颅骨配准是颅面复原过程中的重要步骤之一,颅骨配准的精度直接影响着颅面复原结果的好坏。为了提高颅骨点云模型的配准精度和收敛速度,提出一种基于分层优化策略的颅骨点云配准算法,将配准过程分为粗配准和细配准两个过程,分别采用不同的优化策略进行优化。首先基于点的邻域提取几何特征,从而得到由平均曲率、高斯曲率、法向量夹角和主曲率构成的特征向量;进一步通过距离函数计算特征相似性来建立匹配点对,并采用k-means算法剔除误匹配点对;然后使用四元数法计算颅骨点云间的刚体变换关系,实现颅骨粗配准;最后通过引入k-维(k-d)树和加入几何特征约束对迭代最近点(ICP)算法进行改进,使用改进的ICP算法实现颅骨的精确配准。实验结果表明:粗配准过程采用k-means算法剔除误匹配点对的优化策略和细配准过程加入k-d树与几何特征约束的优化策略都是有效的。与ICP算法相比,本文算法的匹配率和配准精度分别提高了约17%和51%,算法耗时减少了约31%。与其他经典配准算法和改进的ICP算法相比,本文算法的配准效率是最优的。为了验证本文算法的普适性,还采用兵马俑碎片数据进行验证,本文算法也取得了较好的效果和最优的性能。因此,本文算法是一种有效的颅骨点云配准方法。

颅骨配准是颅面复原的重要步骤之一, 其配准精度和效率对复原结果有着重要的影响。为了提高颅骨点云模型的配准精度和效率, 本文提出了一种层次优化的颅骨点云配准方法。将颅骨配准分为粗配准和细配准两个过程。首先对颅骨点云模型进行去噪、简化和归一化等预处理; 然后对颅骨点云模型提取特征点并计算其特征序列, 根据特征序列进行约束寻找初始对应点对, 并采用k-means算法剔除误匹配点, 实现颅骨粗配准; 最后通过加入几何特征约束的改进迭代最近点(ICP)算法实现颅骨细配准, 从而达到颅骨精确配准的目的。本文分别对粗配准、细配准和先粗再细完整配准过程进行实验, 结果表明: 粗配准过程, 与未优化的粗配准算法相比, 本文优化后的粗配准算法的配准精度提高了约35%, 算法耗时增加了约6%; 细配准过程, 与ICP算法相比, 本文改进ICP算法的配准精度和收敛速度分别提高了约20%和43%, 算法耗时减少了约47%; 先粗再细的完整配准过程, 本文算法的配准精度和收敛速度都要优于其他两种方法。证明了本文方法是一种有效的颅骨点云配准算法, 可以实现颅骨点云的精确配准。

为满足复杂靶标背景下激光光斑形心的高精度定位要求, 提出了一种基于几何特征约束残差修剪的定位方法。首先通过分析成像特点提取激光光斑; 然后在几何特征约束下对残差边缘进行二次修剪, 优化边缘; 最后利用最小二乘拟合法得到激光光斑形心的精确定位, 并将其应用于火炮的重要静态参数——弯曲度测量。实验结果表明, 该方法具有较强的稳定性, 定位精度高且实时性好, 与传统的定位方法相比, 复杂靶标上激光光斑的水平和竖直定位偏差均由±1.2 pixel提高到±0.2 pixel, 单次定位时间小于0.31 s, 可实现复杂靶标背景下激光光斑形心的快速精确定位。