基于树木形貌点云三点变换与GICP配准的树木形貌三维重建

树木生长过程中受到病虫害或生长空腐与空洞等影响会造成形貌缺陷,如何实现树木形貌无损检测数据被精确地自动逆向数字化建模成为现代林木智能无损检测诊疗的核心问题.利用PCL库点云数据处理库函数平台编程实现三维扫描树木形貌点云逆向建模,提出了三点对齐点云数据处理函数法,将三维扫描技术获得的原始树木形貌点云进行了粗配准;运用迭代最近点算法完成树木的精配准,得到了精确的树木形貌点云模型;对点云模型进行了基于同名点对配准的实验验证,并对检测效果进行分析.该研究提高了三维扫描技术的树木无损检测点云逆向构建树木形貌三维数字化模型的速度与精准度.

基于视触觉感知的番茄尺寸和姿态解析方法

针对传统农业机器人抓取过程中视觉识别番茄果实尺寸和姿态存在枝叶遮挡的问题,提出了一种基于视触觉感知的番茄尺寸和姿态解析方法。在果实抓取过程中通过视触觉传感器得到果实外轮廓接触局部点云信息,然后通过相机参数标定以及各手指关节变换矩阵,将不同传感器坐标系下的点云信息变换到同一基坐标系下,进而通过点云改进PCA算法和ICP算法解析抓取果实的尺寸和姿态信息。为了评估所提出解析方法的性能,在实验室环境下进行了番茄尺寸和姿态检测试验。通过游标卡尺测量和深度相机扫描分别获得番茄果实尺寸和姿态的真实值,并与本文方法解析结果进行对比。检测试验结果表明,本文方法获得的番茄横向尺寸和纵向尺寸平均相对误差分别为8.66%和11.08%,番茄果轴与视场投影面的水平夹角和垂直偏转角平均相对误差分别为10.03%和14.02%。本文方法解析的番茄果实尺寸与姿态信息,可应用于番茄果实抓取过程中的姿态调控,从而提高番茄果实抓取采摘的可靠性。

基于机器视觉的无序堆放西瓜识别与定位技术

【目的】研究一种基于机器视觉的西瓜识别与定位技术,满足西瓜搬运设备的自动化要求,为自动搬运设备的视觉部分提供技术支持。【方法】采集西瓜的二维图像数据与三维点云数据。调用OpenCV函数库分割西瓜二维图像,提取出西瓜的外轮廓;采用PCL函数对三维点云数据进行预处理,并与二维图像作图形特征匹配,提取出顶层西瓜的质心点。【结果】单轮次的西瓜轮廓总识别率为97.62%,正确识别率为95.58%,质心识别率为92.72%。20轮测试的总轮廓识别率为98.02%,总正确识别率为96.53%,总质心识别率为94.17%,总质心个数和总西瓜个数之间的误差率为2.36%;西瓜图像处理的总用时为101.8s,效率提高了77.8%。【结论】基于机器视觉的西瓜识别与定位技术识别率较高且误差率较低。

基于PCL与HOOPS的空区点云处理系统的设计与开发

三维激光扫描技术在空区探测中得到了越来越多的应用,但是获取的点云数据往往需要经过多个软件的联合处理与分析,消耗大量的计算处理时间,多个软件在操作上的复杂性也限制了后期数据的利用。针对上述问题,在VS2010编程平台下,利用PCL和HOOPS技术,自主开发了空区点云处理系统。该系统由点云数据管理模块、三维显示模块、点云过滤模块、剖切和实体建模模块及应用模块组成,采用模块化设计的思路,功能易于扩展。根据空区处理精度的要求,能够进行点云的过滤与精简,既满足工程需求,又加快了后期空区三维建模与显示的处理速度;系统集成了三维建模、剖切、体积计算等常用的空区处理机能,显示直观,易于使用,为现场技术人员的决策提供了方便。系统为空区治理方案的选择、参数的优化提供指导和科学依据,对于促进采空区处理的可视化、科学化具有积极的意义。

基于PCL库的矿场环境点云配准方法研究

随着国内外基于工程环境的三维点云处理技术研究的不断深入,开源的PCL(Point Cloud Library)库应运而生并且发展迅速,三维点云配准技术广泛应用在机器视觉、人机交互、无人驾驶等诸多工程领域,且涉及到计算机学、几何计算、传感器等多学科融合。由于传统电铲在手动操作挖掘过程中对于矿场环境感知不足,导致矿山整体开采效率低下,易发生挖掘碰撞、机身倾覆等意外事故。文中基于PCL点云数据处理库,将基于FPFH特征的SAC-IA粗配准,与使用迭代最近点算法(ICP)的精配准方法合并使用,实现矿场环境点云的配准,为后续无人电铲环境感知的研究提供了数据保障。试验结果表明,该方法具有较好的精度与较快的配准速度。

