基于M-估计的线性化稳健配准算法研究

复杂曲面在制造中的广泛应用对曲面配准技术提出了新的要求,特别是不同区域精度存在差异的复杂曲面配准问题日益突出。为了稳健估计思想推广到不同区域精度存在差异的复杂曲面配准,给出了基于M-估计的一种稳健配准算法。该算法利用M-估计子削弱复杂曲面低精度数据对配准结果的影响,但是这一模型目标函数是高度非线性的分段函数,求解效率不高。现有配准方法已能够迅速获得较好初始位置,因此利用Taylor展式线性逼近偏差函数,得到配准问题M-估计的线性化模型,提高了配准模型估计效率。每步迭代利用F-范数最小逼近旋转矩阵。对仿真数据和实测叶片数据进行试验,结果证明,对精度存在差异的复杂曲面所提算法比最近点迭代算法更加合理。     

面向高分一号遥感影像的自动几何配准算法对比

遥感影像的几何配准是影像后续处理的重要前提和遥感农情监测等应用的重要保障。不同的自动几何配准算法在配准效果上存在差异,单一配准算法难以满足所有类型数据的配准要求。根据不同地形特征和不同时相特征,选择了平原和山地、夏季和冬季4个实验区,以现有的基于区域的互相关法、互信息法和基于特征的SIFT算法为基础,分别对上述4个实验区的高分一号影像数据进行自动配准实验,对比3种算法的配准精度、配准效率和稳定性。实验结果表明：应用SIFT算法进行配准,4组实验结果均目视接边效果良好且均方根误差达到10 -5 数量级,满足精度要求。该方法简单、高效,可以应用于农情遥感监测等日常业务。     

基于三维点云的群体樱桃树冠层去噪和配准方法

樱桃树的栽培密度影响其冠层的光照分布,通过研究群体樱桃树的三维结构,可分析不同栽植密度下温室甜樱桃树冠层光照分布规律,指导樱桃树的科学种植,进而提高甜樱桃产量和品质。高质量的点云数据是构建群体樱桃树三维结构的基础,而点云去噪和点云配准是点云数据预处理的关键环节。本文提出一种基于三维点云的群体樱桃树去噪和配准方法,搭建群体樱桃树三维信息采集平台,使用2台固定的DK深度相机获取群体樱桃树彩色点云数据;提出基于颜色区域生长的二分类方法,设置颜色阈值分割点云并进行二分类处理,可有效去除彩色点云数据中的异常无效点,并设置点云离散度和RGB值,作为点云去噪评价标准;结合人工标记法和双相机位姿矩阵,提出基于颜色特征改进的ICP方法,解决传统ICP配准算法多依赖初始位姿且配准速度较慢的问题。该方法通过对点云粗配准,得到较好的初始位姿,使用SIFT算法提取颜色特征点,将颜色特征与ICP算法结合进行点云精配准,然后使用PCL中随机采样一致性算法,去除错误匹配点,有效减少配准时间,提高配准精度。以夏季和冬季的群体樱桃树20组点云数据为实验对象,对比分析ICP算法、NDT算法、SAC-IA算法和本文配准方法的配准精度和配准时间,结果表明,本文配准方法平均耗时分别为5.01、4.30s,均方根误差分别为2.316、2.100cm,有效减少了配准时间和配准误差,验证了本文算法的有效性和普适性。     

基于最大熵原理的复杂曲面位姿配准技术

三维测量数据和自由曲面设计模型之间的位姿精确配准是实现复杂曲面加工和检测的关键。为实现快速精确配准,提出一种基于最大熵原理的方法。首先基于加工定位和质量检测配准问题的分析,建立问题的统一模型。然后研究模型的有效求解问题,利用最大熵原理把配准问题转化为一个以熵函数为摄动项的摄动问题,解决极大极小配准模型目标函数的不可微性,为提高配准问题求解效率提供可能。最后通过对两类典型配准问题进行实验,证明了所提方法的有效性和实用性。     

基于RGB-D相机的油菜分枝三维重构与角果识别定位

为实现高效低成本的油菜植株三维建模和表型参数在线测量,提出一种基于RGB-D相机的油菜分枝三维重建和角果识别定位方法。使用Kinect传感器拍摄角果期油菜分枝在4个视角下的彩色图像和深度图像,进而获取油菜植株的三维点云并滤波。对配准的点云进行旋转变换,计算点云的曲面法矢量和曲率,并由曲率相近的点构成配对点对,再使用基于KD-tree搜索的最近点迭代(ICP)算法实现点云的初配准。将初配准误差作为参考值,调整ICP算法的对应点距离阈值,使用初配准的操作流程对初配准得到的新点云进行再次配准,完成精配准。结合该三维重建方法和针对性的彩色图像处理方法,得到去除主茎的单分枝油菜角果的完整点云,再进行欧氏聚类实现单个角果的空间定位。实验结果表明,提出的三维重建方法具有较强的实时性和鲁棒性,单个角果的三维形态清晰可见,点云平均距离误差小于0. 48 mm,角果总体识别正确率不小于96. 76%。     

