基于分层聚类和拓扑连接模型的点云自适应简化

激光扫描测量在大尺寸海量点云数据采集中具有显著的优势,针对海量高密度线扫描点云采样中普遍存在的采样效率低、曲率适应性差的问题,在初始分层聚类建立K邻域的基础上,通过分析线状点云的空间几何特征,提出了线扫描点云矢量边对衍生算法,建立了拓扑连接模型;研究了基于线扫描点云特征参数的局部法矢加权系数计算方法,估算了拓扑结构中任意数据内点的局部法矢;构建了以法矢方差为细分准则的非均匀细分模型,实现了对高曲率初始类的非均匀细分。通过试验验证了算法的实用性。     

基于核密度估计的散乱点云边界特征提取

为获得逆向工程中复杂散乱点云的边界特征,提出了一种基于k邻域点集核密度估计的边界特征识别与提取算法,通过R*树索引结构和动态扩展空心球算法实现样点k邻域点集的快速查询,将查询区域半径作为带宽对点集进行核密度估计,由核密度估计获得反映点集分布的模式点,依据模式点到样点的距离与带宽的比值判别边界点特征。实验结果表明,该算法能够快速、准确提取逆向工程中均匀及非均匀分布的散乱点云的边界特征。     

散乱点云局部型面参考数据的快速查询算

提出了一种散乱点云局部型面参考数据的快速查询算法.该算法改进R*-tree建立散乱点云的空间索引结构,获取采样点所在叶结点,依据该结点MBR构造空心球,深度优先遍历R*-tree获取空心球内数据点,通过动态扩展空心球内外半径实现散乱点云局部型面参考数据的快速获取.实验表明,该算法可适用于各种复杂型面散乱点云,提高了查询的准确性与查询效率.     

物体表面采样数据近似最小包围盒快速求解

提出一种改进的模型表面点云的近似最小包围盒求解方法,该方法首先构建模型表面采样教据的动态空间索引结构,依据点云特征型面的曲率在保持型面特征的基础上对原始数据进行精简,采用均值漂移算法得到新的模式点集进行二次精简,计算精简后数据的凸包,利用O'Rourke提出的凸多面体的最小包围盒求解算法获得凸包的最小包围盒并确定局部坐标系,利用局部坐标系求解原始点云数据的近似最小包围盒,可在满足最小包围盒体积精度的同时提高算法的运行效率,能有效处理各种复杂型面的点云数据的最小包围盒快速求解问题.     

散乱点云数控加工刀轨优化算法研究

提出一种散乱点云数控加工刀轨优化算法,该算法在精度允许范围内,通过迭代逼近对散乱点云数控加工刀轨进行精简,根据光顺性条件调整刀轨节点,实现数控加工刀轨的优化,实例证明该算法在保证加工精度的前提下可高质量地生成散乱点云数控加工刀轨,显著提高产品的加工效率及加工质量。     

基于免疫遗传和蚁群融合算法的散乱点云曲面拟合

对复杂型面物体的曲面拟合方法进行了研究,通过点云数据参数化、基于免疫遗传算法(IGA)的自适应节点计算、反求曲线控制顶点、点云数据分割以及曲面拼接5个步骤来进行曲面拟合。提出了一种基于免疫遗传和蚁群的融合算法,将其应用于曲面拟合中,利用免疫遗传算法的全局搜索能力,来提高蚁群的收敛速度。该算法通过免疫遗传算法的选择、交叉、变异操作、疫苗接种和疫苗选择,并将免疫遗传算法引入到蚁群系统的迭代中,有效地解决了蚁群系统易陷入局部最优和易退化的缺点。采用fender、fandisk、bunny、cow 4个实例,对其3D散乱点云分别采用融合算法、遗传算法(GA)和免疫遗传算法进行曲面拟合,实验表明该融合算法具有很好的收敛速度和全局最优解的搜索能力,通过该算法所拟合的曲面拟合精度较高,相比GA和IGA算法,其拟合精度分别提高18%和11%以上,可以满足复杂型面物体的曲面拟合要求。     

一种汽车车身曲面数据点云的分块方法

在测量数据点云重构车身曲面过程中,由于车身曲面复杂多变,难以直接拟合,需要对点云数据进行区域分割,分片处理。文中结合车身曲面造型特点,将一种点云分割的算法-基于平面度的直接分割方法应用于车身曲面重建中,可实现不同性质的曲面片分块。最后给出了不同的分割实例,证明了该方法的有效性。     

基于逆向工程技术的蜣螂外形数据采集与处理

采用三维激光扫描系统测量了臭蜣螂几何体表外形,获取了臭蜣螂几何体表外形的数据点云。利用逆向工程软件进行数据点云的平滑处理、精简处理及其多视数据的定位与拼接。使用点云数据网格化、曲面特征抽取与数据分片、曲面分割及直接拟合曲面片的造型方法,成功进行了臭蜣螂体表外形三维几何曲面模型的重构。     

