点云模型

摘要： 结合三维激光扫描和无人机倾斜摄影测量的优缺点,笔者提出了一种将三维激光扫描与无人机倾斜摄影测量结合的变电站变形监测方法,通过从多角度采集监测体的变形数据,建立监测体完整的三维点云模型,分析监测体整体状态和变形趋势,提取监测体的细节变形。监测结果直观明了、效果良好,为变电站变形监测提供了一种较理想的方法。

摘要： 针对现有的切片法生成的喷涂路径在曲面边缘处喷涂不均匀的问题,提出一种基于点云模型的曲面边缘均匀喷涂的路径分片规划方法。该方法基于曲面点云模型,首先利用主成分分析法构建曲面外扩包围盒,基于外扩包围盒生成的主切片将曲面分片为一系列单条曲面,使得每一个单条曲面都对应于一条喷涂路径,再利用副切片将单条曲面分片为一系列单片曲面,使得每一个单片曲面都对应于一个喷涂路径点,以此生成喷涂路径。仿真结果表明:在期望涂层厚度为25μm时,对于规则边缘曲面,分片法获得的涂层厚度误差为4.33μm,比切片法减小了77.09%,涂层厚度标准差为0.81,比切片法减小了74.37%;对于不规则边缘曲面,分片法获得的涂层厚度误差为4.03μm,比切片法减小了77.42%,涂层厚度标准差为0.76,比切片法减小了73.15%。分片规划方法适应于规则和不规则边缘曲面喷涂路径规划,其在边缘处涂层均匀性优于切片法,实现了曲面边缘均匀喷涂。

摘要： 由于水下光衰严重、能见度低,导致ROV作业时采集的水下图像特征难以提取,重建的水下目标三维点云辨识质量低。本文提出一种改进SIFT尺度空间的水下目标三维点云生成优化方法,该方法增强了特征提取时颜色边缘特征信息的感知,提高了有效特征点匹配数。基于ROV拍摄的水下数据集实验结果表明,相比于SIFT传统算法,该方法图像特征点数量增加2.9倍,匹配数量增加1.78倍,点云数量增加1.04倍,三维重构模型效果显著。因此该方法可在一定程度解决水下图像特征点难检测及生成的三维模型质量差的问题。

摘要： 基于无人机倾斜摄影技术提取无人机拍摄到的图像特征,通过构建尺度空间来生成高斯差分金字塔,得到图像关键点的像素梯度与方向分布,并对采样点进行分配以实现图像特征匹配。通过对无人机倾斜摄影相机进行标定,计算单应性矩阵得到几何模型,通过数据预处理生成稀疏点云,进一步获取稠密三维点云建模,完成农房占地面积测量。实验结果表明,该方法测量覆盖率高、测量误差低,说明这种测量方法具有可靠性。

摘要： 点云模型的分类与部件分割是三维点云数据处理的基本任务,其核心在于获取可以有效表示三维模型的点云特征。提出一个引入注意力机制的三维点云特征学习网络。该网络采用多层次点云特征提取方法,首先使用特征通道注意力模块获取各通道间的关联,增强关键通道信息;接着引入空间位置注意力机制,基于点的空间位置信息获取各点的注意力权重;然后结合以上2种注意力机制获取增强的点云特征;最后基于该特征继续进行多层次特征提取,获得面向下游任务的点云特征。分别在ModelNet40和ShapeNet数据集上进行形状分类与部件分割实验,结果表明,使用所提方法可以实现高精度、具有鲁棒性的三维点云形状分类与分割。

摘要： 为实现某跨河六孔拱桥的空间形态识别与变化分析,在相隔6个月的2个时间点对该桥进行三维激光扫描,获取2种不同状态下全桥三维点云模型;比较2次点云模型中拱肋部分相同纵桥向位置处的多点高程坐标值,得到拱桥上部结构该时间段内的空间形态变化情况。结果表明,该拱桥拱肋竖向线形未发生明显变化,整体变形处于较低水平;三维激光扫描技术可迅速建立拱桥三维点云模型,且通过点云模型差异分析可得到关键构件空间形态,实现对拱桥空间形态变化的有效监测。

