基于Kriging算法的手术导航三维形变技术

针对计算机辅助手术三维导航技术中无法利用术前CT重建模型进行病人个体化手术的问题,提出一种基于克里金(Kriging)算法的三维骨骼形变(bone morphing)技术.利用术中采集和医学图像模型的两片点云进行配准,在CT重建模型上选取4个合适的控制点,通过求解Kriging算法建立的方程组,获得CT重建模型上所有点相对于实际病例变形后的位置,实现医学图像模型向个体化的变形.最后,以人体股骨CT模型和塑料模型为对象进行了形变的精度分析和关节手术导航评估实验.结果表明:这种形变方法简单可靠,可以用于前交叉韧带(ACL,Anterior Cruciate Ligament)重建手术的导航评估.     

自研激光雷达三维点云配准技术

为了实现激光雷达点云与图像重建点云的三维空间配准,基于自研三维扫描激光雷达系统,提出了新型的快速多尺度因子（FMSR）点云配准算法,研究了空间点云配准技术。该算法主要包括初始配准和精确配准2个步骤:初始配准使用基于尺度自适应关键点质量（ASKQ）的点云特征提取算法,提取关键点的特征匹配对,求解点云配准初始参数;精确配准利用K-邻近（KNN）算法全局搜索,提升计算效率,多次迭代得到2组点云之间的最优旋转矩阵、最优平移向量和最优尺度因子。仿真和实验结果表明,所提出的算法对空间目标（尺寸为20.30 m×7.85 m×26.56 m）实现空间点云配准,配准精度达到0.194 m,运行时间为16.207 s;与多尺度迭代最近点（S-ICP）算法相比,配准精度提高了0.131 m,运行时间提高了30%。所提出的空间点云配准技术可为场景重建和纹理匹配提供算法基础。      

一种空间非合作目标的稀疏点云配准算法

点云数据配准是三维重构的关键技术之一,为了提高空间非合作目标的稀疏扫描点云数据配准的速度和精度,提出一种改进的基于四点算法的全局配准算法进行初始配准,再使用迭代最近点算法精确配准.针对直接扫描所得到点云数据量大的问题,本文提出一种基于KD Tree点云均匀采样简化算法,并且对传统基于四点算法中的阈值参数进行了统一,确定了各误差阈值参数和点云密度之间的关系.仿真结果表明,该方法能够快速、有效地实现卫星稀疏点云的配准,改进的四点算法配准耗时仅为几何哈希算法的42.49%.     

基于TEASER算法的空间非合作目标位姿估计

基于点云的空间非合作目标位姿估计,常受到噪声影响.提出截断最小二乘估计与半定松弛(truncated least squares estimation and semidefinite relaxation, TEASER)与迭代最近点(iterative closest point, ICP)的结合算法,提升空间非合作目标位姿估计精度与鲁棒性.该方法包括粗配准与精配准两个环节：在粗配准环节中,基于局部点云与模型点云的方向直方图特征(signature of histogram of orientation, SHOT)确定匹配对,利用TEASER算法求解初始位姿;在精配准环节中,可结合ICP算法优化位姿估计结果.北斗卫星仿真实验表明：在连续帧位姿估计中,噪声标准差为3倍点云分辨率时,基于TEASER的周期关键帧配准方法的平移误差小于3.33 cm,旋转误差小于2.18°;与传统ICP方法相比,平均平移误差与平均旋转误差均有所降低.这表明所提出的空间非合作目标位姿估计方法具有良好的精度和鲁棒性.     

基于三维点云模型的空间目标光学图像生成技术

空间探测任务中大量先验图像数据的缺乏，使得基于光学图像的态势感知和导航算法无法被有效定量测试和评估。针对此问题，提出了一种基于三维点云模型和射影变换基本理论的空间目标光学图像生成方法。在完成对空间目标三维点云模型和仿真摄像机模型构建基础之上，利用射影变换基本理论依次计算像平面所有像素点与空间目标三维点云模型空间点的对应关系，并基于Lambertian漫反射模型和相对应空间目标三维点云模型空间点的光照方向，得到所有像素点的灰度值，从而生成给定空间目标的光学图像。大量仿真实验表明:与传统的基于解析模型的仿真图像生成方法相比，所提的空间目标光学图像生成技术能够以更快的速度生成更加真实的仿真图像，且生成的仿真图像可以广泛应用于椭圆拟合、陨石坑检测、着陆器视觉导航、航天器交会对接、空间目标跟踪等典型空间应用算法的定性与定量评估。      

基于霍夫变换的空间非合作目标点云配准算法

针对空间非合作目标点云配准过程中目标残缺、机动过快等问题，对飞行时间深度(TOF)相机点云配准过程进行研究。利用相机可同时获取灰度与深度图的特点，提出一种基于霍夫变换的点云配准算法，在提供精确初始位姿的同时，也加速了最近点搜索过程。对TOF相机摄得灰度图进行边缘检测，利用边缘点以随机霍夫变换的方法拟合椭圆中心，使待配准点云与参考点云中心配准。随后检测图像几何特征，与对应参考点特征相配，提高初始位姿精度，既避免所提算法陷入局部最小，也可解决目标点云缺失无法配准的难题。在最近点搜索过程中，引入kd-tree改进算法，以3σ准则剔除单次k邻近的离群点，提高了相机动态性能。以某实拍卫星模型对所提算法进行仿真分析，成功验证了其对于残缺目标配准的可行性与鲁棒性。同时，在完整与残缺点云目标下，所提算法较于常规霍夫变换法相比分别提速955.3%和440.4%，且精度相当，具有较为广泛的应用前景。     

基于改进SIFT的图像配准算法

为解决存在较大程度旋转和缩放的图像配准问题,提出了一种基于尺度不变特征变换(SIFT,Scale Invariant Features Transform)的图像配准算法.采用对数极坐标变换(LPT,Log-Polar Transform)进行图像粗匹配,对图像旋转角度和缩放尺度变化量进行估计,并对图像加以校正;在粗匹配的基础上对图像进行分块,根据信息熵原理提取子块的SIFT特征和不变矩特征,构造新型的特征描述符;结合欧氏距离和Procrustes迭代算法获得图像的同名点对,并估计图像形变参数,完成图像配准.实验结果表明:该算法速度快、稳定性强,并能达到亚像素级的匹配精度.     

