一种基于散乱点云的铆钉孔孔位提取方法

针对目前铆钉孔特征提取方法的限制多、自动化程度低等问题,提出了一种基于散乱点云的铆钉孔自动识别与特征参数提取算法.通过每个点的k邻域点分布情况提取点云边界点,利用欧式距离聚类对其进行分割得到属于不同边界特征的点云块,随后依据椭圆拟合结果提取铆钉孔边界.借助k近邻搜索算法寻找铆钉孔边界邻域点云,进而构造铆钉孔的实际定位面...     

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.     

基于双判定准则的航空发动机叶片缺陷孔洞的边界提取

航空发动机叶片缺陷孔洞的几何形状复杂、位置分布散乱且曲率变化明显,使用单一判定准则难以完整地提取其边界特征点。为实现叶片缺陷孔洞边界的精准提取和孔洞边界线的平滑拟合,提出了一种基于双判定准则的航空发动机叶片缺陷孔洞边界特征点的提取算法。该算法采用K–Dimension tree(K–D树)建立点云的空间拓扑结构,以采样点及其K邻域点为参考依据构建拟合平面,将采样点的空间坐标转化为平面坐标。通过融合采样点的法向夹角判定准则与邻域场力矢量和判定准则,采用加权的方式获得采样点的特征值与判别阈值作为边界特征点的判定依据。通过两组试验验证了该算法的有效性和准确性,试验结果表明,该方法可有效提取复杂缺陷孔洞模型的边界特征点。     

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。     

散乱点曲面测量造型技术及其在飞机曲面工装模具设计与制造中的应用研究

 分析研究了利用坐标测量机进行曲面模具数控测量的有关理论和方法。提出了一种基于测量规划、散乱点三角划分和采用Ｂｅｚｉｅｒ三角形插值曲面重建曲面模具实物数学模型的方法。目前，这种重建实物数学模型的方法已经在复杂曲面模具散乱点测量、几何造型和数控加工系统３ＭＳ中得到了应用，较好地解决了航空、航天及汽车工业中一类构型十分复杂、形状和边界极不规则曲面产品的设计与制造     

基于迭代算法的复杂曲面零件三坐标测量快速精确定位方法

针对复杂曲面零件在三坐标测量过程中存在着定位难、定位精度低的问题,基于改进的迭代最近点算法,提出了考虑半径补偿的预定位与精定位的多级定位算法;并通过建立定位点几何误差与叶片定位精度的数学关系模型,结合贪婪算法与六点原则,给出了近优的定位点序列生成方法。结合定位算法与定位点序列,给出了复杂曲面零件定位迭代流程,并开发了三坐标测量定位系统。以涡轮叶片为例,通过的定位仿真和定位实验,结果表明:该系统只需测量12～18个点即可使得叶片定位误差在0.1mm以内,证明该系统能有效的提高复杂曲面零件的定位精度和效率。      

基于局部几何特征的稠密点云配准方法

针对现有的稠密点云配准方法依赖初始位置设定、计算成本高、配准成功率不高等问题，提出了一种基于点云局部几何特征的稠密点云配准方法。采用深度卷积网络模型提取点云的局部几何特征，从而减少了三维点云数据的噪声、低分辨率和不完备性等带来的影响。在此基础上，使用K维树搜索完成局部几何特征描述子的关联工作。最后，通过随机采样一致算法对点云的相对位姿进行鲁棒的估计。通过对开源数据集上5个典型场景中的数据测试表明，该方法的配准成功率达到92.5%，配准精度达到0.0434m，配准时间相对最邻点迭代配准算法缩短了74.7%，实验结果验证了该方法的有效性、实时性和鲁棒性。     

反求工程中曲面拟合的参数化

文章通过给出了一张曲面片上的四条边界曲线和一批散乱点，提出了给这些点赋予参数的方法，这一算法通过采用多种基面曲，向基曲面上投影这些散乱点的方法，找到这些点基于基曲面参数定义的参数，为了加快耗时的投影过程也提出了几种技术，还介绍了一种简化方法，选取这批点的一部分，在需要更快处理速度时，这些点可以作为样本，这种简化是基于基曲面的几何性质，并且取决于一定的几何容差。     

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.     