摘要： 三维激光扫描是一项基本成熟的高科技的测量技术,它对几何物体进行三维扫描生成三维图像,特别是对油田厂区的复杂设备能够实现高精度的三维测量。本文主要探讨了利用激光扫描仪进行数据采集从而获得厂区三维点云模型,最终满足甲方要求的油罐体积的测量。

摘要： 点云模型的边界提取是点采样曲面交互操作的关键技术之一。在分析用户交互式边界顶点选取过程的基础上,提出一种自动生成点云模型边界曲线的算法。该算法根据用户从点集中渐次选出的点,通过计算每个新点到当前边界的距离,策略地将该点加入到边界曲线的适当位置,同时维护边界的完整性,并使边界曲线的长度近似最优化。实验表明,与适当的用户界面相配合,该算法可有效地实现点云模型的特征区域交互式提取、点集模型分割等操作。算法可为点云模型的参数化及模型编辑等提供支持。

摘要： 三维模型局部自相似性是物体形状分析中的一个基本问题,其中,局部形状描述符的构建对自相似性分析的最终结果至关重要.针对此问题,提出了一种基于张量融合特征描述符的自相似性分析方法.首先利用相关面和反向点对点云模型进行形状直径函数(shape diameter function,SDF)的近似计算;然后利用谱聚类对模型进行过分割成模型子块,由K近邻(K-nearest neighbor,KNN)邻域点的SDF、形状指数(shape index,SI)和高斯曲率(Gauss curvature,GS)矩阵构造三维特征张量;最后利用张量范数构造映射得到形状描述符,并定义相似性度量分析模型子块之间的自相似性.对几种最新的方法(包括部分匹配和显著性检测)进行了实验,无论是直观视觉效果,还是相似性测度和相对误差上的评价指标,结果均表明,该方法可有效地对形状进行描述,提高了点云模型相似子块的识别精度.

摘要： 近年来,我国轨道交通行业发展迅猛,其中盾构隧道的施工质量关系到隧道施工及运维过程的安全.BIM技术作为一种信息化手段,能以参数化建模的方式,得到能够反映设计意图并能指导施工的模型,同时借助三维激光扫描技术可快速获取被测实体表面的三维坐标,将获得的点云数据进一步配准、拼接、降噪,构建出实际建造效果的盾构隧道点云模型.将BIM模型和点云模型进行自动对比,即可得到施工过程中产生的误差,以保证施工质量并指导后续施工,是一种新型智能化、自动化的施工质量检测方法.

摘要： 基于图像的三维重建技术是计算机视觉领域的重要研究方向之一,对于有序大量图像的重建由于图像噪点多,计算复杂等原因,致使重建模型精度与可视化效果差.本文致力于改善重建模型的可视化效果,使其在重建出具有真实感且符合真实场景的三维模型.本文使用Structure from Motion重建三维点云模型,基于图像纹理信息恢复场景模型外观.在模型可视化过程中,基于图像纹理像素完成从2D到3D的纹理映射,恢复模型外观.使用Delaunay三角化方法对图像特征点进行网格划分,通过区域化网格纹理划分方法将图像纹理投影到三维模型,按照场景深度信息选取场景,依据景物点与相机的连线同景物法线夹角最小原则选择最佳纹理图像,并存储对应场景区域的图像纹理,最后基于OpenGL显示模型完成可视化.

摘要： 基于点云模型的Laplace-Beltrami算子,使用往返时间距离描述采样点间的相似性.然后根据点云模型的相似矩阵将模型嵌入到谱空间中,通过使用基于薄板样条的非刚性配准算法对齐不同姿态的模型.最后根据不同模型上顶点间的对应关系,在谱空间中使用K-means聚类法对模型进行一致分割.实验结果表明了算法的有效性.

