基于FPFH-PointNet的术中膝关节软骨表面点云自动提取

目的机器人辅助膝关节置换术导航系统采用激光扫描仪获取术中软骨点云,并与术前模型配准,实现自动非接触空间注册。术中患者膝关节病变点云包含大量的肌肉、肌腱、韧带及手术器械等无关背景点云。手动去除无关点云会因人机交互而占据手术时间,因此,本研究提出一种新颖的膝关节软骨表面点云自动提取方法,以便快速精准实施术中注册。方法PointNet因缺乏软骨表面和几何局部信息的充分描述,不能高精度地提取软骨点云。本研究提出了一种结合快速点特征直方图FPFH-PointNet方法,该方法有效地描述了软骨点云表观,实现了软骨表面点云的自动高效分割。结果本研究以从不同角度扫描10例尸体膝关节标本和1例人腿模型的股骨远端软骨点云为数据集。PointNet和FPFH-PointNet分割软骨点云的准确率分别为0.94±0.003和0.98±0,平均交并比(mIOU)分别为0.83±0.015和0.93±0.005。FPFH-PointNet相比于PointNet,准确率和mIOU分别提高了4%和10%,而耗时仅约为1.37 s。结论FPFH-PointNet能够精准地自动提取术中膝关节软骨点云,满足了术中导航的性能需求。

基于改进3D-NDT机器人自定位算法

针对机器人在自定位过程中,传统3D-NDT点云配准在未给定初始旋转矩阵的情况下,存在配准效果不佳、误差大、配准时间长的缺陷,提出一种相对高效的改进3D-NDT点云配准算法。首先,对输入点云进行ISS特征点提取,并计算这些特征点的特征直方图(FPFH);然后,根据直接对应估计对特征点进行匹配,使用RANSAC去除错误对应关系,得到初始旋转矩阵;最后,将得到的初始旋转矩阵代入3D-NDT算法进行匹配,得到最终的匹配结果。采用室内外场景点云进行测试,实验结果表明,改进后的3D-NDT算法能输出较好的匹配结果,并且精度有所提高,但该算法的复杂度有待进一步优化。

一种快速点特征直方图及重叠区计算的点云配准方法

地面三维激光点云配准是点云分析、三维重建以及其他工程应用的基础和关键技术。针对现有配准算法精度和效率上的不足,提出了一种基于快速点特征直方图及相邻两站间重叠区计算的配准方法。粗配准阶段,在经典的点特征直方图采样一致性(SAC-IA)算法基础上,通过加入同名点点对距离约束、几何形状约束,以及快速点特征直方图误差评定的改进,以此提高粗配准精度;精配准阶段,提出一种基于相邻站间大致重叠区域快速估算的最近点迭代(ICP)方法,该方法迭代收敛快、配准精度高。实验结果分析表明,该方法提高了配准精度和配准效率。

基于自适应局部邻域条件下的点云匹配

为了应对传统迭代最近点(ICP)算法在处理复杂点云空间特征时,面临噪声干扰和数据缺失等问题导致收敛速度缓慢、配准精度不高以及鲁棒性较差等问题,本文提出了一种基于自适应局部邻域条件下的点云匹配算法。首先,采用体素网格滤波对数据进行预处理,根据不同半径邻域内邻近点的分布情况,定义邻域表面的弯曲程度,在此基础上,充分考虑到法向量分布和邻域曲率特征,从而得到更精确的特征点提取;其次,通过运用最小二乘曲面拟合方法,进一步提取出邻域曲率变化最为显著的特征点,采用快速点特征直方图(FPFH)对特征点进行描述,并通过设定距离阈值的采样一致性算法来匹配相似的特征点对,计算出关键的坐标转换参数,完成初始配准。最后,利用线性最小二乘优化点到面的ICP算法,以实现更精确的配准结果。通过一系列实验对比发现相较于现有的几种配准算法(ICP,SAC-IA+ICP,K4PCS+ICP),在存在噪声干扰和数据缺失的情况下,所提方法的配准准确度平均提高45%,配准速度平均提高38%,充分验证了该方法在应对大数据量、低重叠率点云配准方面具备出色的稳健性能。

