面向结构化场景的激光雷达点云高精度配准与定位方法

在基于先验地图的激光雷达室内导航方案中,通常采用点云配准的方法进行无人设备位姿初始化。在结构化场景下,传统配准算法特征鲁棒性较差,导致点云配准的误差较大且易陷入局部最优。针对该问题,提出了一种基于多平面空间模型的点云快速配准方法。首先该方法利用特征直方图的思想对空间点云进行快速粗聚类,根据平面一致性将粗聚类后的点集进行合并形成面特征,从而对密闭空间进行平面模型化表示。随后通过空间平面排序实现了面特征的快速关联,并利用线性匹配方法实现了两帧点云的精确配准,从而解算出机体在先验地图中的相对位姿。最后通过Gazebo搭建的仿真环境与室内结构化模拟环境对算法进行了验证。结果表明,在大型结构化场景下,算法具有更好的适应性以及更高的计算效率,能够快速为无人系统提供精准的地图初始位姿。     

基于测地线距离的空间非合作目标点云配准

针对局部结构相似及翻滚遮挡下目标动态特性辨识问题，提出一种融合疏密度指标与全局测地线距离的空间非合作目标点云配准方法。首先，引入球面投影法，将不规则的空间目标点云映射到规则的球面流形上。然后，设计基于点云离散程度的疏密度评价指标，将球面点云划分为不同的局部点云子集，在此基础上构建全局测地线距离矩阵以增强点云局部形状信息的感知能力。最后，依据全局测地线距离矩阵推导建立了场景点云与模型点云间配准矩阵，实现空间非合作目标的动态特性辨识。仿真与试验结果表明：提出的算法在目标局部结构相似及点云缺失下的配准精度优于最近迭代点（ICP）算法与基于凸包粗配准的改进ICP算法。     

航空发动机直纹叶片的线形特征点云构造算法

针对航空领域形状复杂、高精度的直纹叶片曲面的逆向设计问题,借助该类叶片曲面的几何特征,提出一种线形特征点云的构造算法.在对叶片散乱点云边界进行快速识别的基础上,采用反投影法提取直纹母线矢量,利用退火算法求解边界数据点配准的多目标优化问题,以实现边界点云数据的非刚性配准.根据配准结果构造等分点,进而得到规则有序的线形特征点云,达到快速生成高质量叶片曲面的目的.本算法在处理直纹叶片点云数据方面具有较好的效果.对直纹叶片的曲面重建具有一定的理论意义和应用价值,通过实验验证了该算法的可行性.     

动态环境下融合激光雷达和IMU的激光里程计设计

激光SLAM 通常通过多帧点云配准,完成位姿变换矩阵的估计,而点云中的动态点会降低 激光里程计的定位精度。为了减少动态点引入的误差,提出了一种动态点云识别算法,并结合该 算法改进了传统特征匹配策略,组成了动态环境下融合激光雷达和IMU 的激光里程计。通过约 束范围角与动态中心点,将点云快速分割成多个簇类,再借助IMU 信息,快速建立点云簇类配准 关系,从而去除动态点,最后根据簇类的对应关系进行约束,以提高匹配的精度与速度。使用 KITTI数据集和UGV 在多个情形下进行了实验。实验结果表明,该算法可以成功识别点云中的 多个动态对象,并通过去除动态点,有效地减少了位姿估计的累积误差。     

ICP配准算法的影响因素及评价指标分析

基于3D激光雷达传感器的同时定位与地图构建(SLAM)技术,是机器人自主定位解决方案的核心。三维点云配准环节是3D激光雷达SLAM实现自身定位与地图构建的关键所在。重点围绕ICP算法在三维激光点云配准中的应用开展研究,首先对ICP算法的配准原理及其求解过程进行详细分析,其次介绍了ICP的影响因素并提出了相应的评价指标,最后测试了ICP算法在不同角度和位移下的配准效果并进行了实验分析。     