摘要： 本文提出基于原始的点云模型的光线跟踪算法,不需计算离散点的法向量和半径等信息.算法通过平衡二叉树在设定范围内搜索离光线迭代点最近的N个离散点,并计算光线与实际最近的N'个离散点的局部平面的交点,利用栅格的加速结构避免不必要的迭代搜索计算.本文通过改变光线跟踪的参数(最近离散点的数目),即可达到渐进地多分辨率显示原始的点云模型的目的.对于噪声多的原始的点云模型,设置较大的最近离散点的数目,以有效地减少其绘制的噪声;对于噪声少的原始的点云模型,设置较小的最近离散点的数目,以更多地显示其局部几何特征.

摘要： 模型的方向场有非常重要的应用,如纹理合成和非真实感绘制等。方向场还可以作为对模型的一种参数化.随着点云模型广泛的应用,寻找一种在点云模型上计算方向场的方法变得十分有意义。Alexa等人[1]介绍了一种计算点云模型方向场的方法。本文中对该方法中计算距离dist时的搜索方法进行了改进,不但可以降低算法的时间复杂性,大大减少计算时间以满足交互的要求,而且改善结果方向场的质量,使其更符合模型的表面特征.

摘要： 提出了一种在大规模点云模型上建立二叉树的快速算法。该算法直接从采样点集上进行运算,首先将点云数据沿着xyz三坐标轴的采样点求得包围盒,始终沿当前包围盒的最长轴方向,采用数据驱动的办法对采样点集进行空间二次剖分;然后采用自顶向下地顺序递归构建点云模型上的二叉树,此时,初步建立的树每个结点对应点云数据上的一个子集,每个树叶结点与模型上一个采样点相对应;最后通过树的后序遍历算法生成树内部结点所需的几何等属性信息.该算法时间复杂度为O(Nlog2N),N为点云模型的采样点数目.

摘要： 3D物体的轮廓能够有效地表示物体的形状,在计算机图形绘制,模式识别,机器人等领域有非常重要的应用,3D轮廓提取是计算机图形学的基础问题之一.本文提出了一种在点云模型上快速计算3D轮廓的算法。首先将点云模型上点的法向映射到一个高斯参考球上,在高斯参考球上通过逐步划分建立层次结构,通过遍历此结构,可以快速判断不在轮廓上的点,从而高效计算得到点云模型上的轮廓点.通过建立轮廓点的图和最小生成树,进一步处理可以得到三维轮廓线.本算法无需对点云模型进行三角化或曲面重建,从而适合大规模点云模型3D轮廓线的计算.

摘要： 本文提出了一类基于层次包围盒方法的点云模型包围盒邻域图,该类邻域图可以用于生成不同层次的点云模型的隐曲面.通过进一步地分析,给出了简化和生成更加逼近实际曲面几何形状和拓扑结构的包围盒集,从而得到优化的包围盒邻域图.实验结果表明,包围盒邻域图可以给出点云模型的各个层次的逼近的隐曲面.

摘要： 由于三维扫描仪采集范围的制约,单次扫描仅得到单一视角的深度图像,需研究深度图像的配准问题实现三维建模.现有商业软件大多需要人工标定实现深度图像配准,为改进此问题,本文提出了一种曲率约束的点云模型自动配准方法，有效利用了三维点云模型的曲率特征，通过比较两个模型对应点的曲率值，去除误差匹配对应点，然后在没有误差的对应点对上计算变换矩阵。研究工作主要分为两大部分:初始配准和精确配准，初始配准采用4PCS配准方法，精确配准采用本文提出的基于曲率的点到面ICP配准法。采用kd-tree查找最近邻点，比较查找的对应点对的曲率，根据曲率差值去除误差对应点，在过滤过的对应点对上运用线性最小二乘计算变换矩阵，将变换矩阵作用于源点云模型，再将变换后的两片点云模型融合，配准结束。