基于激光雷达的枣树轮廓测量平台的设计与试验

针对枣树的三维轮廓信息重建,搭建了一种基于激光雷达的果树轮廓测量平台。通过在平台上的滑轨移动激光雷达获取果树的三维点云信息,采用MatLab软件对点云数据进行提取与处理。为了降低外部环境对点云数据处理的影响,采用高度统计直方图进行地面滤波实现地面点云的滤除,通过icp算法实现双侧点云的配准,应用欧氏聚类算法分割获取枣树点云数据。为验证研究方法的准确性,从点云轮廓数据中获取果树的冠幅数据与手工测量数据进行线性模型拟合对比,二者的相关系数R=0.91,均方根误差RMSE=0.06,相对误差RE=4.08%,拟合效果较好,说明此方法具有一定的可行性。     

基于点云精简的奶牛背部体尺测点自动提取方法

为了解决奶牛点云体尺测点的自动提取问题,提出了基于点云精简的奶牛背部体尺测点自动提取方法。首先,搭建奶牛深度视频采集平台采集数据,对Kinect相机采集到的奶牛背部原始点云数据进行预处理,去除周围复杂背景;其次,采用主成分分析法计算局部平面法矢量和曲率,对奶牛背部点云进行精简,去除噪声点和冗余点,保留奶牛背脊部和边界轮廓的特征点;最后,根据奶牛背部体尺测点的几何特征和测点间的空间结构关系,对精简后的奶牛背部点云数据进行体尺测点的自动提取。采集了33头奶牛的完整背部深度视频数据,每头奶牛选取10帧,共计330帧试验数据。利用本文方法提取到的所有体尺测点的平均绝对误差均小于1. 17 cm,与非均匀网络法相比,经本文方法处理后的体尺测点提取时间缩短了33. 72%。本文研究结果可为奶牛体尺自动化测量提供技术支持。     

基于点云数据的NURBS曲面重建研究

提出一种基于点云数据的NURBS曲面重建方法，针对数据点的分布不均匀性，进行非均匀B样条曲线控制点的反算，通过累积弦长法构造非均匀节点矢量，保证了曲面的插值精度和曲面重建的质量。     

基于变尺度格网索引与机器学习的行道树靶标点云识别

针对行道树连续喷雾施药方式严重污染环境,果园对靶施药技术难以推广至复杂城区环境等问题,应用车载2D LiDAR获取街道三维点云数据,研究行道树靶标识别方法。构建变尺度格网点云索引结构,实现邻域快速搜索及点云在线处理;提取高程、深度、密度、协方差矩阵等11个点云球域特征,分析特征分布特性,采用基于径向基核函数的支持向量机算法融合特征,学习树冠点云分类器;采用FIFO缓冲区保存点云帧序列,实现行道树靶标在线识别。实验结果表明,该方法能够实现行道树靶标精确识别,在测试集上的分类错误率小于0.8%,检出率大于99.4%,虚警率小于0.9%,鉴别力最强的4个特征从高到低依次是高程均值、深度均值、高程范围和高程方差。     

基于三维点云的叶面积估算方法

为实现低成本无损精确测定叶片面积,基于运动恢复结构算法获取点云,提出了一种融合叶片点云分割、表面重建及叶片面积无损估测等过程的植物叶片面积提取方法。首先,基于运动结构恢复算法,以智能手机获取的可见光图像重建植物的三维点云;其次,为了还原叶片表面形状,基于HSV颜色空间,使用阈值分割法去除叶片点云的噪点;使用K-means聚类算法对点云的三维坐标矩阵进行分类,实现单片叶片点云的分割;基于滚球算法重建叶片的表面网格模型;最后,通过计算网格面积求得叶片面积。与常规叶面积测定方法进行了对比,本文方法的计算结果与扫描叶片法测定值相比平均误差为1.21cm2,误差占叶片面积的平均百分比为4.67%;与叶形纸称量法测定值相比平均误差为1.41cm2,误差占叶片面积的平均百分比为6.05%。结果表明,本文方法成本低、精确度高,可满足植物叶片面积无损精确测定的需求。     

基于超体素聚类和局部特征的玉米植株点云雄穗分割

针对当前三维点云处理方法在玉米植株点云中识别雄穗相对困难的问题,提出一种基于超体素聚类和局部特征的玉米植株点云雄穗分割方法。首先通过边连接操作建立玉米植株点云无向图,利用法向量差异计算边权值,并采用谱聚类方法将植株点云分解为多个超体素子区域;随后结合主成分分析方法和点云直线特征提取植株顶部的子区域;最后利用玉米植株点云的平面局部特征在顶部子区域中识别雄穗点云。对3种点云密度的15株成熟期玉米植株点云进行测试,采用F1分数作为分割精度判别指标,试验结果与手动分割真值相比,当点云密度为0.8、1.3和1.9个点/cm时,雄穗点云分割的平均F1分数分别为0.763、0.875和0.889,分割精度随点云密度增加而增高。结果表明,本研究提出的基于超体素聚类和局部特征的玉米植株点云雄穗分割方法具备在玉米植株点云中提取雄穗的能力,可为玉米高通量表型检测、玉米三维重建等研究和应用提供技术支持。     