月面环境三维激光SLAM技术

同步建图与定位（SLAM）可实现月球车在未知复杂月面环境下的定位与导航,月球表面由陨坑、石头等起伏地形构成,缺乏树木、建筑物等地面存有的显著特征,大量特征不显著的点云数据会对月球车定位精度和实时性造成影响。本文提出了一种针对月面环境的显著特征点云提取方法以及基于曲面定位能力估计的增量式优化算法,通过Fisher信息矩阵计算曲面定位能力指标,获取机器人位姿估计的不确定性测量,利用增量式的SLAM方案进行优化,用于提高定位精度与实时性。通过在Gazebo （物理仿真平台）仿真场景下的测试,验证了算法性能。     

面向未知区域深度测量的序列图像稠密点特征生成算法

对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。     

一种适合于大尺寸航拍图像的特征点提取方法简

 一些航拍图像的尺寸较大,现有的特征点提取算法在对其处理时均要耗费大量的时间,针对这一问题,提出一种快速有效的特征点提取算法。首先构造原始图像的拉普拉斯金字塔,以获得图像的尺度信息,同时保留图像的方向信息;再使用非均匀多方向滤波器组将金字塔图像分解在不同方向上,在分解后的图像中提取局部极值点作为候选特征点集;采用特定的合并策略合并候选特征点最终得到特征点集,并根据方向滤波器组为特征点分配方向向量。试验结果表明,本文算法在基本保证提取到的特征点匹配率及正确率的前提下,有较高的效率。     

一种适合于大尺寸航拍图像的特征点提取方法

一些航拍图像的尺寸较大,现有的特征点提取算法在对其处理时均要耗费大量的时间,针对这一问题,提出一种快速有效的特征点提取算法。首先构造原始图像的拉普拉斯金字塔,以获得图像的尺度信息,同时保留图像的方向信息;再使用非均匀多方向滤波器组将金字塔图像分解在不同方向上,在分解后的图像中提取局部极值点作为候选特征点集;采用特定的合并策略合并候选特征点最终得到特征点集,并根据方向滤波器组为特征点分配方向向量。试验结果表明,本文算法在基本保证提取到的特征点匹配率及正确率的前提下,有较高的效率。     

面向视觉SLAM的快速均匀特征点提取方法CSCD

针对现有特征点提取方法中特征点提取结果冗余且均匀性差,导致SLAM定位精度及计算效率低的问题,提出了一种面向视觉SLAM的快速均匀特征点提取方法。在该算法的特征点提取部分,创新性地根据目标特征点提取数量对图像进行网格划分,使得特征点均匀分布在整幅图像中。同时,提出了一种兼顾全局和局部信息的均匀性评价标准,更符合视觉SLAM对特征点分布的要求。在NVIDIA Jetson TX2嵌入式平台上进行了实验验证,实验结果表明,新提出的特征点提取方法降低了特征信息冗余及特征信息缺失的概率,提升了SLAM定位精度,在计算资源有限的平台上具有实际应用价值。     

基于不变特征和映射抑制的航拍视频图像配准

针对航拍视频图像在光学变换和几何变换下特征匹配容易产生误匹配,以及匹配精度不一致等问题,提出一种结合不变特征和映射抑制的航拍视频配准算法。首先,利用Harris检测器在尺度变化下的局部区域内选择出最稳定角点,并利用分区检测方法提取出分布均匀的角点作为待配准点。然后,计算以特征点为中心邻域窗口的描述符,通过比较两幅待配准图像特征点邻域描述符的欧式距离,提取出初始匹配点对。对匹配对点集建立D-三角网图,利用映射抑制方法提取出精确度最高的少数匹配点,并对模型参数进行估计,完成视频帧间的配准。大量实验表明,所提方法对航拍视频图像配准具有较强的适应性且配准精度高。     

基于无序点云的叶片截面特征参数提取

针对提取航空发动机叶片截面特征参数的实用性要求,研究了基于无序点云数据的叶片截面特征参数提取方法.综合距离法和二分法的优点,采用基于矩形腐蚀法的距离-二分法对点云数据排序,基于最小包容区域直线和最小二乘圆拟合,提出了将整条叶片截面点云数据分割成前缘、后缘、叶盆和叶背4部分的自动分区方法,对特征参数提取方法做了研究并用VC++进行算法实现,使用UG/OpenGrip生成UG中叶片截面上的点云数据进行实验运算,计算精度达到10-4mm,表明在实际测量和参数提取中算法误差可以忽略.