摘要： 点云模型的变形是计算机图形学中的难点问题.本文提出了一种新的变形算法:变形时通过保持点云模型的刚性,能够有效地防止几何特征的扭曲.实验结果表明,本文算法简单有效,能够保持点云模型的几何特征,获得令人满意的变形效果.点云模型的规模非常大，变形中最耗时的部分是迭代求解大型线性方程组。由于它们具有相同的系数矩阵，采用LU分解法:预处理时，把系数矩阵分解为单位下三角矩阵和上三角矩阵的乘积;求解时，进行逐次向后回代。而且三个坐标轴方向是线性无关的，可以分开求解。

摘要： 改扩建设计质量的好坏关键取决于对现状的了解程度,使用三维激光扫描技术,使我们能够得到完全真实的工厂现状模型。依据三维现状模型,以一种全新的设计模式进行工厂的改扩建设计。本文通过实际的化工厂改造项目,对使用此种模式所涉及的一些关键问题进行了探讨。

摘要： 本申请公开了点云分割模型的训练方法、点云数据分割方法及相关装置。该方法包括：获取训练点云；其中，训练点云中的数据点按照体素进行分类得到对应的真实体素，每一真实体素标注有真实信息；将训练点云输入至点云分割模型，得到点云分割模型输出的预测体素、以及预测体素对应的检测信息；确定至少一体素对，每一体素对包括对应的一预测体素和真实体素；根据体素对的真实信息和检测信息之间的差异，调整点云分割模型的网络参数。通过上述方式，能够减少体素特征向数据点特征的转换，减少转换过程中的损失，减少计算量，从而提升点云分割模型的分割准确性。

摘要： 本公开提供了一种点云处理模型的训练和点云实例分割方法及装置，涉及深度学习和计算机视觉技术领域，可应用于3D视觉、增强现实和虚拟现实等场景。具体实现方案为：根据有标签点云，对无标签点云进行标注，得到样本点云；将所述样本点云输入至点云处理模型，得到所述样本点云的第一预测语义信息和第一预测偏移量；根据所述第一预测语义信息、所述第一预测偏移量、所述样本点云对应的样本标签和所述样本点云的原始坐标信息，确定训练损失；采用所述训练损失，对所述点云处理模型进行训练。通过上述技术方案，能够使得点云处理模型具有较高精度。

摘要： 本申请提供一种点云分类模型的训练方法、点云分类方法及装置，涉及智能驾驶技术领域，包括：获取多个训练样本，对每个训练样本的点云进行特征提取，获得每个点云的特征向量；根据每个点云的特征向量，获取每个点云的相似度信息，根据每个点云的特征向量和相似度信息以及点云的类别，对点云分类模型进行训练，得到训练完成的点云分类模型。通过训练好的点云分类模型对点云进行分类，可以提升分类的准确性，同时，由于在训练过程中结合的点云的相似度信息，该训练好的点云分类模型具有更好的泛化能力。

摘要： 本申请实施例提供一种处理点云数据的方法和目标处理点云数据模型，该方法包括：获取待压缩的点云数据，其中，所述待压缩的点云数据是对目标场景或者目标对象进行点云数据采集得到的；将所述待压缩的点云数据输入压缩模型，通过所述压缩模型得到压缩后点云数据，其中，所述压缩模型包括：多层特征提取模块，每一层特征提取模块进一步包括局部特征提取模块以及与所述局部特征提取模块连接的全局特征提取模块，所述全局特征提取模块至少包括自注意力模块和前馈神经网络；根据所述压缩后点云数据进行图像处理。通过本申请的一些实施例能够实现对点云数据的压缩，同时能够获得点云数据的全局特征，进而能够提升后续图像处理的准确率。

