1 武汉大学工业科学研究院，湖北 武汉 430072
2 上海航天精密机械研究所，上海 201600
3 湖北省计量测试技术研究院，湖北 武汉 430223
铝合金薄板激光焊接经常会出现咬边、凹陷等表面缺陷。这两种缺陷由于尺寸小、特征相似，难以通过传统视觉在线检测手段对其进行精确分类和测量。开发了一种基于深度学习缺陷分类-点云测量的在线监测系统，利用高密度的点云数据对缺陷进行识别、分类与测量，解决了上述检测难题。通过双目结构光传感器采集点云数据；利用基于区域推荐网络的卷积神经网络模型识别和定位缺陷；在识别和定位缺陷后，通过对局部缺陷区域的点云进行操作，快速测量缺陷尺寸。高密度点云数据训练的模型的识别准确率达到93%，高于传统二维视觉传感器图像训练的模型。该检测系统在线检测允许的最大焊接速度为316.87 mm/s，适用于大多数激光焊接。
激光技术 激光焊接 焊接缺陷 实时检测 高密度点云数据 深度学习
1 国防科技大学电子科学学院湖南长沙 410073
2 国防科技大学气象海洋学院湖南长沙 410073
迭代最近点法(ICP)及其变体是三维点云刚性配准的典型方法, 但此类通过迭代计算逐点距离矩阵实现点云配准的方式, 严重制约了点云的配准效率。本文提出一种快速 ICP算法, 利用 Frobenius范数表示待配准的两幅点云之间的误差函数, 获得误差值最小点位置, 并对此位置进行奇异值分解, 从而得到旋转矩阵和平移向量, 极大压缩了迭代次数和配准时间。在 Standford数据集和 3DMatch数据集上进行试验, 与传统 ICP算法及其变体、3种基于学习的点云配准算法进行对比, 本文方法配准效率最优; 在达到相近的配准精确度时, 提出的快速 ICP方法的迭代次数仅为传统 ICP算法的 0.2倍, 在 Standford数据集上配准所需时间为传统 ICP算法的 1/4, 在 3D Match数据集上配准所需时间为传统 ICP算法的 1/8倍。本文提出的快速 ICP算法在数据量大的点云场景下, 具有更高的效率。
三维计算机视觉 点云数据处理 点云配准 快速迭代最近点法 Frobenius范数 奇异值分解 3D computer vision point cloud data processing point cloud registration fast iterative closest point method Frobenius norm Singular Value Decomposition(SVD) 太赫兹科学与电子信息学报
2023, 21(10): 1263
1 中国科学院上海技术物理研究所，上海 200083
2 中国科学院大学，北京 100049
光子计数激光雷达由于高灵敏度特性使得获取的回波数据存在大量噪声，对数据进行信号鉴别、相关噪声去除是后续进行三维点云数据应用的前提，因此快速提取信号光子具有很大的实际意义。上海技术物理研究所自主研发多通道光子计数激光雷达，对近海面进行数据采集。本实验对局部距离统计去噪算法进行改进，用于预处理后的数据去噪。将改进后算法与改进前算法和两种基于聚类的经典算法进行对比，实验结果表明，所提算法去噪精度为97.80%，运行时间为0.46 s，优于改进前算法和两种基于聚类的算法，满足多通道光子计数激光雷达信息快速提取的实际需求。
遥感 激光雷达 光子计数 点云数据处理 局部统计分析去噪 聚类 激光与光电子学进展
2023, 60(14): 1428001
中国工程物理研究院激光聚变研究中心，四川 绵阳 621900
火星车的环境感知能力是其进行智能移动和探测的基础，而障碍物检测识别是环境感知中的一个重要方面，识别效果直接决定了火星车工作能力和安全性。本文提出一种基于激光雷达数据的火星表面障碍物自动识别方法。通过获取的激光雷达点云数据，首先在分析激光反射强度理论的基础上，通过强度补偿理论将点云强度根据距离、角度因素进行修正，进而构建激光雷达强度值与目标特征的反射关系。通过大津法自动求取全局阈值，自适应的将火星表面点云分类为障碍物点云和非障碍物点云；然后通过曲率约束剔除不符合条件的障碍物点云；最后利用基于八叉树叶节点的连通性聚类，实现火星表面障碍物点云的识别。模拟实验结果表明，该方法可实现激光雷达点云中的火星表面障碍物有效提取，典型障碍物识别精度接近90%，为基于火星车障碍物检测和环境感知相关研究提供借鉴。
1 北京航空航天大学仪器科学与光电工程学院，北京 100191
2 中国航空工业集团有限公司北京长城计量测试技术研究所，北京 100095
三维成像技术可快速获得被测表面的海量点云数据，如何从点云数据中识别出准确的边缘轮廓线数据是三维边缘轮廓线检测的首要工作。分析边缘轮廓线数据的位置特征，说明在边缘轮廓线的垂直截面线上识别边缘轮廓线数据点的重要意义；由于实际垂直截面线数据在边缘轮廓线数据点处存在倒角圆弧的情况，需通过倒角圆弧中间点求解出边缘轮廓线数据的位置；根据倒角圆弧数据的不同分布特征，提出3种倒角圆弧中间点的识别方法，即拟合抛物线求解顶点法、法向累积夹角半交角判别法、法向夹角引导的弧长均值插值法。在多条边缘轮廓线上验证了3种倒角圆弧中间点识别方法的有效性和精度。
工业检测 扫描仪 边缘轮廓线数据 点云数据 激光与光电子学进展
2023, 60(8): 0811026
1 中国科学院国家空间科学中心，北京0090
2 中国科学院大学，北京100049
