针对现有线结构光测量系统标定模型复杂、需要特制靶标等局限性,提出了一种新的线结构光测量系统标定方法。利用精密导轨运载平面靶标沿着空间一个方向至少运动两次,创建一组在激光平面上的平行特征线。根据消隐点的原理,建立新的数学模型,可以标定成像像素与运动方向上一维信息的直接对应关系。改变导轨运动方向,另外两个空间正交方向上的像素-维度对应关系同样可以得到。与传统标定方法相比,所提标定方法无需标定系统多组空间关系,简化了传统标定过程,减少了误差的积累。另外,靶标可为普通平面,避免了特制靶标的制造困难。实验结果表明,所提方法测量结果均方根误差(RMSE)为0.0359 mm,平均绝对误差(MAE)为0.0306 mm,可以有效用于线结构光三维(3D)测量。

溶洞表面具有复杂、不规则性,现有的诸多的建模方法都是按照统一分辨率来进行三维重建,但是在三维重建过程中效率很低,且模型文件过大,对后续专业应用造成了很大困难,因此提出了一种基于三维激光点云特征线提取的技术,并针对溶洞进行了多分辨率三维重建。首先,采用改进邻近点几何特征提取溶洞特征值,增加法向量角作为检测特征点的参数;其次,用社会粒子群(SPSO)算法与模糊C-均值(FCM)聚类算法实现点云分类;再次,采用折线生长方法将特征点连接成特征线,并将其投影到三维点云上;最后,利用分类后的点云按照不同分辨率建模,实现高精度、高质量、高效率溶洞三维重建。实验结果表明,该方法可以按照不同分辨率进行建模,减少了三维重建后模型的数据量,提高了三维重建效率,在溶洞三维重建方面具有较高的实用价值。

针对印制电路板关键轮廓特征提取难的问题,提出了一种将折边线转化为边界线,再进行关键轮廓线特征点提取的算法。该算法首先利用k维树对印制电路板原始点云数据建立拓扑结构,从而实现对k邻域点的快速查找,采用直通滤波算法完成对印制电路板点云的整体预处理;其次通过随机采样一致性算法将印制电路板中面积最大的平面特征单独提取出来,使关键轮廓特征实现了在空间上的分离;再采用基于法向量夹角限制条件的欧氏聚类完成折边特征的点聚类,从而实现将折边线转化为边界线的思想;最后根据k邻域点之间向量的夹角与设定阈值之间的大小关系,来判定查询点是否属于边界轮廓特征点。实验结果表明,该算法能够较为完整地提取出印制电路板点云的关键轮廓线特征信息。

针对头部姿态变化较大、脸部遮挡等情况下,由面部特征类型多样和尺度不同造成的面部特征点检测准确度较低的问题,提出了一种面部分组特征线条化和点热图回归相结合的人脸特征点检测方法,并设计了两段式堆叠沙漏网络深度学习模型来实现图像特征分析与特征点定位。利用提出的方法开发了检测算法,并利用该领域几个典型的公共图像数据集,将所提方法与其他方法进行实验对比。结果表明,提出的方法可以适应姿态变化和脸部部分遮挡的应用,相比其他方法,具有检测误差较小、人脸面部特征点检测准确度较高的优势。

点云特征线提取是点云模型重构的基础, 国内外对此从边缘检测、特征线跟踪和面域分析等方面展开了研究, 但由于存在模型多样性、点云数据噪声和不完整性、特征复杂性等问题, 看似简单的特征线自动化提取很难实现。从曲率突变点隐含了点云特征线这一论断出发, 借鉴图像处理中的区域分割和边缘检测思想, 提出了特征线提取中的聚类、细化、分段和排序方案。在具体实现中分别提出了基于连通区域聚类的备选点集分离算法, 基于局部影响区域腐蚀的点集细化算法, 以及基于组合搜索准则和主成分分析(PCA)双向搜索的特征线分支截断和排序算法。在对比实验中, 确定了算法关键参数曲率突变点比例w和方向夹角阈值θT的推荐值, 并与类似算法对比能提取更多的特征点; 在模型实验中, 简单几何模型的特征线提取正确率达到了100%, 复杂机械零件模型和艺术品模型的特征线提取正确率均达到了85%以上, 取得了预想的棱线和特征轮廓线提取效果。算法具有通用性和可扩展性, 通过程序优化可获得更好的特征提取效果。

提出了一种特征线提取方法,该方法包含边界线和折边的提取,边界线的提取主要根据邻近投影点相邻向量夹角来实现,折边的提取主要利用邻近点向量聚类情况来实现。通过采集不同类型目标物点云数据,验证了所提方法的有效性。

提出一种非结构化点云特征线提取方法,其过程主要分为区域分割和特征检测两个阶段。在区域分割阶段,引入社会粒子群优化模糊C-均值聚类算法对点云数据进行区域聚类,得到边界清晰的各个分区,便于后续边界特征的提取;在特征检测阶段,对各个分区进行局部径向基函数曲面重构,以获取各个分区内采样点的曲率信息。提出基于平均曲率计算的局部特征权值,并通过局部特征权值和曲率极值法对特征点进行双重检测。并通过建立特征点的最小生成树构建特征曲线。对不同点云模型进行特征线提取实验,结果表明,本文方法既能够提取点云模型中的显著特征和尖锐特征,也能够很好地提取特征强度变化的曲线特征。