西安工程大学电子信息学院, 陕西 西安 710048
针对三维点云数据分割算法准确度低的问题,提出了一种结合点云骨架点和外部特征点的分割算法,所提算法可将传统方法分割不出来的局部小范围凸面体进行有效分割,从而使得三维点云数据分割得更为完善,为三维点云分割提供了新思路。利用C++及其开源的点云库进行编程,利用L1-中值算法对三维点云进行骨架点的提取,利用尺度不变特征变换算法进行特征点的提取,结合骨架点和特征点构建分割平面进行分割,再对剩余的特征点进行检测,再次构建分割平面进行分割,得到最终的结果。实验结果表明,该算法能对三维点云表面的小范围凸面体进行有效分割, 提高了分割的准确性。
成像系统 三维点云 骨架提取 特征点提取 点云分割 激光与光电子学进展
2020, 57(12): 121104
西安工程大学电子信息学院, 陕西 西安 710048
提出一种有效的三维点云骨架分割的方法,分割后的结果可用于三维点云物体识别和分类。利用稳健性较强的L1-中心骨架算法对点云数据进行骨架提取,可得到一系列骨架点;利用基于八叉树的区域增长分割方法对已经得到的骨架点进行分割,选取法向量和残值作为判定标准;利用OpenGL库编程把分割出的各个部分进行骨架连线。对多种形状的点云数据(包括动物模型、植物模型、人体模型、字母模型)进行实验,该方法均得到较好的结果。
成像系统 三维点云 骨架提取 区域增长 点云分割 激光与光电子学进展
2019, 56(22): 221102
西安工程大学电子信息学院, 陕西 西安 710048
点云分割是点云数据处理的关键环节,区域生长因在三维点云分割中易于实现、便于使用而得到了广泛应用,然而由于点云特征的不确定性及种子点选取不合理导致传统区域生长法局部分割性能不稳定。针对此问题,提出一种改进的区域生长分割方法。通过估算点云数据曲率大小,并将曲率最小点设置为种子节点,即从点云数据最平坦的区域开始生长,以减少分段总数,再根据点云数据的局部特征确定生长准则。实验结果表明,该方法不仅能有效地对点云数据进行分割,而且解决了传统区域生长分割不稳定的问题,提高了点云分割的精确性和可靠性。
机器视觉 点云分割 区域生长 点云滤波 激光与光电子学进展
2018, 55(5): 051502
为了减少不同尺度噪声对三维点云模型重建效果的影响,提出一种基于直通滤波、统计滤波、半径滤波、改进的双边滤波、体素栅格滤波的方法库的点云模型去噪与精简算法。首先利用直通滤波将目标物体提取出来,再依据噪声点离模型主体的距离,将其分为小尺度噪声和大尺度噪声,然后利用统计滤波结合半径滤波去除大尺度噪声,利用改进的双边滤波去除小尺度噪声,最后通过体素栅格滤波进行点云精简来降低空间复杂度,并以三角网格面重建展示该算法的精度效果。实验结果表明,该算法可有效去除点云模型的不同尺度噪声,在不破坏点云本身几何结构的前提下,保证点云精简的均匀化,而且算法执行速度快,重建效率高。
图像处理 点云去噪 统计滤波 半径滤波 改进的双边滤波 体素栅格滤波 激光与光电子学进展
2018, 55(1): 011008
西安工程大学电子信息学院， 陕西 西安 710048
针对点云配准时间长、收敛缓慢、对应点匹配易错等缺点，提出一种基于内部形态描述子（ISS）特征点结合改进迭代最近点(ICP)的点云配准算法。首先采用ISS算法进行点云特征提取，并以快速点特征直方图进行特征描述，然后通过采样一致性算法完成点云的初始配准，使两片不同角度点云获得一个相对较好的初始位姿，最后通过k维树近邻搜索法加速对应点对的查找，以提高点云ICP精细配准效率。实验结果表明，与传统配准算法相比，该算法配准精度高，而且执行速度快。
机器视觉 点云配准 特征提取 初始配准 精细配准 激光与光电子学进展
2017, 54(11): 111503
西安工程大学电子信息学院， 陕西 西安 710048
针对散乱点云数据密度大、重建时间长、效率低等问题，提出了一种散乱点云的均匀精简算法。该算法基于开源C++编程库点云库(PCL)，利用PCL的体素化栅格类创建一个K邻域三维体素栅格，结合包围盒法对输入的点云数据进行K邻域距离计算和法线估计，确定每个小立方栅格的重心，并以其来近似显示这个小立方栅格内所有的数据点，达到精简点云的目的，最后利用贪婪三角投影类对精简后的点云实现三角网格面重建并显示其效果。实验结果表明，该算法在充分保留点云数据几何特征的前提下，能有效滤除部分点云数据冗余量，且精简结果比较均匀，避免了大规模精简所出现的空白区域，提高了重建效率。
图像处理 点云精简 点云库 体素栅格 三角网格面