点云配准技术作为点云数据处理中的核心技术，会因为点云质量而影响配准效果，质量好的点云可以提高配准精度、空间模型完整度、即时定位与地图构建系统的性能等，因此评价点云数据质量具有很高的客观价值；而通过传感器获得的点云数据存在系统误差和非系统误差等噪声，因此点云数据处理变得很重要，对点云数据处理效果的评价还没有一个较为客观的方法，本文提出了多维点云结构相似性定量化评价方法。通过将滤波前、后的点云数据和标准点云数据进行对比，分别比较三维坐标轴上所有点坐标的均值、标准差和协方差，再对3个坐标轴上的结构相似性值进行权重分配最终获得三维结构相似关联度，进而对点云滤波、点云稀疏后的点云数据质量进行评价。该方法还对提高配准精度进行了实验验证。经过实验表明，该方法能够评价三维点云的质量，且能够评价不同噪声类型以及处理方法下获得的点云质量，为点云配准提供了参考。该方法不仅对点云预处理和点云质量进行了高效、客观地评价，还提供了一种提高点云配准精度和效率的方法。
点云数据 结构相似性 定量化评价 点云滤波 point cloud data structure similarity quantitative evaluation point cloud filtering
1 咸阳师范学院物理与电子工程学院，陕西 咸阳 712000
2 西北工业大学自动化学院，陕西 西安 710072
3 西安建筑科技大学机电工程学院，陕西 西安 710055
为解决激光雷达目标点云配准技术中精确配准步骤中所存在的匹配速度慢和匹配误差大的问题，提出了一种基于邻域曲率改进的迭代最近点（ICP）精准化匹配算法。初始配准采用传统的主成分贴合法，给精确配准找到一个较好的初始位置，精配准采用基于领域曲率改进的ICP算法。以斯坦福兔子和场景点云作为实验研究对象，配准结果和数值分析共同表明，基于邻域曲率改进的ICP算法在点云配准中的可行性，且与其他算法相比，所提算法的配准速度更快、匹配精度更高，为三维数据重建和目标识别技术提供一种更高效的新方法。
遥感 激光雷达 邻域曲率 精确配准 迭代最近点算法 点云数据重建 激光与光电子学进展
2023, 60(2): 0228008
1 内蒙古农业大学计算机与信息工程学院，内蒙古 呼和浩特 010010
2 内蒙古农业大学草原与资源环境学院草业与草地资源教育部重点实验室,内蒙古农业大学啮齿动物研究中心，内蒙古 呼和浩特 010011
针对复杂背景分割时出现的低效率、过分割等问题，提出一种基于法线估计的三维点云分割方法。首先，改进随机采样一致性（RANSAC）算法，引入法线约束去除背景中大部分平面点云，使得目标点云与大量点云分离，然后采用欧式聚类分割从中提取目标点云。利用鼢鼠头骨三维点云数据进行试验，结果表明，融合的点云分割算法可以将目标鼢鼠头骨点云精确分割，完全去除冗余点云，速度快、准确率高，相较同类型方法表现更优。
三维点云数据 随机采样一致性算法 法线估计 欧式聚类 鼢鼠头骨 3D point cloud data random sampling consensus algorithm normal estimation Euclidean algorithm zokor skull
1 西南林业大学 数理学院 ，云南 昆明 650224
2 昆明铁道职业技术学院，云南 昆明 650224
准确提取三维点云数据中待测目标的点云集合是三维点云目标识别技术的一个关键问题，也是近年来目标识别领域从二维向三维拓展的一个重要挑战，其主要难点在于快速寻找离散点云之间的相关函数关系。结合立体视觉与特征匹配构建了可以表征不同视场条件下的目标点云约束的机制，通过采用立体视觉作为约束条件完成了对原有特征匹配算法的优化。设计了基于立体视觉的估计算法，通过训练学习获得了不同选取比例条件下的识别规则。实验采用ARIES激光雷达采集点云，并通过MATLAB选取三种典型目标状态。当目标区分度高时，优化前后的目标识别率都在98%以上；当目标区分度低时，优化后对目标边界的限定条件可以很好地提高识别概率。采用优化的点云数据位置偏差量可达到0.55 mm，相比未优化的0.74 mm提高了0.19 mm。同时，优化后算法的收敛时间曲线要优于未优化的，3000点以上的收敛时间均值约为8.33 s，优于未优化的12.76 s。综上所述，优化后的算法具有更好的识别效率。
目标识别 点云数据处理 立体视觉 特征匹配 target recognition point cloud data processing stereo vision feature matching 红外与激光工程
2022, 51(9): 20210596
为提升城市园林等类型景观的建模精度，以激光三维点云为技术基础，设计一种三维景观建模方法。采用激光三维点云立体式非接触测量技术，获取景观表面数据点三维坐标，在一个坐标系内统一化各角度点云数据，将顺序点间的最远距离作为滤波标准，设定超过标准点为固定端点，平滑处理图像点云，采用三角形网格参数化策略，映射三维网格模型至二维平面中，取得特征点纹理坐标，利用调和映射算法求解非约束点的纹理坐标，通过自适应部分调整策略，优化点云数据纹理，得到最终的景观模型。试验采集研究区域中一处景观的三维数据，结合景观模型效果与评估指标值得出，所提方法能够有效建立模型，且精准度较高，模型细节信息保存得相对完整。
激光三维点云技术 景观建模 点云数据 调和映射 坐标转换 laser three-dimensional point cloud technology 3D 3D landscape modeling point cloud data harmonic mapping coordinate conversion
