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%.     

散乱点云自适应滤波算法

提出一种散乱点云自适应滤波算法,该算法采用改进的R*-树组织散乱点云的拓扑近邻关系,基于该结构快速准确获取局部型面参考数据,自适应调节二维高斯分布的数字特征计算滤波权值,计算局部型面参考数据对原始型面数据的影响因子,以此作为权值计算各点滤波后的坐标,采用加权平均方法实现散乱点云的自适应滤波.实验证明该算法可有效提高点云的滤波效率,在保留原始型面特征的基础上,减小点云的随机误差,提高光顺性.     

空间非合作目标的多视角点云配准算法研究

为了提高相邻视角间稀疏扫描点云数据配准的速度和精度,实现多视角点云精确配准,提出一种基于KD Tree点云均匀采样简化算法,并且对传统四点算法（4 PointsCongruentSetsAlgorithm,4PCS）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,通过基于姿态校正的方法有效解决了对称视角点云引起的误配准问题。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。     

基于姿态标准化的线特征点云提取方法

从零件三维点云中提取棱边等线特征所对应的点云是零件模型重构的关键,也是点云数据处理的基本操作.基于曲率的线特征点云提取方法易受点云初始姿态以及曲率估计方法的影响,曲面拟合及曲率估计误差较大.提出了一种基于点云姿态标准化的线特征点云提取方法:首先计算点云主方向并将其同z轴对准实现点云姿态的标准化,然后进行曲面拟合并以最大主曲率绝对值作为曲率估计值,最后对曲率值取阈值提取出线特征点云.用不同类型的点云数据进行了实验,结果表明所提方法有较高的提取效率和良好的适用性.     

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。      

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.     

基于经验模态分解的点云数据平滑与增强

在计算机辅助设计与逆向工程应用中,针对缺乏拓扑连接关系的点云数据,提出了基于经验模态分解(EMD)的点云数据平滑与增强算法。首先,以点云模型的拉普拉斯矩阵坐标与法向的内积作为EMD输入信号,提取点云模型输入信号的极值点作为插值节点计算信号的上下包络;然后,为实现特征保持的EMD信号分解,通过检测点云数据上特征点,并在计算信号上下包络的过程中作为约束,克服传统EMD算法无法保持特征的局限;最后,迭代地从输入信号中减去上下包络的均值得到内蕴模态函数(IMF)和余量,并通过设计滤波器实现了点云数据平滑和增强。实验结果表明,本文算法有效地将EMD推广到三维散乱点云数据中,扩大EMD在三维几何中的应用范围,并在点云数据平滑和增强方面取得了很好的效果。     

基于ICP算法的手术导航三维配准技术

针对计算机辅助手术三维导航技术中术前CT图像与术中实际空间的配准问题,提出一种基于最近点迭代(ICP,Iterative Closest Point)算法的特征点云配准技术.利用医学图像空间和实际空间特征区域的两片点云坐标进行三维配准.对CT图像进行重建、分割及交互式操作得到医学图像特征点云;利用光学定位仪实时采集实际空间中对应区域的点云;通过主元分析(PCA,Principal Component Analysis)获取两组点云数据的特征向量进行初配准;进行最近点迭代使配准矩阵收敛到一个最优解,其中采用k-d tree寻找邻近点加速迭代过程.以塑料脊柱模型骨为对象进行了脊柱手术导航配准精度实验,进一步对实验中的点云数据加入高斯噪声以进行误差分析.结果表明这种配准方法简单可靠,在模型骨情况下配准精度在1mm以内.     

一种基于层次聚类的空间非合作目标重构方法

由于激光传感器内在的缺陷，获得的非合作目标原始点云数据往往处于一个分布不均匀的状态，这就对后续的高质量非合作目标表面重构带来了很大的挑战.提出了一种基于全局约束的局部层次聚类方法来提升非合作目标点云分布的连续性.该方法主要可分为两步：1.基于全局约束的自适应八叉树三维空间分解，2.基于全局约束的层次聚类.第一步的主要目的是为了降低算法的复杂度，第二步则将分布不均匀的点集转化为均匀分布的状态.本文在三个非合作目标模型上进行了实验.实验的可视化结果与定量计算结果均验证了该方法的有效性.     

