点云配准

摘要： 点云配准是对同一物体上采集到的点云数据进行精确匹配,然而传统方法计算成本高,配准精度差.基于神经网络的算法也存在噪声干扰,在类别未见的点云数据上应用时效果不佳.为解决这一问题,本文提出了一种基于混合注意力机制和相关性估计网络的点云配准算法.考虑到点云内部特征的复杂性和点云对变换的随机性,提出一种混合注意力机制来提取关键特征信息,利用残差的方式进行连接,可以得到更具鲁棒性的点云特征.通过相关性估计网络对点云特征进行非线性激励,可以提高表达能力,获取点云对之间更紧密的相关性.在人工合成数据集ModelNet40和真实数据集ICL-NUIM上的仿真实验结果表明,本文算法在大尺度仿射变换下,对掺杂噪声、类别未见点云数据的配准精度有显著的提升,证明了其有效性.

摘要： 在分析电力杆塔点云特征基础上结合特征点描述要求,提出了基于距离直方图和角度直方图相似性的点云特征,实现了对点云的快速配准。针对点云数目和密度较小的点云数据,基于距离直方图和角度直方图特征的点云配准方法比传统的基于FPFH特征的点云配准方法的配准精度和配准效率更高。

摘要： 点云配准是现代制造业中逆向工程、机器视觉等技术的重要组成部分,其效率和精度对获取的产品数据模型有重要影响。为提高3D物体点云配准的精度和效率,提出一种应用邻域点信息描述与匹配(Neighborhood point information Description and Matching,NDM)的点云配准方法。首先,在三个半径比例下根据点的曲率变化、测量角度和特征值性质提取特征点;其次,计算改进的法向量夹角、点密度和曲率值,获取多尺度矩阵描述符;然后,为描述符建立k维树获取匹配关系,并提出几何特征约束和刚性距离约束组合,剔除错误点对,实现粗配准;最后,通过k维树改进迭代最近点(Iterative Closest Point,ICP)算法完成精确配准。本文设计了实际物体点云配准和斯坦福模型模拟真实物体配准两组实验。结果表明,本文算法解决了经典ICP的局限性,配准精度提高2~5个量级;相较于其他算法,实物点云配准中本文算法的配准精度至少提高29%,效率可提高54%;斯坦福模拟实验中,本文算法的配准精度提高1%~99%,配准耗时降低3%~94%,表明本文算法是一种有效的物体表面点云的配准方法,可以提高配准精度和效率,有较好的鲁棒性。

摘要： 【目的】为了提高背包式激光雷达估测林木胸径精度,得到在不同坡度的林分下高精度帧间匹配方法。【方法】使用Ubuntu 16.04和ROS Kinetic系统,将背包式激光雷达在不同坡度的林分下扫描数据转化成单帧点云,并采用关键帧技术选取实验点云;应用ICP算法、NDT算法、基于点云曲率特征匹配算法、基于PFH特征匹配算法、基于FPFH特征匹配算法和基于3DSC特征匹配算法对实验点云进行配准,估测匹配结果的林木胸径并计算RMSE值;接着以不同坡度下RMSE值最小算法的旋转平移矩阵为基准,计算6种算法的单帧匹配误差和匹配时间。通过对比6种算法匹配结果的RMSE值,单帧匹配时的平移误差、旋转误差、欧式适合度和匹配时间,得到在不同坡度林分下精度最高的帧间匹配算法。【结果】在坡度为1°的林分下,基于FPFH特征匹配算法的胸径估测结果RMSE值为2.2 cm,旋转误差为0.032×10^(-6)弧度,平移误差为1.25×10^(-6)m,欧式适合度为27.7 m,单帧匹配时间为15.99 s,在6种算法中精度最高;在坡度为13°的林分下,基于FPFH特征匹配算法的胸径估测结果RMSE值为2.81 cm,旋转误差为0.069×10^(-6)弧度,平移误差为2.41×10^(-6)m,欧式适合度为28.63 m,单帧匹配时间为16.12 s,在6种算法中精度最高;在坡度为25°的林分下,基于PFH特征匹配算法的胸径估测结果RMSE值为4.42 cm,旋转误差为0.19×10^(-6)弧度,平移误差为5.26×10^(-6)m,欧式适合度为31.44 m,匹配时间为18.94 s,在6种算法精度最高。【结论】背包式激光雷达中的帧间匹配算法精度受森林坡度影响明显,其中ICP算法受坡度影响最小;基于FPFH特征匹配算法在坡度较小的林分下匹配效果最好,而基于PFH特征匹配算法在坡地较大的林分下匹配精度最高;高坡度地区背包式激光雷达测量精度较低,不仅与帧间匹配算法的精度下降有关,还受自身点云质量的影响。