基于3 DHarris-FPFH特征的点云配准方法

针对传统ICP算法配准时间较长,并且当两片点云初始位姿相差较大时易陷入局部最优的问题,提出了一种基于3 DHarris关键点结合快速点特征直方图(Fast Point Feature Histo-gram,FPFH)特征改进的点云配准方法。首先对输入点云使用体素下采样进行精简,再运用3 DHarris算法对精简后的两片点云提取关键点,并由FPFH形成3 DHarris-FPFH特征点,然后使用随机采样一致性(Random Sample Consensus,RANSAC)算法进行粗配准输出初始变换矩阵,最后经由改进的迭代最近点(Iterative Closest Point,ICP)算法进行精配准。将该算法在公开数据集上进行了仿真实验,结果表明该算法在保持精度的情况下,提高了运算速度,具有一定的实用性。

基于改进特征点匹配的三维点云数据配准算法应用探究

三维点云配准算法作为计算机辅助制造工程的重要构成,在三维重建、目标物形状检测等领域有着重要的应用。为了实现目标物体的完整测量,一方面需要从点云数据中获取精确的特征点集,另一方面需要压制噪声信息。基于特征点匹配的三维点云配准算法简化了特征提取的复杂度,提升了配准的精度和速度,能够实现目标物体的高效配准。本文就基于改进特征点匹配的三维点云数据配准算法应用展开探究。

基于法向量直方图特征描述的点云ICP拼接

传统的迭代最近点ICP算法收敛速度慢,而基于特征的查找对应点能够明显优化ICP算法.提出一种新的基于法向量直方图特征描述的点云ICP拼接方法.该方法将法向量直方图作为点云特征描述子,其能够优化对应点集的查找,从而改进ICP算法.该算法先计算待拼接的两片点云的法向量直方图特征描述子,然后由其中一片点云中的点查找在另一片点云上的最近邻域,并且找出法向量直方图特征最相似的点作为当前点的对应点,查找出所有的对应点并建立对应点集,再根据对应点建立协方差矩阵,并对其奇异值分解,求解出变换矩阵,最后迭代以上步骤直至收敛.在法向量直方图特征计算中,采用多核模式并行编程计算,提高了特征计算效率.实验结果表明该方法是可行有效的.

结合点特征直方图的点云分类方法

针对经典的法向量和邻域高差算子包含的信息量较少,点云分类结果不理想的问题,提出一种基于点特征直方图的点云分类方法.该方法用四参数量化中心点与其邻域点之间的空间关系形成一个用于描述中心点邻域几何属性的多维直方图,并将其作为点云分类的特征;用随机森林法将激光点云分为植被、地面以及建筑物3类,点特征直方图、法向量、邻域高差三者均为几何描述算子,用点特征直方图构建了一个高维信息空间的点的几何特征表达,鲁棒性强.通过与基于法向量和邻域高差的点云分类进行对比实验,验证了点特征直方图在点云分类中保边性强、稳定性好.

用于三维点云表示的扩展点特征直方图算法

局部特征提取在点云相关应用中具有十分重要的作用,因此提出一种用于点云局部特征表示的扩展点特征直方图描述子。针对邻域点的两两点对提出一系列不变量;在特征点上构建一个局部参考坐标框架以获得特征描述子对旋转和平移的不变性;将关键点局部邻域划分成多个子空间,并依据每个子空间中的点对不变量构建一个直方图;将所有直方图串联起来得到扩展点特征直方图特征描述子。采用Bologna公共数据集对扩展点特征直方图特征描述子的性能进行测试,并与多个现有算法进行对比。结果表明,扩展点特征直方图特征描述子获得了良好的性能,其结果优于多个现有的特征描述子。

铁路场景三维点云分割与分类识别算法

铁路限界侵入检测对保障高速铁路安全具有重要意义,基于激光三维点云分割与分类识别的异物侵入检测具有准确、直观的优点,在诸如隧道口和站台的铁路重点区域监测中具有广泛应用前景。设计了一种带动二维激光雷达进行俯仰运动的装置用于铁路三维点云的采集,基于法线方向一致性原则提出采用区域生长分割算法解决欧氏聚类分割和随机采样一致性(RANSAC)分割造成的过分割和欠分割问题;针对分割后的单物体点云,提出利用视点特征直方图(VFH)进行不同目标的三维点云特征提取,基于不同物体VFH建立KD树,并利用最近点搜索方法完成单物体点云分类识别。铁路场景典型物体的分类实验结果表明,本算法对铁路场景典型物体的分类识别准确率大于90%。

