度、正交性、距离等因素,提出了几种不同选点策略,并利用数值实验进行了验证。结果表明,本文提出的选点策略符合自由节点差分法的构造思想,均能获得稳定的收敛解,其中模板点与中心点距离对计算精度影响最大,是选点策略的首要影响因素。

多源影像点云融合建模的方法

针对单一数据源进行大场景建模时存在精细化程度低、纹理模糊的问题,本文提出一种多源影像点云融合建模的方法。首先对倾斜影像和地面近景影像数据分别进行光束法平差,以共线条件方程为数学模型,获取倾斜影像点云和地面近景影像点云,将两者点云数据进行坐标统一,实现点云融合;然后对融合点云数据构建网格模型,并以激光点云作为参考点云,进行网格模型精度评估;最后对网格模型执行无缝纹理映射。实验结果表明:本文方法与单一倾斜影像获取的网格模型精确度距离误差分别为38.36、66.12 mm,多源影像点云融合提高了网格模型重建的精度,并且比单一数据源构建的三维(3D)模型结构更完整,精度更高,纹理更清晰。

基于三维点云模型的料堆体积计算方法

针对砂石料堆堆放不规则,体积质量难以计算等问题,本文提出一种基于三维激光扫描技术的砂石料堆体积检测方法。首先,利用三维激光扫描仪对砂石料堆进行点云数据采集;其次,对点云数据进行预处理得到部分完整的点云数据并进行补完;然后,对砂石料堆目标表面点云数据提取;最后,利用分割法对砂石料堆进行网格划分并求取平均高度,据此求得整个砂石料堆的体积。通过对某砂石料仓的检测,验证了本文所提出方法的实用性和便捷性。

基于点云凸包算法的电网输电线路通道树障检测

针对树障与导线触碰发生短路,将会导致线路闪络、跳闸停电,甚至引发火灾事故的问题,提出一种基于点云凸包算法的电网输电线路通道树障检测方法。利用机载激光雷达采集激光点云数据,通过包围盒方法实施抽稀,滤除冗余点云数据。利用SVM分类算法确定树障点云数据,利用点云凸包算法构建树障点云凸包,根据三角函数公式计算树顶点与输电线路之间的距离,以此为基础,按照标准划分树障风险程度。结果表明,所研究检测方法应用下,树障顶点的平均检测误差为1.1 mm,每个研究区的树障顶点的平均检测误差达到相对最小值,由此证明了该方法具有较高的电网输电线路通道树障检测精度。

扇形格网高程特征图像的车载LiDAR点云道路提取方法

针对传统高程特征图像道路点提取方法中格网分辨率需手动设定和存储资源冗余问题,本文提出了扇形格网高程特征图像的车载LiDAR点云道路提取方法。该方法采用自适应扇形格网投影,根据激光雷达(LiDAR)设备参数,自动建立可缩放的扇形格网,有效优化了传统方形格网分辨率手动设置,解决了存储资源冗余问题。在该方法的具体实施过程中,首先,依据LiDAR设备参数进行自适应扇形格网投影;其次,获取每个格网内点的高程,运用反距离加权法(IDW)建立高程特征图像;最后,基于高程特征图像设定高程阈值,实施道路点提取。为验证本文方法的有效性,从KITTI数据集中选取不同道路类型的6组数据进行实验。结果表明,道路点提取的最高质量为87.1%,平均质量为80.2%。与传统高程特征图像道路点提取方法相比,本文方法的平均质量高出近3个百分点。

结合扫描线与栅格投影的车载LiDAR实时道路边界提取

针对车载激光雷达(LiDAR)实时点云数据提取道路边界困难的问题,本文采用扫描线与栅格投影地图相结合的方法进行道路边界提取。首先,基于方位角周期性实施扫描线分离;其次,采用单束点云空间邻域联合分割滤波分离路面点,保留非路面点进行障碍物地图建立;再次,以搜索格网两方向的搜索方式,增加高程极差和路宽约束条件进行道路边界提取;最后,通过多项式曲线拟合算法进行边界拟合,并选取两组代表性KITTI郊区道路数据进行试验。试验结果表明,本文方法能够有效提取道路边界,且应用效果良好,平均准确度可达80%以上。

车载激光点云组合滤波算法

为了解决传统车载点云滤波算法无法有效剔除地形坡度较大区域非地面点的问题,本文结合布料模拟滤波(CSF)算法与传统不规则三角网(TIN)的特点,提出一种基于CSF算法的改进TIN滤波算法。首先,使用CSF算法对原始点云进行滤波处理,获取初始地面点;其次,使用改进TIN滤波算法对CSF算法滤波结果进行进一步滤波,通过邻域卷积和选取种子点与构造虚拟种子点,根据滤波次数改变格网大小进行迭代滤波。使用两组地形条件不同的城市道路点云进行试验,对比不同滤波算法的滤波结果。结果表明,本文提出的组合滤波算法能够有效弥补单一滤波算法的不足,能够较好地适应城区情况。