基于PCL的三维点云去噪方法研究

随着三维激光扫描技术的不断发展,三维点云数据的获取数量、速度都得到了快速的提高。点云的去噪是数据处理的重要步骤之一,也是关系到后期数据应用成功与否的关键环节。因数据获取过程中影像因素的多样性以及去噪处理的复杂性,使去噪方法的研究成为该技术领域的重点和热点之一。本文基于PCL这开源的点云数据处理平台,对其中两种较为常用的方法进行对比研究。研究表明,单一的去噪算法很难满足实际的工程应用需求,算法的不断改进、完善、集成,将是下一步研究和应用的重点。

基于PCL的点云数据压缩研究

研究基于开源C++编程库PCL(点云库),在VS2010平台上读取由Kinect获取的PLY格式的三维模型数据,利用PCL的Octree(八叉树)类为点云数据构建八叉树结构、进行八叉树编码,实现了点云数据的高效压缩方案。此压缩方案可以针对不同的应用场合设置不同的精简点距离,简洁高效,减少了数据的空间占用,且便于数据的在线传输。

基于PCL的人体模型自动化修形研究

提出了基于患者人体点云数据的修形曲面自动化建造方法.利用三维激光扫描仪获取人体点云数据,滤波后将点云数据分割成骨盆、腹腔和胸腔三部分,根据三点加力矫形原理提取用于设置伸展空间和施加矫形压力的点云数据,施加变换操作;最后实现点云数据的拼接,创建人体修形曲面.设计案例表明该方法为矫形支具自动化设计奠定基础.

基于PCL的3D点云视觉数据预处理

3D视觉的点云数据处理中,滤波和配准等算法十分重要,传统的滤波算法,是通过求取距离半径,采样或利用统计学方法来对数据去除噪声,不能满足处理特定位置处数据的需求。提出了一种设置“基准面”的方法对点云数据进行预处理,使其满足后续的滤波处理。首先对给定的点云数据进行平面拟合并估计和平面质心的估计;其次求取某一已知平面的法线及基准点,求出两个点云面之间的变换关系,使两者重合;最后根据实际问题,将指定区域中的噪声去除。实验证明,该方法大大降低了滤波的复杂度且提高了滤波效果。

基于点云的鸡毛菜表型参数提取

针对人工测量作物表型结构参数不够准确的问题,提出基于双目视觉的作物表型参数提取系统.利用鸡毛菜的叶面积和平均叶倾角两个重要表型参数,通过采集鸡毛菜原始RGB图和深度图,将原始信息合成为颜色点云后进行预处理.采用超体素聚类的分割算法将每片叶片从作物点云中分离,并改进贪婪投影三角剖分算法,获得最佳表面重建效果,实现网格模型的颜色渲染.在VTK库中完成网格模型的优化,获得真实感较强的鸡毛菜网格模型.在网格模型中实现对两个参数的提取,并与人工测量值比较.对于第四组大于4 cm的叶片,自动提取的叶倾角平均绝对误差小于5.5°,验证了自动化无损监测鸡毛菜作物的可行性.

基于PCL的局域网内Kinect点云数据采集传输系统设计

为了实现局域网内Kinect点云数据的共享,提出了基于PCL的Kinect点云数据局域网内采集传输系统设计方案,该方案利用了模块化的C++模板库PCL(点云库)中提供的通用采集接口,可以直接获取到实际坐标空间的三维信息,三维坐标信息保存为点云数据,并在流式套接字通信模式下,利用CArchive对象传输点云数据,使得局域网内两台计算机可以串行化的发送和接收点云数据,提高了传输点云数据的效率,实现了局域网内点云数据的远程访问。

基于PCL和Qt的点云处理系统设计与开发

三维激光扫描技术得到越来越多的应用,而目前已有点云处理软件存在算法单一、交互性弱的缺点,经常需要多个软件联合操作,耗费大量时间和精力.因此,本研究基于PCL和Qt自主开发一套点云处理系统,包含点云读取、滤波、分割、建模等模块,同时提供友好的用户交互界面,为每个经典算法提供关键参数交互设置,提高点云处理效率及可靠性.

