轴流式水轮机叶片曲面重构技术

详细讨论了散乱点云数据采集、点云数据的预处理、点云三角化、采用NURBS为基础的曲面重构方法以及曲面光顺与精度检测等方面内容,为具有自由曲面特征的叶片类部件提供了曲面重构流程.针对基于散乱数据的轴流式水轮机叶片外形曲面重构问题,在阐述模型重构过程基本理论的基础上,根据曲面特征进行区域分块,提出了基于流线和轴面截线构造矩形域曲面片的方法,获得了符合设计要求的叶片实体模型.研究结果表明：该方法重构的数字化模型具有良好的光顺性和精确性,为后续作业奠定了基础,为逆向工程技术应用于流体机械行业提供了客观依据.     

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。     

基于逆向工程的车身测量点云分割方法研究

主要研究实现了两种车身测量点云数据逆向建模过程中点云分割的算法——基于平面度的直接分割方法和基于对数法矢值的曲面分割方法。前者通过最小二乘拟合平面法矢量夹角的均方差值来搜索具有几何相似特性的连续曲面片。后者以起始点法矢量与其二阶邻域点的法矢量差的模为特征求解一对数值作为数据点的分割特征。最后结合车身曲面点云数据,给出不同的实例说明两种方法在车身逆向建模中针对不同特性曲面的分割有效性。     

兔子爪趾曲面重构及特征曲线的提取

通过交线构造曲面和点云拟合构造曲面两种方式重构兔子爪趾曲面并分析误差,结果表明第一种方式得到的曲面最大偏差为0.254 mm,后者最大偏差为0.341 mm。相较而言交线构造曲面更适合爪趾等复杂曲面的重构。以交线构造的曲面为基础提取具有特殊结构的脊线和前端轮廓线。拟合得到的脊线方程相关系数为0.999 3,轮廓线方程相关系数为0.996 2。     

基于非均匀细分的散乱点云数据精简算

针对海量散乱点云数据精简问题,提出了基于非均匀细分的精简算法.采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域.对k邻域内的散乱点进行二次曲面拟合,以拟合曲面的平均曲率为判据决定是否对八叉树空间实行非均匀细分,细分过程中由数据点之间的最大间隔角决定细分程度.构造曲率差函数,识别出边界数据点,对其进行数据保护.该算法对具有曲率多样化特点的点云数据的精简具有实用性,通过实验验证了该算法的可靠性和准确性.     

基于逆向工程技术曲面零件设计研究

本文基于逆向工程技术对卡扣产品设计进行了研究,首先采用LSH800线激光扫描测量仪对卡扣进行了点云数据采集,然后利用Imageware软件对点云进行简化处理并对点云进行多边形网格着色处理,在此基础上,基于曲面造型工具对零件的四个部分分别进行曲面拟合和裁剪得到卡扣曲面造型。误差评估表明最大误差为0.108 mm,满足产品设计需求。     

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。     

基于逆向反求技术的旋耕机弯刀数据采集与曲面重构方法

针对旋耕机弯刀曲面复杂、建模困难的问题,提出了基于样品的逆向反求建模方法。运用非接触式激光三角法采集了T系列Ⅰ型旋耕弯刀原始数据,通过点云数据降噪、精简和网格化进行数据处理。针对不同位置,采用不同方法提取了特征曲线,并进行曲面重构,通过缝合各个重构曲面和刀柄修补最终完成了旋耕机弯刀三维实体模型的建立。     

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。     

基于深度信息的草莓三维重建技术

以盆栽和高架两种栽培模式生长环境下的草莓植株为研究对象,提出了一种基于深度信息分割聚类的草莓冠层结构形态三维重建算法。首先,以深度信息的不连续性特征作为草莓植株逐层分割的重要依据,以深度二维图像作为全局参考指标,提出深度信息步进方法,自动提取冠层点云;其次,改进密度聚类算法,有效滤除随机、跳边和背景噪声;最后,改进基于Harris算子的多源图像融合算法,实现彩色图像与强度图像的配准及点云颜色的映射,三维重建出具有颜色信息的草莓冠层结构形态。为验证该算法的有效性,将三维重建后冠层的平均单叶长度及A-B线距离作为评价指标,试验结果表明,模型的平均单叶长度计算正确率为93%左右,A-B线距离计算正确率为97%左右,研究结果可为草莓采摘机器人果实识别过程中枝叶空间结构关系的构建提供技术支持。     

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...     

基于旋转曲面轮廓特征的农田地表点云配准研究

作业场景重建可为智能农机自主作业提供全局信息与局部细节,针对因农田表面缺乏高区分度的点、线、面高层结构造成的特征描述性差、点云配准精度不足的问题,提出一种基于旋转曲面轮廓特征的农田地表点云配准方法。首先,采用32线激光雷达获取农田真实地表点云数据并完成去噪、降采样等预处理;然后,采用加权线性协方差矩阵的奇异值分解确定关键点唯一局部参考坐标系,并统计关键点与旋转曲面截面交点距离信息,生成地表点云的局部特征;最后,采用基于单特征初选与局部特征精匹配原则的多级特征匹配策略进行局部特征匹配,计算旋转矩阵与平移矩阵完成点云配准。试验结果表明,旋转曲面轮廓特征与其他特征相比,平均精度增加7.5个百分点,平均召回率增加24.09个百分点;多级特征匹配策略相对于最近邻搜索策略,平均精度增加12.68个百分点,平均召回率增加18.38个百分点;本文的点云配准方法的平均平移误差为23.59dr,平均旋转误差为3.72°,配准成功率为87.5%。因此,本文提出的基于旋转曲面轮廓特征的农田地表点云配准方法适用于真实农业地表无序点云的自动配准。     