基于激光点云的智能挖掘机目标识别

传统智能工程机械的环境目标识别方法为单目或双目视觉识别,识别速度慢、效率低且工况适应能力差。为进一步提升挖掘机的环境目标识别能力,提出一种基于点云聚类特征直方图的目标识别方法。对原始点云进行滤波预处理,通过聚类分离取得单个识别聚类,建立待识别聚类的点云特征直方图,在模型库中采用近邻搜索算法获得k个近邻,并根据其匹配度得到最终识别结果。实验结果表明,该方法针对挖掘机作业工况目标识别有较强的稳健性,能在复杂工况下识别出多个目标且识别率高。

自适应局部邻域特征点提取和匹配的点云配准

点云配准是三维重建的关键技术之一。针对点云匹配中迭代最近点算法(ICP)速率低、对初始位置要求高的问题,提出了一种基于自适应局部邻域特征点提取和匹配的点云配准方法。首先根据局部表面变化因子与平均变化因子的大小关系,自适应地提取特征点;其次利用快速点特征直方图(FPFH)综合描述每个特征点的局部信息,结合随机抽样一致性(RANSAC)算法实现粗配准;最后根据得到的初始变换矩阵和基于特征点的ICP算法实现精配准。对斯坦福数据集、含噪声的点云以及场景点云进行配准实验,实验结果表明:所提出的特征点提取算法能高效地提取点云的特征;相比于其他特征点检测方法,所提方法在粗配准中的配准精度和配准速度更高,且抗噪性能更好;与ICP算法相比,基于文中特征点的ICP算法在斯坦福数据集和场景点云中的配准速度提升了约10倍,在含噪声的点云中,能根据所提取的特征点高效地进行配准。该研究为提高三维重建和目标识别的匹配效率提供了一种高效的方法。

基于旋转投影二进制描述符的空间目标位姿估计

为了实现基于点云的空间目标相对位姿快速估计,提出一种旋转投影二进制描述符(BRoPH)。该描述符首先建立特征点处的局部参考坐标系,然后通过旋转投影局部点云生成不同视角下的密度图像块和深度图像块,最后根据图像块生成特征点的多尺度二进制字符串。针对位姿估计对实时性的要求,在分析BRoPH Hamming距离分布的基础上,提出了基于Hamming距离阈值的特征匹配策略,用于剔除潜在的错误配对,加快位姿估计收敛速度。最后,在基于局部特征描述符位姿估计框架下分别与SHOT描述符和FPFH描述符进行了比较。结果表明:BRoPH描述符在仅需要SHOT和FPFH平均内存1/80的基础上,得到了远高于SHOT和FPFH的平均位姿估计精度,其平均姿态误差小于0.1°,平均位置误差小于1/180 R。此外,基于Hamming距离阈值的特征匹配策略使得BRoPH的位姿粗估计速度加快了7倍,总体位姿估计频率超过7Hz,比SHOT和FPFH分别快3~6.8倍。该方法具有占用内存小、计算速度快、位姿估计精度高和抗干扰能力强等优点,满足基于点云的空间目标位姿估计实时性要求。

实现激光点云高效配准的ICP优化及性能验证

激光点云常规匹配算法是迭代最近点(Iterative Closest Point, ICP)算法,但其收敛速度慢、鲁棒性差,因此,提出一种融合多种优化算法的激光点云高效ICP配准方法。首先对点云体素滤波降采样,通过ISS算子提取关键点,采用快速点特征直方图(Fast Point Feature Histograms, FPFH)提取关键点特征,嵌入多核多线程并行处理模式(OpenMP)提高特征提取速度;然后基于提取的FPFH特征,使用采样一致性初始配准算法(Sample Consensus Initial Alignment, SAC-IA)进行相似特征点粗配准,获取点云集间的初始旋转平移变换矩阵;最后采用ICP算法进行精配准,同时采用最优节点优先(Best Bin First, BBF)优化K-D tree近邻搜索法来加速对应关系点对的搜索,并设定动态阈值消除错误对应点对,提高配准快速性和准确性。对两个实例的配准点云进行了实验验证,结果表明,提出的优化配准算法具有明显速度优势和精度优势。