基于定位特征点的叶片锥束CT点云模型配准方法

针对实际生产过程中锥束CT检测空心涡轮叶片的点云数据与计算机辅助设计模型的配准问题,提出了一种基于定位特征点的叶片锥束CT点云模型配准方法。首先将点云数据与计算机辅助设计模型进行预配准;然后查找空心涡轮叶片的设计定位特征点坐标;最后根据定位基准点寻找点云数据上与之对应的基准点,并建立各自坐标系,根据坐标系进行几何变换,迭代直至满足要求,从而完成精确配准。试验结果表明,该方法很好地实现了锥束CT点云模型的配准定位,满足了实际生产要求。     

基于点云配准算法的叶片进排气边测量技术研究

针对航空发动机叶片型面自动检测的难题,建立了以激光测头为核心的五轴非接触测量系统。通过合理的测量规划对叶片进行多角度、多截面自动扫描测量,得到其表面测量点及冗余点。进而将点邻域曲率特征引入到点云配准算法中,自动优化初始冗余点点集,应用ICP点云配准算法对多角度测量点进行拼接处理,最终得到叶片型面点云。     

基于Kinect三维重建的地下井室可视化方法研究

针对现有地下井室病害探测与维护方法的不足,提出了一种基于Kinect三维重建的地下井室可视化方法,以实现其三维可视化探测与维护.还提出了一种基于多项式曲面拟合的Kinect深度测量误差修正方法,利用联合双边滤波算法对深度图像数据进行预处理;结合SIFT特征匹配和改进的RANSAC算法获取相邻点云间的初始位姿,并利用基于邻域特征的ICP算法进一步实现不同视角点云的精确配准,从而获取全局一致的稠密三维点云.最后,在三维稠密点云的基础上进行曲面重建和纹理贴图,以实现地下井室真实三维重建.实验结果表明:所提方法可有效修正Kinect深度相机的深度测量误差,在0.5～4.5m的测距范围内,其三维重建精度可达2cm;在4.5～7m的测距范围内,精度也可以保持在4.5cm以内.所提重建方法可实现地下井室真实场景的三维可视化,为地下井室的探测和维护提供了技术支持.     

基于点特征的干涉合成孔径雷达(InSAR)复图像自动配准算法

 在基于点特征的遥感图像配准过程中，特征点的自动提取和准确匹配是影响配准精度的关键。本文提出了一种干涉合成孔径雷达(InSAR)复图像对的自动配准算法，利用特征点的高曲率结构设计了模板，完成了特征点检测；根据匹配点对之间距离相近的结论设计了匹配算法，进行了特征点对的匹配。文章首先通过边缘检测和模板相关提取特征点；其次根据提出的匹配算法建立点的对应关系；最后利用两步法完成复图像的亚像元级配准。实验结果表明，该算法具有较高的配准精度。     

复杂曲面零件散乱点云特征点提取

复杂曲面零件的几何特征提取对加工质量的检测及逆向重构具有重要意义。提出了一种复杂曲面零件散乱点云特征点提取方法。首先,提出了基于高斯权重的邻域主成分分析的方法,通过估计每一点邻域的局部变化程度对点云模型进行初始标记;然后,采用基于标记的自动识别法实现特征点的提取;最后,通过特征点聚类的方式去除了特征点集中的异常点,完善了提取的点云特征。该方法直接操作于散乱点云,无需任何的拓扑连接信息。试验结果表明:该方法简单、有效,不需要过多地人为调节参数,特征点提取完整。     