摘要： 由于井下路况复杂,矿区巷道巡检机器人在井下获取点云数据时,点云中的点会随着激光雷达运动产生运动畸变,即点云中的点会相对实际环境中的物品表面上的点存在位置上的误差,从而无法获得正确的里程计信息,导致既定路线精度较低,容易造成井下安全问题。通过研究SLAM建图算法-LOAM算法,分析该算法利用三维空间中运动的两轴单线激光雷达将定位和建图分别进行,从而提高精度。在该算法的基础上,同时结合井下成本,选择单轴单线激光雷达进行数据采集,进行点云匹配时,采用Harris 3D角点检测,选取角点作为点云帧数据中的关键点进行匹配,在保证计算量的同时,去除部分冗余数据。定位部分则利用EKF(扩展卡尔曼滤波),消除运动畸变,通过状态方程和预测方程,对机器人进行运动估计,提高定位精度,达到建图所需要求。

摘要： 为了兼顾点云配准过程的时间和精度,提出了基于迭代最少点和遗传算法的点云粗配准算法。将源点云和目标点云的总点云进行下采样,以采样后总点云的数量作为遗传算法的目标函数,采用遗传算子指导解的搜索方向,通过新种群的迭代使下采样总点云数量最少,快速得到点云粗配准的结果。通过对6组不同的点云,以及采用多种算法进行对比试验,结果表明,该算法在保证配准精度的同时,耗时稳定在24 s左右,且对待配准点云模型无特殊要求,鲁棒性较强。

摘要： 为了对玉米种植株数进行无损的自动化识别,利用FARO focus s70地面激光扫描仪、采用四站式扫描方法,采集不同视角下的玉米田块点云数据。设计了一种基于标靶球自动提取的配准算法,对各站获取的点云数据进行精确配准,取得了完整的玉米田块点云数据,并以标靶球拟合误差和标准偏差分析配准精度。对于配准好的3维点云数据,利用采样一致性算法基于圆柱体特征从完整的玉米田块点云中精确分离出茎秆点云,统计玉米种植株数。结果表明,标靶球拟合标准偏差在0.1mm~0.7mm之间,满足仪器测量精度要求;拟合误差总体在2mm~5mm之间,能满足大场景测量配准误差5mm的要求;对玉米种植株数的识别率达到86.1%~92.1%。这一结果对于农田环境下玉米种植株数识别的实际应用方面是有帮助的,为作物的估产提供了数据基础,为智慧农业研究提供了理论方法。

摘要： 针对传统RBPF(Rao-Blackwellised particle filter)算法存在定位精度低、粒子退化、粒子多样性丧失的问题,提出了一种基于激光雷达的改进SLAM(simultaneous localization and mapping)算法。首先基于主成分分析法对相邻帧的点云进行粗配准,再采用改进点到线迭代最近点配准算法校正粗配准结果完成精确配准。改进重采样算法中,在多次复制大权重粒子集合的情况下引入小权重粒子集合,改善粒子多样性缺乏问题,提高了移动机器人定位精度。最后将改进算法应用于Turtlebot机器人,实验结果表明,改进的基于激光雷达的SLAM算法在定位精度和建图准确度方面相比于传统算法效果更好。