基于Kinect相机的油麦菜自动化三维点云重建

为了解决传统三维点云重建过程中人工调参费时、费力,且精度得不到保障等问题,提出了一种三维点云自动化配准算法,并应用于油麦菜三维重建。使用Kinect相机采集油麦菜不同视角下的点云数据,通过配准实验分析配准参数的变化规律,继而建立了配准评价体系,实现了两片点云的自动化配准,并通过最小化匹配误差积累将多幅点云变换到同一基准坐标系下,实现了油麦菜三维重建。对随机选取的12株油麦菜进行自动化三维重建,结果表明,在两片点云重叠率不低于30%的前提下,本文算法可获得最优参数组合,自动全局配准平均距离误差为0.65cm,平均耗时为44.05s,具有较高的配准精确度和稳定性。本文算法能有效减少配准误差积累、构建较高精度的完整结构,可为其他作物三维重建提供参考。     

基于旋量理论的复杂曲面定位算法

传统的基于欧拉角的定位算法精度和效率都不高,易产生奇异性,而现有的基于旋量理论的定位算法只适用简单曲面。针对这种情况,提出了基于旋量理论的复杂曲面定位算法。首先将复杂曲面分解成多张简单曲面,分别计算测量点到每张曲面的最近点;然后采用边界判定法快速求取最近点,从而提高整个定位算法的效率。实例仿真结果表明,该算法不仅速度快而且精度高。     

基于双目视觉的齿轮曲面重构

工件的曲面重构可以反求工件的表面信息,对工件的重设计和造型改进具有重要的意义。本文以常用零件齿轮为对象,提出了基于双目视觉的曲面重构算法,反求齿轮的三维曲面模型。阐述了图像处理算法,提出了只针对目标区域进行立体匹配的算法,以节省计算量;介绍了三维点云处理算法,包括对图像处理后得到的三维点云进行滤波去噪,并将不同视角下获得的三维点云进行配准,得到完整的齿轮表面信息;最后利用贪婪投影三角化算法重构齿轮的曲面模型。     

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。     

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。     

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。     

基于计算机视觉的玉米果穗三维重建方法

提出了一种快速、准确、自动化的基于计算机视觉的玉米果穗三维重建方法。以一定角度间隔旋转果穗获取各视角下的图像,通过双目立体视觉技术重建各视角下的玉米果穗表面点云,计算重投影误差去除点云中的外点,寻找两相邻图像的对应匹配点,并由匹配点确定果穗表面点云中三维配准点的集合,计算两相邻视角下配准点的旋转矩阵与平移向量,采用RANSAC方法检验配准模型的一致性。依次对各视角下的点云配准拼接获得整个果穗表面点云,进行冗余点去除、网格简化、纹理贴图等后处理,获得最终果穗三维造型。实验结果表明:重建模型的体积与实测值不存在显著性差异,所述方法能够满足玉米果穗三维重建的需求。     

基于NURBS自由曲面重构的精度分析

通过对NURBS曲面重构技术的理论分析和实验研究,得知自由曲面的控制点数量对曲面重构精度有很大影响。在一定曲率半径时,适当增加控制点数量能减少曲面拟合误差,并使所重构的自由曲面更加光顺;而在相同控制点的情况下,曲率半径越小则精度越高,并用具体实例进行了验证。     

基于响应面的前纵梁柔性焊装夹具优化设计

前纵梁由薄板冲压件焊接而成,具有薄板冲压件的易变形性和制造误差特性。提出一种基于响应面与3DCS仿真分析相结合的汽车前纵梁柔性焊装夹具定位点布置方案设计的方法。对某汽车前纵梁装配过程进行偏差仿真分析,建立能够反映装配偏差源与装配偏差关系的仿真模型。结合汽车前纵梁结构特性以定位点横坐标为设计变量,通过响应面法中Box-Behnken Design(BBD)实验设计方法设计出试验样本方案。利用3DCS偏差分析软件建立某汽车前纵梁柔性装配偏差仿真模型,仿真分析得到装配偏差值,以关键测点偏差的6σ值的均方根作为系统响应,构建响应面代理模型。最后,用Design-Expert软件优化出让装配偏差最小的最优布置方案。     

基于散乱点云数据的五轴数控加工刀轨生成算法

提出一种基于散乱点云数据的五轴数控加工刀轨生成算法,该算法根据点云数据的型面特征规划驱动刀轨,基于点云数据的动态索引获取瞬时加工区域,计算瞬时加工区域中数据点对应刀位点集,选取刀轴正向最高点作为当前刀位驱动点对应的无干涉刀位点,检测相邻刀位点间的极限加工误差并采用二分插值法控制刀轨精度,最终生成满足精度要求的五轴数控加工刀轨,实例证明该算法刀具适用范围广,可对各种复杂型面的产品点云数据生成高质量的五轴数控加工刀轨。     

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GIS空间插值的降水分布模拟方法比较研究

为了获取区域最优插值方案,模拟降水空间分布信息,基于1960-2015年湖南省87个气象站点资料,利用ArcGIS 10.2软件平台,采用克里金法、反距离权重法、样条函数法和趋势面法对研究区近56 a年均降水量进行空间插值,通过比较各插值方法的插值精度获得适合区域的插值方法,并分析了研究区降水空间分布特征.结果表明:湖...