基于三维点云的群体樱桃树冠层光照分布预测模型

合理的果树冠层结构和栽培密度可提高其冠层内光截获量,对提升果实产量和质量有重要影响。本文以细纺锤形樱桃树为研究对象,构建了基于三维点云的群体樱桃树冠层光照分布预测模型。使用Azure Kinect DK相机获取群体樱桃树三维点云数据,通过点云数据预处理得到完整的群体樱桃树三维点云数据。在冠层尺度内,对樱桃树冠层点云数据进行分层,提取不同区域的点云颜色特征。提出基于Delaunay三角化凹包算法的点云投影面积计算方法,通过凹包边界点提取和向量积叉乘,计算不同区域的点云投影面积。以点云颜色特征和相对投影面积特征为输入,以实测相对光照强度为输出,建立群体樱桃树冠层光照分布预测模型。试验结果表明,该模型能够较为准确地预测樱桃树冠层内的光照分布,预测值与实际值决定系数平均值为0.885,均方根误差为0.0716。研究结果可为樱桃树合理的种植密度管理及樱桃树休眠期自动化剪枝等提供技术支持。     

基于运动恢复结构的无规则植物叶片面积三维测量方法

接触式测量植物叶片面积的方法会对叶片造成一定程度的伤害,为此本文提出一种仅利用智能手机的非接触式多类别无规则叶片面积三维测量方法。首先,采用运动恢复结构方法获取植株的三维重建点云,在HSV颜色特征空间去除叶片三维噪点;然后,利用模糊C均值聚类算法分割单个叶片,重建叶片表面三角网格;最后,通过网格法计算叶片面积。对5种不同类别、不同形状的植物叶片进行了测量实验,结果表明,在叶片重叠率和复杂性角度上,面积测量的平均相对误差分别为6.25%和4.81%。本文方法测量稳定、精度高,能够满足多类别无规则植物叶片面积测量的需求。     

基于SICK和Kinect的植株点云超限补偿信息融合

针对传统点云信息融合需要限制传感器之间位置以及繁杂标定和Kinect传感器室外工作受光照条件影响会出现目标边缘缺失的问题,提出了基于SICK和Kinect相机组合探测的植株点云超限补偿信息融合方法。首先采用SICK二维激光传感器融合实时行进速度传感器,实现对植株三维点云重构,同时通过Kinect传感器获取植株彩色和深度图像合成彩色点云,然后分别对SICK和Kinect异源点云进行阈值滤波预处理和体素栅格下采样,求取各点法线及快速点特征直方图,利用采样一致性初始配准方法使异源点云之间拥有较好的初始位置关系,再进一步使用ICP算法精确配准,通过近似最近邻搜索和超限补偿的方法完成点云信息融合。在超限补偿方法中,通过对比转换后点云间误差,判断数据有效性,实现对数据的最终融合。试验结果表明,本文方法可以有效、准确地实现不同点云之间的信息融合,并能有效抑制阳光的干扰。     

机器人工作空间求解的蒙特卡洛法改进

对机器人工作空间求解的蒙特卡洛法的基本原理、算法流程、适用范围等进行了研究,分析了蒙特卡洛法中随机点分布的不均匀性以及内部随机点和边界随机点的不同作用,并总结了立体工作空间随机点分层处理时引起的误差情况.针对传统算法边界处随机点分布不理想的问题,强调边界点的重要性,根据关节空间到工作空间映射的连续性,在先期搜索到的边界点的小邻域内重新生成随机点,从而有效改善了边界处随机点的分布状况,提高了边界点的精确度.针对立体工作空间随机点分层处理带来的误差,采用二次分层的方法,通过减小统计层厚度提高边界点的统计精度.大量的试验证明了算法的有效性.     

基于参数化的玉米叶片三维模型主脉提取

提取玉米叶片三维点云模型主脉对于建立真实玉米叶片模型具有指导意义。本文利用计算机图形学中的相关算法,包括离散网格的平均曲率计算、网格曲面的参数化以及点云数据的骨骼提取等,对扫描得到的玉米叶片三维点云模型进行主脉曲线提取。整个算法分为3步:不完整主脉三维点集提取、完整主脉点集提取和三维主脉重建。通过对不同种类玉米叶片三维扫描数据进行实验证明,该算法可以快速、准确地得到玉米叶片的主脉曲线。