摘要： 为精准评估桥梁服役状态,通过定期多次三维激光数字建模,提出一种基于点云模型与工程知识的桥梁形态变化识别与跟踪方法.首先以传统ICP配准算法为基础,结合工程专业知识,仅依据优化的相对不动点集实现高效的点云分割与配准,进而针对新旧点云模型实施三维几何差异分析,从而完成桥梁形态变化的识别与验证.最后将该方法应用于实际工程,高精度识别出背景桥梁各关键构件一年内的形态变化,并利用工程知识对其进行验证.研究结果表明:所提出的基于工程知识的点云配准算法可高效实现三维点云间的精确配准;以此进行三维几何差异分析,可快速准确识别出桥梁构件在某一时期内的形态变化,例如主梁弯曲扭转以及桥墩偏移等.该方法可进一步提高桥梁非接触检测结果的科学性与精准性.

摘要： 为了实现大型点云的精确配准,首先对大型点云数据进行降采样及去质心预处理,并采用迭代最近点(Iterative Closest Point,ICP)算法计算点云间的旋转矩阵R与平移矩阵T,最终在Visual Studio中基于OpenGL库实现界面交互和结果显示。结果表明,该配准算法既支持人为选择关键点进行配准,也支持随机生成关键点进行配准,且准确率高。大型点云数据实验表明,针对大型点云点数目多,普通配准算法计算时间长的问题,采用K-D树进行配准算法加速,可保证精度,同时大大缩短了大型点云配准计算时间。

摘要： 多视点云配准是点云数据处理中的关键环节.针对点云的特征具有旋转不变性这一特点,本文提出了一种结合3D-Harris与ICP算法的点云配准方法.通过3D-Harris算法直接对点云进行特征点提取,以提取的特征点集作为配准点基对多视点云进行初配准,在初配准的基础上再利用ICP算法对点云进行进一步配准,实现多视点云的精确配准.通过两个实验验证了本文算法的可行性,实验结果表明,3D-Harris算法能准确地提取多视点云的特征点,实现多视点云的正确配准.

摘要： 针对三维激光扫描点云配准的非线性模型,提出采用Levenberg-Marquardt(LM)方法实现配准参数的计算.实例计算表明:采用不同形式阻尼项的LM算法在效率上有一定的差异,但计算结果一致且具对初始值不敏感;与四元数法的对比显示,配准参数的角元素差异在20"内,线元素差异在7mm内,LM算法具有更小的单位权中误差.

摘要： 三维点云配准技术可以应用于空间探测项目中的目标姿态定位系统.针对空间非合作目标为研究背景,提出并实现一种基于哈希思想的新配准算法.但是,探测器和空间目标存在相对运动,因此,获取到的一幅三维点云数据实际上是运动中目标的不同瞬间姿态的数据集合,为此,提出一种点云补偿技术,用于将点云数据中各点补偿还原至真实位置.实验表明,这种补偿技术的引入,可以有效地去除相对运动带来的理论误差.并且该补偿方案独立性强,和多边形哈希配准算法配合,可以较好地解决空间目标定位问题.

摘要： 点云数据具有无组织性、点位的不确定性等特性,点云配准过程以解算不同坐标系统之间的转换参数为目标,通过解算得到的转换参数计算配准误差,对配准精度进行评定.如何降低配准的误差,是点云数据进一步处理的前提,本文推演了配准误差先验估计和误差传播规律方程.基于人工靶标这项技术在Leica和Riegl等商业化的地面三维激光扫描仪中得到了充分的应用，这种配准方法的精度较高，可以实现实时的点云配准。但在野外作业时外界环境对标靶的布设工作的影响有时候是巨大的，同时标靶布设的好坏直接影响到配准的精度，这在一定程度上限制了使用标靶进行点云配准的通用性。利用虚拟的控制点来实现点云的配准，由于受到点云的不确定性的影响、点云三维显示模型和手动选点等因素的影响，使得该配准方法的精度并不是很高，选点过程是一个很费时的过程，而且选点过程会引入许多误差因素，这种方法完全丧失了基于靶标方法的精度和时间优势，但对历史文物等扫描对象中不能布设靶标的方法这一不失为一种可行的配准策略。点云配准ICP方法是当前研究地面三维激光扫描仪配准的主要研究方向，相应的配准算法以Besl等(1992)提出的ICP算法为基础，但是ICP算法对配准的初始条件要求较为严格。点云配准具有一套完整而严密的理论，但实际中会遇到各种因素的干扰难以实现点云配准的自动化，因此，为了提高点云自动配准的效率，需要进行更多的研究。