摘要： 本申请实施例提供了一种点云语义分割模型生成方法、点云语义分割方法及系统，其中，点云语义分割模型生成方法包括：接收中心节点下发的训练完成的基础点云语义分割模型；基于基础点云语义分割模型和当前用户节点对应的、用于对当前用户节点的隐私点云数据进行处理的场景适配器，构建当前用户节点的场景点云语义分割模型；以当前用户节点的隐私点云数据为训练样本，对场景点云语义分割模型进行训练，获得训练完成的场景点云语义分割模型；将场景点云语义分割模型的模型数据发送给中心节点，以使中心节点根据当前用户节点的场景点云语义分割模型的模型数据，结合其它用户节点发送的场景点云语义分割模型的模型数据，整合生成全局点云语义分割模型。

摘要： 本公开提出了一种点云特征提取网络模型训练、点云特征提取方法、装置和无人车，涉及无人车技术领域。其中，点云特征提取网络模型训练方法包括：利用第一特征提取网络模型，对样本点云帧序列进行第一编码，以得到样本点云帧序列中每一帧样本点云的编码特征图；根据相邻多帧样本点云的编码特征图，确定位于相邻多帧样本点云之后的下一帧样本点云的预测特征图；根据位于相邻多帧样本点云之后的下一帧样本点云的预测特征图和其编码特征图，确定损失函数值；根据损失函数值，对第一特征提取网络模型进行训练。通过以上步骤，实现了点云特征提取网络模型的自监督学习，不仅减少了数据标注的成本，而且提升了训练得到的特征提取模型的性能。

摘要： 本申请公开了一种点云识别模型的确定方法、点云识别的方法及装置，该确定方法包括：利用预设聚类算法，对获取的点云样本数据进行聚类，得到点云的类别信息；根据类别信息，确定神经网络的卷积核信息；根据神经网络的卷积核信息，构建初始点云识别模型；利用点云样本数据训练初始点云识别模型，得到目标点云识别模型。根据本申请实施例，能够使点云识别模型可以更有针对性的学习点云信息，进而提升点云识别模型的识别效率和精确性。

摘要： 本申请公开了三维点云处理方法、三维点云处理模型训练方法及装置，涉及人工智能、计算机视觉、深度学习、智能交通等领域。具体实现方案为：将三维点云输入预先训练的三维点云处理模型，三维点云处理模型包括第一子模型和第二子模型；第一子模型被配置为接收三维点云，将三维点云进行旋转，并将旋转后的三维点云输入第二子模型；第二子模型被配置为对旋转后的三维点云进行处理，得到处理结果；获取三维点云处理模型输出的处理结果。解决了现有技术中对于三维点云旋转的复杂处理的问题，提高了三维点云旋转的准确度。

摘要： 本发明公开了一种点云模型描述符构建方法及点云模型匹配方法。所公开的方案包括首先对模型进行分层；然后计算每层的中心距离，构建模型的分层中心距离矩阵；再使用离散傅里叶变换得到各模型的傅里叶系数矩阵；最后计算两个傅里叶系数矩阵的相似度，根据阈值判定匹配结果。本发明的描述符具有旋转平移缩放不变性，对于模型得细节比较敏感，相比于其他传统描述符此描述符可直接确定模型的相似性。

摘要： 本发明公开点云分类模型构建方法、点云分类方法、装置及设备，本发明涉及数据处理技术领域，用于解决现有技术中点云模型结构复杂、模型推理速度低的问题。包括：获取点云样本数据，搭建模型开始训练，得到初始训练模型；提取初始训练模型的权重；并利用结构重参数化技术，将初始训练模型中的一维卷积层以及激活层进行权重融合，得到目标一维卷积层；并利用结构重参数化技术，将线性层以及激活层进行权重融合，得到目标线性层；基于目标一维卷积层以及目标线性层，构建得到无分支的目标点云分类模型。将模型进行权重融合化为基本由一维卷积层以及目标线性层组成的无分支简单结构网络，以此降低模型复杂度，提升模型推理速度。