基于相机与激光雷达融合的温室机器人行间导航方法

针对温室颠簸不平、枝叶遮挡道路的复杂环境,开展基于相机与激光雷达数据融合的机器人行间导航方法研究。首先,利用改进的U-Net模型实现图像道路区域的准确快速分割;其次,通过融合图像分割结果进行地面点云预分割,减少地面起伏造成的点云倾斜;然后,采用改进的KMeans算法实现作物行点云快速聚类,并将聚类中心作为作物行主干区域点,降低枝叶遮挡对作物行中线提取的影响;最后,采用RANSAC算法拟合两侧作物行方程并计算出导航线。通过实验评估导航线精度,在测试集中94%以上数据帧可以准确实现提取导航线,平均角度误差不高于1.45°,满足温室机器人沿作物行自主导航行驶要求。     

基于表面凹凸性的羊胴体点云分割方法

羊胴体自动化分割对于提高羊屠宰加工企业生产效率有重要意义。为实现将羊胴体点云精准高效地分割为多分体,研究了一种基于表面凹凸性的羊胴体点云分割方法。以倒挂状态下的巴美肉羊胴体为研究对象,利用三维激光扫描仪获取羊胴体点云。首先,对羊胴体点云进行预处理,去除离群点噪声和采用体素滤波的方法进行下采样;并将羊胴体点云超体素化,以获取超体素邻接图;然后,对超体素邻接图中相邻点云的公共边进行凹凸性判断,将凹边凸边赋予不同权重;并由得分评估函数计算不同权重点云的得分,将结果与参数S_min作比较;最后,根据比较结果确定分割区域,完成对羊胴体点云的分割。试验结果表明：羊胴体点云分割的平均精确度、平均召回率、平均F1值和平均总体准确率分别为92.3%、91.3%、91.8%、92.1%。各分体的平均分割精确度分别为92.7%、90.7%、92.6%、93.2%、92.5%、92.2%,各分体的平均分割召回率分别为86.0%、93.2%、92.8%、91.6%、90.9%、93.4%,处理单只羊胴体点云的平均时长为18.82 s。通过处理多分体组合点云以及多体型羊胴体点云判断本文方法的适...     

基于Kinect v2传感器的果树枝干三维重建方法

针对果树三维重构中存在建模精度低、成本高、拓扑结构差等问题,提出一种基于Kinect v2传感器的果树表型三维重建与骨架提取方法。首先,使用Kinect v2传感器采集不同视角下的果树点云数据;其次,对植株点云进行尺度不变特征变换的特征点检测,对关键点使用快速点特征直方图算法进行特征向量计算,通过随机抽样一致性方法提纯点云的初始位置,经初始变换后使用改进的迭代最近点算法进行精配准、拼接形成完整点云;最后,使用Delaunay三角剖分解构点云数据对缺失点云进行填充,使用Dijkstra最短路径算法对最小生成树进行求取,通过迭代去除冗余分量对骨架进行简化,使用圆柱拟合算法估算枝干骨架,将枝干骨架变为封闭凸包多面体,实现果树的枝干三维重建。实验结果表明：采用本文所提建模方法点云平均配准误差为0.52cm,枝干平均重构误差不超过3.52%,重建效果良好。研究成果可为果园评估作物状态、智能化修剪等研究提供数据支持。     

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。     

基于机载激光雷达点云的飞行障碍物提取方法研究

无人机搭载激光雷达扫描仪以获取机载点云已成为农作物冠层结构信息提取的理想数据源,基于机载激光雷达点云提取树木、电力塔、电力线等飞行障碍物,为无人机安全飞行提供可靠数据。首先,使用TerraSolid软件对点云进行滤波,分离地面点,提取植被树木、电力塔、电力线等障碍物,根据地物分布进行点云分幅。利用PCL点云库中随机采样一致性及稳健的特征值法构建平面模型,实现分幅后的点云非地面点及飞行障碍物提取。最后,以人工滤波结果和分类结果为参考点云,分别建立基于TIN算法的滤波结果和PCL分割结果的精度验证混淆矩阵,从而对滤波及分割提取障碍物的结果进行精度评价。研究结果表明,TerraSolid软件处理分幅点云效率优于整幅点云数据,TerraSolid及PCL两者对于处理相同分幅点云结果较为相近,其中PCL操作快捷高效,可视性较差。在提取飞行障碍物的过程中,可结合二者优势。     

基于点云语义分割的猪只体尺测量方法研究

生猪的体尺参数是生猪生长状态的重要评判标准,而人工测量体尺耗时耗力且容易造成猪只的应激反应,本文研究了无接触式猪只体尺参数测量方法,借鉴人工测量经验法,提出基于点云语义分割的猪只体尺测量方法。本文以大约克夏猪为研究对象,搭建无接触式猪只点云采集平台,采集3 510组猪只双侧点云数据;利用直通滤波器与随机采样一致性分割处理方法去除背景点云,基于统计滤波器去除离群点,采用体素下采样方法稀疏点云,完成猪只点云的预处理;基于PointNet网络,结合注意力模块构建语义分割模型,针对不同分割部位设计猪只体尺测量方法。试验结果表明,在自制数据集上,改进的语义分割模型准确率为86.3%,相较于PointNet、PointNet++和3D-RCNN分别高8、5.7、2.6个百分点;体尺的测量值与实测值最大绝对误差为6.8 cm,平均绝对误差均在5 cm以内,具有较高的估算准确性,此方法能够用于猪只体尺测量。本文将语义分割与体尺测量相结合,可为后续非接触测量提供思路。