摘要： 随着经济建设不断发展,电网建设在国民经济建设中具有越来越重要的地位.点云匹配是三维模型重建的重要环节,倾斜密集点云可以保留丰富的纹理细节信息.为得到高精度电力线路点云数据,基于倾斜密集点云与激光扫描点云进行点云配准,针对传统ICP配准方法对点云初始位置要求高的问题设计出一套点云配准的方法.通过粗配准调整两幅点云数据到较好的初始位姿,再通过ICP算法迭代最邻近点对,完成倾斜点云与激光扫描点云的精配准.实验证明,本方法可实现两幅电塔点云的配准,且具有良好的配准精度.

摘要： 针对两点云的初始位置对ICP配准算法的匹配精度有较大影响的问题,基于协方差特征值,提出了一种新的点云粗配准方法.由于在两点云中,同名点之间的不变量是配准的关键,而协方差特征值不受点云旋转、缩放和平移的影响,可以非常好的袁征各点的特性,去判定同名点,进而构建一组不变量,完成两点云的自动配准.为此通过计算各点云处协方差特征值,使用Delaunay Triangulation构建三角网络以加速搜索最近的点对,并使用RANSAC算法来优化转换参数.采用选取的模拟与实际扫描点云数据进行配准实验,通过对结果的定性定量分析得出:基于协方差特征值的配准方法可以为ICP算法提供良好的点云初始位置,并提高配准精度和可靠性.

摘要： 传统的非刚体人体运动三维重建,往往要求在实验室环境中,采用多个相机并佩戴标记,其配置复杂,价格昂贵.而基于单个深度相机的非刚体人体运动三维重建具有设置简单,无接触及价格便宜等优点.但是,其中普遍存在一个基本假设,假设运动物体在相邻两帧之间具有较小的运动,不能适用于重建快速运动的三维人体.针对这个问题,本文在基于骨架的粗配准基础上进行点云的精细配准,实现了对快速非刚体人体运动的三维重建.同时针对Kinect骨架提取算法中对关节点旋转参数估计不准确的问题,本文利用局部点云配准对骨架修正,提高了骨架估计的准确性.实验结果表明,本文方法能够很好的重建快速非刚体三维人体运动.

摘要： 论文以地面三维激光扫描点云为基础数据,以建筑物为研究对象,分析建筑物三维激光扫描点云配准精度的影响因素.影响因素主要包括测站数、点云扫描间隔、控制测量等.利用误差传播定律分析配准精度,同时比较分析三维扫描的结果与常规全站仪测量的结果.

摘要： 针对无人机倾斜摄影和地面三维激光扫描技术在单独建模过程中出现的地物空洞、纹理缺失等问题,提出一种融合倾斜摄影和地面三维激光扫描技术的精细化三维实景建模方法.该方法通过七参数布尔莎模型对影像数据实现坐标转换,ICP算法实现点云精配准,运用ContextCapture软件对影像加密后点云和激光密集点云完成融合建模.结果表明,融合后的模型,整体结构完整,细部纹理清晰,模型精细度显著提高.

摘要： 针对无人机倾斜摄影和地面三维激光扫描技术在单独建模过程中出现的地物空洞、纹理缺失等问题,提出一种融合倾斜摄影和地面三维激光扫描技术的精细化三维实景建模方法.该方法通过七参数布尔莎模型对影像数据实现坐标转换,ICP算法实现点云精配准,运用ContextCapture软件对影像加密后点云和激光密集点云完成融合建模.结果表明,融合后的模型,整体结构完整,细部纹理清晰,模型精细度显著提高.