单光子激光雷达数据去噪与滤波算法

单光子激光雷达获取的点云数据存在大量噪声,这给数据的处理带来了挑战。基于局部距离统计提出了改进的点云去噪算法,对单光子激光雷达点云原始数据进行去噪。然后基于统计分析方法改进了点云滤波算法,对去噪后的点云数据进行滤波处理。利用新提出的算法与传统算法去噪和滤波后得到的点云进行比较,并与传统激光雷达的数字地形模型(DTM)数据进行对比。计算得到MABEL地面点云相对于传统激光雷达高程的均方根误差RMSE为2.98m,相关系数R^2为0.9938。进一步对地面点云插值得到剖面数字高程模型(DEM)数据,其相对于传统激光雷达高程的均方根误差RMSE为2.85m,相关系数R^2为0.9931。实验结果显示,提出的单光子激光雷达点云去噪和滤波算法优于传统算法,与传统激光雷达DTM数据具有较好的相关性,能够精确的恢复地形信息。     

基于多特征点参数权值优化的蒙皮点云去噪研究

点云去噪的效果对三维扫描过程后续的曲面拟合与造型设计至关重要，如何快速准确提取特征点已成为研究热点，然而点云去噪的关键之处在于奇异值与离群值的检测。提出耦合多特征点参数的去噪模型，分别讨论每个特征点参数对去噪模型的影响程度；采用群智能算法求解出一组最优参数权重，以此确定点云去噪模型，从而达到三维散乱点云最优去噪效果；通过对Bunny 模型进行去噪仿真以及某一型号的蒙皮进行去噪实验，对去噪模型进行验证。结果表明：本文提出的点云去噪模型相较于半径滤波器、统计滤波器、改进体素滤波结合高斯滤波模型，迭代更快、耗时更少，具有更好的去噪效果。     

航空发动机管路测量数据分割方法

 为了提高航空发动机管路测量数据的反求建模效率,提出了一种区域增长分割算法。该方法主要是利用管路表面在曲面索引系数映射、主曲率映射、高斯映射上的特性,并基于均值漂移算法和遗传算法提出了区域分割算法中种子区域的选择策略。然后利用区域增长分割方法实现了对管路测量数据的分割。经过仿真和实测数据验证,所提管路分割算法具有较好的分割质量和效率。     

某型航空发动机叶片逆向工程方法研究

以某航空发动机叶片为研究对象,结合叶片的曲面特征,使用三坐标测量机逆向工程采集点云数据;提出了适合于叶片曲面的最小二乘滤波降噪算法,应用滤波算法对点云数据进行降噪处理,并使用ImageWare软件完成数据的曲线曲面重构;最后从曲面质量和拟合精度两方面,分析和评价了叶片逆向工程的精度可靠性。     

Structure-aware fusion network for 3D scene understanding

In this paper, we propose a Structure-Aware Fusion Network(SAFNet) for 3D scene understanding. As 2D images present more detailed information while 3D point clouds convey more geometric information, fusing the two complementary data can improve the discriminative ability of the model. Fusion is a very challenging task since 2D and 3D data are essentially different and show different formats. The existing methods first extract 2D multi-view image features and then aggregate them into sparse 3D po...     

基于凸包算法的陶芯弯曲度与扭曲度误差计算

陶芯弯扭变形直接关系到空心叶片的壁厚尺寸分布,为克服当前陶芯弯扭变形的计算中测量数据与理论模型三维配准、陶芯截面轮廓线提取或拟合的过程算法复杂、收敛速度慢、效率低等问题,提出了一种通过测量数据点直接计算陶芯弯曲度和扭曲度误差的算法,该算法不需要三维配准和提取陶芯外轮廓线,通过距离权值法计算陶芯弯曲度,凸包算法计算陶芯扭曲度,能大幅提高计算效率。仿真与实验结果表明:该算法弯曲变形计算精度为99.55%,与二维配准算法相差±0.01mm;扭曲变形计算精度为99.98%,与二维配准相差±0.006°。      

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图像与激光雷达点云的数据融合,实现了基于稠密深度图对目标位置的估计,提高了对小目标的定位能力.试验结果表明,与传统Yolov3目标识别算法相比,该算法平均识别准确率可提升5.8％;此外,相对定位算法将包含小目标在内的物体相对定位精度提高了13.4％.