基于激光雷达的作物收获导航线实时提取方法研究

为提高联合收获机无人驾驶导航路径的精度,本文提出一种基于激光雷达的作物收获导航线实时提取方法。搭建点云数据采集系统,利用平面拟合法确定激光雷达安装高度和安装角度。利用三维激光雷达扫描收获机前方作物的点云数据,结合IMU惯性传感器反馈的姿态信息,实现作物点云数据从激光雷达坐标系到车体坐标系的变换。基于激光雷达扫描视场角、安装高度和安装角度获取感兴趣区域(ROI)的坐标,并对感兴趣区域进行直通滤波和统计滤波,去除灰尘、秸秆粉末等噪声的影响,以实现点云数据无效点和离群点的剔除。提出一种基于栅格八邻域高程差的作物收获导航线快速识别算法,以点云栅格化后在Z轴方向上的坐标值作为检测依据,定义某一栅格与其8个相邻栅格在Z轴坐标上的差值为高程差,遍历栅格并根据设定阈值进行比较判断,实现收获边界点的有效提取。采用最小二乘算法进行收获边界点的拟合,实现田间作业过程中作物收获导航线动态提取。田间试验表明,该方法具有较好的鲁棒性,能在作物稀缺、杂草较多等情况下保持较高的准确性,其中前进方向偏差角平均值为0.872°,割台横向偏差为0.104 m,收获导航线准确率为93.5%,可为联合收获机工作提供辅助导航,提高无人驾驶的准确率。

改进特征匹配的ORB-SLAM稠密建图算法

对于同步定位与建图(SLAM)中主流的特征点法,特征匹配是估计相机运动的关键,然而在特征匹配过程中存在图像特征的局部特性、误匹配等问题,成为视觉SLAM的瓶颈。此外,特征点法生成的稀疏地图只能用于定位,无法满足更高层次的需求。针对ORB-SLAM3中ORB特征点匹配效率低且未能生成稠密地图的问题,提出一种改进的ORB-GMS匹配策略并在ORB-SLAM3系统中加入稠密点云构建线程来实现稠密建图。将运动平滑性约束作为特征点运动统计的方法,通过比较特征点邻域内的匹配数量和阈值快速判断当前匹配是否正确,将图片网格化并快速计算网格内特征点的匹配数量,进行相机的位姿估计。根据关键帧与相应位姿构建稠密点云地图,采用外点去除滤波和体素网格滤波减小点云规模。在TUM的RGB-D数据集上的实验结果表明,与ORB-SLAM3相比,该算法可以减少约50%的匹配耗时,同时在匹配数量上平均提升60%,定位平均误差降低32%。此外,与稀疏地图相比,该方法生成易于2次加工的稠密点云地图,扩大算法的应用场景。

基于数据映射优化的航空机匣变形测量偏差比对

为了解决航空发动机机匣性能试验中双目DIC变形测量偏差难以全场、精确量化的问题,提出了一种系统、全面的DIC测量数据与有限元仿真数据之间的映射方法。首先,采用FPFH特征和ICP算法精确配准两类点云数据,完成了数据坐标系的精确对齐;然后使用遗传算法优化的拟合神经网络调整有限元节点位置,从而消除两类数据间节点位置不一致的问题,完成仿真网格向DIC网格的高精度映射;最后,使用逐点最小二乘应变估计算法统一了有限元仿真和DIC测量的应变计算模式,得到与DIC属性一致的有限元比对数据,从而实现被测面全场变形的偏差估计。机匣刚度实验中肋板处的变形比对结果显示,网格节点的映射精度优于1×10-6mm,仿真变形和DIC变形的偏差云图与偏差曲线具有良好的一致性,且能够显示DIC测量偏差存在的具体位置,在未来航空发动机机匣及类匣体的研制和测试领域具有良好的应用前景。

一种基于体素网格的三维点云均匀降采样方法

降采样是三维点云预处理过程中的重要环节,体素网格法是一种被广泛使用的降采样方法。针对体素网格降采样方法存在着采样点分布不均匀的问题,提出了一种新的体素网格降采样方法。首先对点云建立轴向包围盒,然后以某一个等分距离对包围盒沿x,y,z轴三个方向的边进行等分,使得每一个体素近似为一个正方体,然后计算每一个体素内所有点的重心,并将其作为该体素的采样值。实验结果表明,当点云包围盒在x,y,z轴三个方向的边长相差非常悬殊时,该方法比传统的体素网格法获取的点云分布更均匀,而且该方法的计算效率比传统的体素网格法更高。

基于改进DBSCAN和双边滤波算法的点云去噪

为了提高激光雷达点云去噪效果,提出了改进DBSCAN和双边滤波算法。首先通过点云数据空间欧氏距离划分栅格,从而删除无效点云;接着基于距离-密度方法在密度较大的段内找到DBSCAN的eps值,避免错误值出现,使用自适应方法获得DBSCAN的min pts值;然后利用点云邻域的曲率以及法向夹角优化双边滤波权值因子,便于保持点云的细节特征;最后给出了算法流程。实验结果显示所提算法能够去除接近点云模型的噪声以及混杂在点云模型中的噪声,评价指标较优。

一种实景三维模型点云析出及纹理重构方法

基于倾斜摄影测量技术生成的实景三维模型近年来在国内得到了广泛应用,但针对倾斜摄影密集匹配点云的处理尚有很多问题亟待攻克,比如对点云较稀疏的三维网格模型的逆向点云生成处理的问题。为了解决这方面问题,提出了基于局部泰森插值进行实景三维模型点云析出及重构的方法。首先,研究了以OSGB格式作为原始数据的实景三维模型的数据结构和顶点构成方式;随后基于局部泰森插值算法对实景三维模型稀疏点云进行插值;接下来,通过算法对插值后的点云模型进行顶点重组和纹理坐标计算,并对该方法进行测试。实验证明,该方法可以取得较好的实景三维模型点云析出和纹理重构效果。