摘要： 本发明公开了一种基于图像配准的机载激光点云与影像配准融合方法，用于将机载LiDAR系统采集的三维地形点云与航拍影像进行融合，生成真彩色三维点云图，包括以下步骤：利用三维激光点云生成点云正射投影图像A并建立点云‑像素索引；利用航拍影像生成航拍正射拼接图像B；对图像A和图像B进行图像配准操作，将点云正射投影图像A的像素坐标转换到航拍正射拼接图像B的像素坐标系下；利用点云‑像素索引进行反投影，找到每一个点云对应的航拍正射拼接图像B的像素坐标，将像素颜色值赋值给点云，融合后生成真彩色点云图。本方法对点云数据与影像数据是否同步采集不作限制，甚至可以使用第三方生成的航拍或遥感正射影像作为配准图像。

摘要： 本发明公开了一种基于形状粗配准和ICP点云精配准的胶路引导定位方法，利用3D成像设备采集工件高度数据转成灰度图像结合blob分析及形状匹配实现关键点提取，将关键点像素坐标转换至机器人基坐标下，联立机器人基坐标下工件关键点坐标与导入模型中提取的对应位置关键点坐标求解旋转平移变换初值，保证粗配准精度，提高粗配准效率；将工件标准三维模型导入仿真软件用户坐标，生成模拟轨迹线，将工件标准模型上采样后与实际采集的工件点云模型进行配准，获取标准模型与机器人基坐标下实际模型空间位姿变换关系，将用户坐标中模拟轨迹线仿射变换至机器人坐标系下，实现空间引导点胶，弥补工件上料带来的微小姿态变化影响。

摘要： 本发明公开了一种基于图像配准的机载激光点云与影像配准融合方法，用于将机载LiDAR系统采集的三维地形点云与航拍影像进行融合，生成真彩色三维点云图，包括以下步骤：利用三维激光点云生成点云正射投影图像A并建立点云‑像素索引；利用航拍影像生成航拍正射拼接图像B；对图像A和图像B进行图像配准操作，将点云正射投影图像A的像素坐标转换到航拍正射拼接图像B的像素坐标系下；利用点云‑像素索引进行反投影，找到每一个点云对应的航拍正射拼接图像B的像素坐标，将像素颜色值赋值给点云，融合后生成真彩色点云图。本方法对点云数据与影像数据是否同步采集不作限制，甚至可以使用第三方生成的航拍或遥感正射影像作为配准图像。

摘要： 本发明公开了点云配准旋转变换方法、点云配准方法、设备及可读存储介质，包括如下步骤：从点云中选取距离最远的两个点，将该两点连线记作特征轴x；将所述点云投影到以特征轴x为法向的平面上，得到投影点云，再在投影点云中选取最远的两个点，将该两点连线记作特征轴y；将垂直于特征轴x和y的法向量记作特征轴z；对三个特征轴归一化得到单位特征向量，再由所述单位特征向量组成旋转矩阵R；对所述点云进行旋转变换。本发明无需手动获取特征点，时间复杂度较低，目标点云和待配准点云的点数差距不影响特征点的提取，能够实现对稀疏点云的配准以及对点数差距较大的点云进行配准，适用面广，计算量小，可减少配准时间，配准效率高。

摘要： 参考点云配准方法及装置、高精度点云配准评估方法及装置，涉及三维重建领域。针对现有技术中存在的点云配准评估结果不可避免地受点间错位和误差问题的影响，严重降低点云配准评估方法的准确性，无法满足高精度三维形貌测量的需求，所以现有方法无法直观的展现配准表面的三维形貌误差的问题，本发明提供的技术方案为：参考点云处理方法，应用于采集到的被测目标的参考点云，所述方法包括：步骤1：切割所述参考点云，得到切割参考点云；步骤2：按照预设参数变换所述切割参考点云的坐标，得到待配准点云；步骤3：配准所述待配准点云，得到配准点云，作为输出结果。适合应用在高精度三维重建实践中。