基于PCL三维点云花瓣分割与重建

三维点云数据的单木植物器官分割的研究仍处于起步阶段,对于植物器官的精确分割还未形成有效的解决方法,对于单个花朵点云分割出花瓣的研究更是少见。为此,文中提出一种基于PCL库三维点云花瓣分割的研究方法,以单个百合花朵三维点云数据为研究对象,对其进行花瓣分割。该方法主要是以PCL库为开发工具,首先对三维点云数据进行体素化下采样处理;其次结合K-means聚类分割算法计算点云曲率值,并根据点云曲率值以及点云形态特征确定K值;再利用鼠标交互方法确定初始聚类中心,从而达到花瓣分割的目的;最后使用贪婪投影三角网格化算法来实现花瓣的重建。实验结果表明,文中方法能够对花瓣进行有效分割,且用时少、准确率高,利用三角化重建能更好地保存花朵的形态特征,稳定性好。

基于PCL库的三维点云区域生长分割

随着三维扫描技术的不断提高以及国内对于开源PCL(Point Cloud Library)库不断深入的研究,三维点云分割技术被学者们应用到逆向工程CAD/CAM、激光遥感等领域中。三维点云的有效分割是许多应用的前提,本文利用PCL点云库实现点云的区域生长算法分割。该方法首先依据点云的曲率值对点云进行排序,选取曲率值最小的点为种子点,从最平坦的区域依据区域生长准则进行区域生长。实验结果表明,该方法分割稳定性好、精度较高。

基于PCL库的点云数据可视化系统开发

随着计算机视觉和虚拟现实技术的不断发展,点云数据已成为主要的三维数据表达形式。针对点云数据处理的相关技术研发成为了近年来的研究热点。基于此,采用Python作为编程语言,并使用开源编程库PointCloud Library,开发了点云数据可视化系统。该系统实现了点云数据读取及可视化、点云视点变换、重建点云效果显示等功能,为开发人员进行点云数据处理的相关研究工作提供了基础测试可视化工具。

PCL环境下粒子滤波目标跟踪算法研究

在实时三维目标跟踪系统中,KL距离自适应粒子滤波算法中距离阈值、小区域阈值以及其他参数的选取往往根据经验设置,如果参数设置不合适会降低跟踪精度和实时性。为此,设计一种3D点云目标跟踪系统。分析距离阈值和小区域阈值等参数对跟踪性能的影响,并给出自适应粒子滤波中参数与跟踪目标模型的关系。实验结果表明,与PCL_Tracking算法相比,该系统提高了三维目标跟踪系统的准确性和实时性。

基于C++与PCL的LAS数据读取及显示

点云库PCL(Point Cloud Library)是专门处理点云数据的公开库,LAS则是机载激光雷达(Aiborne LiDAR)的数据格式,需专业软件进行读取。由于PCL无法直接读取LAS数据,给基于PCL的点云数据处理带来了不便。为此解析了LAS数据格式,在此基础上使用C++编程读取LAS数据并进行了可视化显示。以某一区域LAS数据进行试验,结果表明程序运行正常,这为后续基于PCL的点云数据处理提供了数据源。

基于PCL库的点云滤波算法研究

点云滤波处理作为点云数据处理的初始步骤,其去噪效果直接影响到后续点云分割、地物分类、三维模型重建等操作结果。不同滤波算法由于其原理不同,运行效率及适用性也存在很大差异,通过选取直通滤波、体素滤波、统计滤波、条件滤波、半径滤波这五种经典滤波算法,对其原理作详细描述。在PCL库的基础上,设置不同的阈值对每种算法进行了大量的实验及分析,验证参数设定对每种算法的运行效率,适用范围及滤波结果质量的影响。

PCL库点云统计去噪算法的应用研究

去噪是点云数据处理中的重要过程,PCL中常用的点距离统计去噪算法涉及邻域规模K和方差倍数m两个参数,不同的取值对去噪结果的影响比较大。在统计去噪原理的基础上,根据正态分布的概率密度函数和3σ准则,对m进行理论分析。其中K值的大小主要影响去噪细节。实验中采用遥感数据进行验证,并通过不同参数组合进行比较。实验结果显示,如果当m大于2时,概率密度比较大,去噪作用比较小;K值对去噪结果的影响不明显。该统计去噪算法可以根据不同的参数值进行不同程度的去噪。

一种PCL与改进积分法人体体型的测量

随着经济的快速发展,传统人体三维测量技术凸显越来越多的问题,不仅耗时耗力,而且测量结果不准确。当前,在虚拟拟合、电子商务、人体设计等方面均需要更加精确的尺寸。本文对相机采集人体多个角度的图像、输入图像的仿射校正、特征点匹配、模型边缘化和降噪处理进行了研究,并应用PCL与改进的积分法分别计算围度和长度。经过对88号标准人台模型反复实验测量,以及与标准尺寸对比分析,验证了所提方法的适用性。经对多名男性和女性进行实际测量,将测量结果与Kinect测量结果对比分析,证明本研究提出的方法具有较好的鲁棒性和精确性。