基于3D-Harris与FPFH改进的3D-NDT配准算法

针对传统点云配准三维正态分布变换(3D-NDT)、迭代最近点(ICP)算法在未给定初始配准估计的情况下配准效果不佳、配准时间长、误差较大的缺陷,提出了精准且相对高效的点云匹配算法。首先,运用3D-Harris算法识别每一幅点云的关键点,并以此为基本点建立局部参考框架,计算快速点特征直方图(FPFH)描述子;之后,使用最小中值法(LMeds)中的对应估计算法排除不准确的点对应关系,得到含有对应三维特征关系的特征点对。计算粗配准所需的变换矩阵,完成初步匹配。随后,根据3D-NDT算法将点云数据空间体素化,运用概率分布函数完成最终的点云进行精确地匹配。使用改进配准将3组分别从网络下载的较少噪声、大规模与Kinect V2.0采集的较多噪声、大规模的2组重叠度不同的点云数据匹配到同一个空间参考框架中,并通过精度分析对比经典3D-NDT,ICP等算法。实验结果证明,该算法在迭代次数较低时,可使室内场景点云数据完成精度较高的配准且受噪声影响较小,但如何将算法的复杂度适当降低,缩短配准时间需要更进一步的研究。

基于路侧激光雷达的城市交叉口目标识别技术

针对城市交叉口环境下交通基础设施无法精确检测道路使用者的问题,提出了一种基于视点特征直方图与支持向量机(VFH-SVM)的点云特征提取与分类方法。根据交叉口复杂环境下目标物的感知需求,对路侧三维激光雷达获取的点云信息采用直通数据滤波预处理;利用条件欧氏聚类算法对场景点云数据进行分割;基于视点特征直方图对分割后不同目标物的三维点云特征进行提取;建立了不同交通参与者及设施的视点特征直方图(VFH)特征数据集;采用线性核函数的支持向量机(SVM)算法对交通场景内的点云数据进行分类识别实验。实验结果表明:所提方法对城市交叉口环境下典型目标物体的分类识别准确率均大于90%以上。

基于快速点特征直方图的特征点云迭代插值配准算法

为提高三维激光扫描点云数据的配准精度,提出了一种基于快速点特征直方图特征的迭代插值配准方法。配准过程中,点云数据获取时受扫描仪分辨率影响,点云局部或整体密度偏小,两次测量点云数据的相同位置不存在完全相同的点,以致对应点之间存在误差。为减小误差对配准精度影响,引入迭代插值方法,增加点云整体密度。通过计算关键点的快速点特征直方图的特征寻找对应关系,使用随机采样一致算法去除错误对应关系,对对应点协方差矩阵进行奇异值分解求得粗配准旋转平移矩阵,再使用迭代最近点算法进行点云的精确配准。实验结果表明,改进的配准方法简单、稳定可靠、计算速度有所增加,有效地提高了配准精度。

基于随机可逆矩阵的3D点云模型加密

针对3D模型中存在的隐私保护问题,提出一种基于混沌映射的3D点云模型加密方案。利用混沌映射生戍一个3×3随机可逆矩阵和一个3×1平移向量,利用以上的随机可逆矩阵和平移向量可以将点云中的每一个点变换到一个齐次坐标。用以上加密方案对不同的3D点云模型进行大量测试的结果显示,每个点云模型都能正确地加解密。通过运用祝点特征直方图对加密的结果进行评估,结果表明:该方案能够生成难以辨认的密文3D点云。

三维激光扫描地形数据获取处理

利用三维激光扫描测量技术测得的点云数据获取数字地面模型的关键之处在于将地面点与非地面点进行分离。提出了一种基于高程直方图进行多阈值分割的方法。首先对点云进行离散化,然后进行多阈值分割分层,再对各层中的地面点进行连通,最后利用趋势面拟合法再次对各层地面点进行滤波,最终即可获取纯净的地面点。经试验验证,该方法有效可行。

基于FPFH特征和模糊聚类的自适应点云压缩

针对三维激光扫描技术获取的点云数据存在大量冗余问题,文中提出了一种基于快速点特征直方图和模糊C均值聚类(FPFH-FCM)的点云压缩算法。利用FPFH特征在点云模型不同几何位置的分布差异,基于FCM算法自适应地将点云集合分为特征点集和非特征点集。并建立压缩准则:对非特征点集进行较大比例的压缩,去除冗余点;对特征点集进行较小比例的压缩,尽量保留更多的特征点,以实现点云压缩。在对比试验中,分别使用提出的基于FPFH特征的点云压缩算法与基于曲率特征的点云压缩算法,对人体点云数据进行压缩,对比压缩后点云的曲面重建效果,同时使用原始点云与压缩后点云之间的Hausdorff距离作为压缩误差评价指标,结果证明,该压缩算法能够更好地保留重建模型的细节特征,具有更高的压缩精度。