基于无监督学习的多模态可变形配准

针对医学图像配准问题,传统方法提出通过解决优化问题进行配准,但计算成本高、运行时间长。深度学习方法提出使用网络学习配准参数,从而进行配准并在单模态图像上取得高效性能。但在多模态图像配准时,不同模态图像的强度分布未知且复杂,大多已有方法严重依赖标签数据,现有方法不能完全解决此问题。提出一种基于无监督学习的深度多模态可变形图像配准框架。该框架由基于损失映射量的特征学习和基于最大后验概率的变形场学习组成,借助空间转换函数和可微分的互信息损失函数实现无监督训练。在MRI T1、MRI T2以及CT的3D多模态图像配准任务上,将所提方法与现有先进的多模态配准方法进行比较。此外,还在最新的COVID-19的CT数据上展示了所提方法的配准性能。大量结果表明:所提方法与其他方法相比,在配准精度上具有竞争优势,并且大大减少了计算时间。      

基于投影约束的C臂外参数优化方法

C臂外参数计算是手术导航系统实现图像空间与手术空间映射的关键环节.标记点提取误差将使外参数偏离真值.采用投影方法系统分析选点误差对外参数计算的影响,发现相机光轴方向平移参数收敛性弱、易受误差干扰.利用不同平面上投影距离之比作为约束对线性方法所得外参数进行修正.借鉴二/三维图像配准方法,采用修正后的估计外参数与已标定内参数进行重投影,根据几何方法直接求出外参数修正量,避免反复迭代优化.仿真结果表明,该标定方法对误差具有一定免疫性,能够提高外参数精度.      

遥感图像的快速配准方法

针对多传感器遥感图像的配准,提出了一种快速有效的图像配准方法.该基于分级候选点集匹配的配准算法充分利用了分级匹配和候选点集匹配方法的优点,减少了特征提取空间和搜索空间.并在同名控制点对的确定中引入距离计算,能更有效地确定同名控制点对,减少了误匹配率,增加的距离计算时间代价很小,而且不随图像大小发生变换,只与最终匹配点对数目有关.采用主观与客观判断相结合的方法进行配准评价,实验结果表明,该算法在图像存在一定背景噪声,同时具有平移、旋转的情况下,可以准确地进行配准,提高了配准速度和精度.      

基于平面靶标的多视点云对齐方法

在大型物体三维视觉测量中,多视点云的对齐是其关键技术之一.设计了一种带有多个间距已知的角点作为特征点的平面靶标.靶标置于视觉传感器在2个不同位置测量的公共区域,2次测得特征点三维坐标.用靶标上任意3个非共线特征点的三维坐标建立单位正交基,从而求得多视点云坐标系初始变换矩阵.以初始对齐后的对应特征点之间距离平方和建立目标函数,并引入距离控制来增加约束条件,以3点求得的坐标变换矩阵为初值,采用Levenberg-Marquardt优化方法解出最优的坐标变换矩阵.采用双目视觉传感器对一石膏像在2个位置进行了测量,实验结果表明该对齐方法简单可靠,优化后的对齐精度比优化前提高了约31%.      

基于序列图像的空间目标三维重建

空间目标三维重建对空间态势感知和理论研究具有重要意义。针对空间目标图像存在的由纹理重复导致的错误重建问题,提出了一种新的基于运动信息恢复三维场景结构策略。该策略将序列目标图像的成像时间顺序作为先验信息,顺序地加入新图像进行迭代,以避免因目标结构对称、纹理重复所导致的重建错误。同时针对空间目标成像数据匮乏的问题,进行了空间目标图像仿真,并开展了空间目标地面模拟成像实验研究。结果表明:运动分析结果精确,对噪声有较强的鲁棒性,恢复出的目标三维点云能在一定程度上表达目标的结构信息。同时给出了进行空间目标三维重建时图像序列应满足的边界条件。      

A model-free method for attitude estimation and inertial parameter identification of a noncooperative target

Determining the attitude and inertial parameters of a noncooperative target is essential in an on-orbit servicing mission. Various methods based on machine vision have been proposed, but most of them require the 3D model of the target. This paper proposes a model-free method through sequentially registering point clouds captured by a depth camera. Our main contributions are the avoidance of the ambiguity in registration, and the combination of the multiplicative extended Kalman filter and the pose graph optimization to reduce the effect of measurement noise and drift error. A hardware experiment was performed to generate the sequence of point clouds of a three-axis free-floating target and validate our method. The result shows that the proposed method outperforms existing methods and effectively identifies the inertial parameters, including the normalized principal moments of inertia and the orientation of principal axes.     

车身逆向设计中点云多视拼合技术

针对整车车身点云空间尺寸较大,数据量庞大,还原精度要求高等特点,提出基于骨架点的点云拼合算法,算法的基本思想是构造整车模型的骨架点和分块点云的mark点,由全等三角形法则搜索骨架点与mark点的映射关系,应用加速迭代的改进ICP(Iterative Closest Point)算法拼合整车点云.某厂轻卡整车点云的拼合实例证明,该算法拼合精度高,运算速度快,是拼合整车点云行之有效的方法.