摘要： 本发明公开了点云配准旋转变换方法、点云配准方法、设备及可读存储介质，包括如下步骤：从点云中选取距离最远的两个点，将该两点连线记作特征轴x；将所述点云投影到以特征轴x为法向的平面上，得到投影点云，再在投影点云中选取最远的两个点，将该两点连线记作特征轴y；将垂直于特征轴x和y的法向量记作特征轴z；对三个特征轴归一化得到单位特征向量，再由所述单位特征向量组成旋转矩阵R；对所述点云进行旋转变换。本发明无需手动获取特征点，时间复杂度较低，目标点云和待配准点云的点数差距不影响特征点的提取，能够实现对稀疏点云的配准以及对点数差距较大的点云进行配准，适用面广，计算量小，可减少配准时间，配准效率高。

摘要： 本发明提出了一种基于双分支特征交互的3D点云配准网络模型及配准方法，提取输入的源点云和目标点云的联合信息，保证可以让点云特征提取时源点云和目标点云可以与对方的信息进行融合，以增强对部分点云配准时点云形状信息的感知，同时，可以一种端到端的方式由粗到精地估计源点云和目标点云间的3D刚体变换，用于源点云和目标点云的配准，来降低3D点云配准的误差。本发明专为部分重叠的点云对而设计，通过使用迭代的卷积神经网络以从粗到精的方式学习点云刚体变换；采用双分支的结构对旋转和平移的特征提取过程和参数回归过程进行分离，以避免旋转和平移处在不同的解空间的问题，同时赋予网络提取得到的特征可以只关注于旋转或平移的能力。

摘要： 本发明涉及三维点云建模技术领域，公开了一种点云配准方法、骨头配准方法、装置、设备及存储介质。其中，该方法包括：获取待配准点云集和参考点云集；基于主成分析法计算待配准点云集对应的第一参考坐标系以及参考点云集对应的第二参考坐标系；基于第一参考坐标系以及第二参考坐标系，对待配准点云集和参考点云集进行初始配准；基于多维二叉搜索树算法，在初始配准后的参考点云集中寻找与待配准点云集中距离最近的点，得到多组对应点对；分别计算多组对应点对之间的方向向量夹角；基于预设夹角阈值和方向向量夹角，对待配准点云集和参考点云集进行精配准。通过实施本发明，避免了配准方法陷入局部最优解，提高了点云的配准效率和配准精确度。

摘要： 本发明属于三维点云的信息处理技术领域，提供了一种基于点云补全的点云配准方法及系统，对源点云和目标点云执行采样，分别提取特征；利用注意机制融合两个点云的特征，使两个点云的语义信息相互补全；提取补全后的点云的高维特征，根据高维特征学习对方点云的位置信息，确定源点云中的每个点在目标点云中的对应点；根据对应点，利用奇异值分解获得当前刚性变换参数，利用当前刚性变化参数实现源点云向目标点云的配准。本发明不需要对原始点云大量删减，且能够补全缺失的点云信息，实现高效、准确的配准。

摘要： 本发明提出了一种基于低维点云局部特征描述符的点云配准方法。首先通过均匀采样提取两片点云的关键点，通过构建局部参考坐标系将关键点转移到一个新3D空间形成“3D”描述符；然后我们结合点云邻域内法向量夹角和、曲率和、距离和形成“邻域点特征直方图”描述符来对关键点邻域信息进行编码；“3D”描述符和“邻域点特征直方图”描述符共同组成低维点云局部特征描述符；提出的描述符首先在新的3D空间中对“3D”关键点位置径向搜索，减少了对应点对的搜索空间；最后使用“邻域点特征直方图”描述符通过RANSAC算法进行配准。该算法能够在较短的时间里获得准确的配准效果，适用于对配准效果要求高的精密测量领域。