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。     

基于多约束因子图优化的无人车定位与建图方法

针对目前在特定场景下应用的低速无人车定位系统极度依赖全球导航卫星系统（GNSS）,存在定位精度不高、漂移误差大、受环境影响严重等问题,提出一种低成本、高精度的无人车定位与建图方法。该方法基于三维激光定位与建图（SLAM）技术。首先,使用点云主成分分析（PCA）实现基于特征匹配的激光里程计;其次,将GNSS位置信息、点云分割聚类得到的地平面和点云聚类特征作为位姿约束分别加入图优化框架,消除激光里程计的累积误差;最后,得到最优位姿和大规模场景的点云地图,以实现无人车的自主定位导航。利用包含大型户外城市街道环境的KITTI数据集对所提出的SLAM算法进行了评估,结果表明:系统在3km运动距离情况下定位偏差可控制在1.5 m以下,在局部精度和全局一致性方面均优于其他里程计系统,为无人车的定位提供了新思路。      

一种自由曲面视觉测量三维数据拼接方法

提出一种利用标志点构建全局测量控制点的视觉测量三维数据拼接方法.在被测自由曲面上粘贴标志点,并在被测区域放置基线尺,采用1台数码相机在不同视点拍摄标记点和基线尺图像,由此求解数码相机在不同视点的坐标系变换关系.在此基础上,根据立体视觉模型确定标志点三维坐标,转换到全局坐标系下,形成全局测量控制点.视觉传感器在不同位置对各局部区域进行三维扫描,获得局部区域内标志点在局部测量坐标系下的坐标,通过至少3个非共线标志点解算局部坐标系到全局坐标系的变换,从而将实现局部三维数据的拼接.该方法操作简便,适合现场使用.实验结果表明, x,y,z 坐标的拼接误差分别为0.03mm,0.02mm,0.07mm.     

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%.      

基于全局稀疏地图的AGV视觉定位技术

为了实现自动导引车（AGV）在复杂工业环境下的高精度定位,克服环境变化给定位带来的影响,提出了基于全局稀疏地图的视觉定位方法。首先,设计了大容量二维编码点,作为人工路标铺设在工业环境的地面;然后,基于一种四边形识别算法,在复杂工业环境中准确分割和识别二维编码点;最后,利用二维编码点提供的编码信息,鲁棒匹配图像中的特征点,并以此为基础,使用一种分参数块优化的三维重建策略,实现了工业环境的大规模地图构建,为AGV视觉定位提供了一种稀疏电子地图。AGV视觉的定位通过匹配车载视觉传感器图像中的特征点和稀疏电子地图实现。停车重复定位精度小于0.5 mm,角度偏差小于0.5°,轨迹平均位移误差小于0.1%。实际应用结果表明,该方法能在复杂工业环境中实现AGV视觉的定位,定位的速度和精度方面都满足工业应用的要求,为AGV的视觉定位提供了新的思路。      

基于特征点集的匹配算法应用于卫星姿态确定

综合了灰度与几何特征匹配方法,依据局部纹理能量分布选取特征点集,并利用特征点集的几何约束关系构建了可描述图像整体特征的模板.通过逐步求精方法实现了实时图像与基准图像的匹配.首先通过特征点集匹配进行粗搜索;然后通过精搜索以及角度校正得到实时图像中目标偏移旋转量.该特征点集算法与传统图像匹配算法相比较,在保证精度的基础上能提高匹配速度,且具有一定的旋转不变性和抗噪性.仿真实验证明了该算法的可行性.      

探月飞行器软着陆光学自主导航的特征图形匹配方法研究

对基于特征图形匹配的月面精确着陆光学导航方法进行了研究, 包括图像特征点提取、特征图形构建以及特征图形匹配. 利用特征点间相对距离不变的特性, 确立特征点的连通规则, 解决存在平移、旋转和放缩等情况下的图形匹配问题. 利用多幅月面真实图片对算法进行仿真测试, 仿真结果验证了其有效性. 以所提出的特征图形匹配方法为基础, 设计仿真算例对导航方法进行验证, 结果表明, 基于特征图形匹配的光学导航方法可实时确定飞行器的位置和速度信息且精度较高, 是适用于探月飞行器精确着陆导航的有效途径.      

基于实数编码的改进遗传算法研究

针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,提出了基于实数编码的遗传算法的改进算法,对基于实数编码的遗传算法的选择、交叉、变异算子以及操作方法进行了改进,采用最佳保留选择策略、多算子交叉和变异,并且采用自适应变焦变异,改进后的交叉与变异操作,使算法始终保持了种群的多样性,同时也提高了寻优最终结果的精确性。实验表明基于实数编码的改进遗传算法(R IGA)有效的改善了遗传算法的缺点。