地面激光扫描技术为树木三维信息的获取提供了一种高效、准确的手段。针对目前树木点云枝叶分离方法复杂、自动化程度较低、效果不理想等问题,提出了一种结合最短路径分析与图分割算法的树木点云枝叶分离方法。该方法首先利用最短路径分析算法构建了枝干骨架,在此基础上选择骨架邻近点提取枝干点云,然后利用图分割算法补全主要枝干中漏分的点,实现高精度的枝叶分离。以开源数据中平均点间距不同的树木点云为例,该方法对三类数据的分类精度分别达到0.9697、0.9469和0.9314,kappa系数均在0.84以上,可以有效解决树木细小枝干提取不完整以及枝干漏分离等问题。研究结果表明,所提方法能够有效分离树木点云中的树叶点和枝干点,且鲁棒性较高,为后续的枝干结构特征提取提供了技术支持。
遥感 地基激光雷达 枝叶分离 最短路径分析 图分割 逐点特征 中国激光
2022, 49(23): 2310001
红外与激光工程
2022, 51(5): 20210342
红外与激光工程
2021, 50(10): 20200483
1 中国科学技术大学精密机械与精密仪器系, 安徽 合肥 230026
2 中国科学技术大学国家同步辐射实验室, 安徽 合肥 230027
已有匹配算法对低重叠度点云的配准精度较低,且对不同尺度的点云比较敏感,为了达到较好的配准效果,需要对点云进行预处理或调节较多参数。快速点特征直方图(FPFH)的复杂度较低,且能保留点云的大部分特征,因此,基于点云的FPFH提出了一种改进的配准算法。首先,基于FPFH提取多尺度特征的关键点,以适应不同规模的点云数据集,同时降低需要调节的参数量。然后,对经过FPFH匹配初步筛选的对应点关系进行精确提取,增加点云内的距离约束条件,降低算法对重叠度的敏感性,获取配准的初步变换矩阵。最后,经过迭代最近点算法进行微调,达到精确配准的目的。实验结果表明,该算法在不同重叠度以及不同规模的点云数据集上均具有较好的配准精度。
机器视觉 点云配准 快速点特征直方图 迭代最近点 欧氏距离 激光与光电子学进展
2021, 58(24): 2415004
红外与激光工程
2021, 50(5): 20200492
1 重庆理工大学电气与电子工程学院, 重庆 400054
2 电梯智能运维重庆市高校工程中心, 重庆 402260
3 光纤传感与光电检测重庆市重点实验室, 重庆 400054
三维点云快速点特征直方图(FPFH)特征提取的邻域半径采用预设固定值,导致特征描述具有随意性、不全面性、低效性等问题,点云配准整个过程自动化程度低、耗时长。针对该问题,提出一种三维点云配准中FPFH邻域半径自主选取算法。首先,计算多对点云圆周密度并且保留最大圆周半径;其次,设置迭代次数,根据迭代次数和每对点云最大圆周半径自动划分单次邻域半径,通过划分的邻域半径提取FPFH特征并用于采样一致性算法配准;最后,统计多对点云圆周密度及对应的最优邻域半径,使用多项式拟合法求出映射函数,形成FPFH特征提取优化算法。结果表明,所提算法能够根据点云圆周密度自动选取最佳邻域半径,有效降低了点云描述的不全面性和冗余度,在提高点云配准自动化程度的同时提高了点云配准速度和精度。
图像处理 邻域半径 快速点特征直方图 点云配准 采样一致性算法 多项式拟合 激光与光电子学进展
2021, 58(6): 0610002
上海工程技术大学电子电气工程学院, 上海 201620
针对传统视觉里程计在低纹理场景下,定位精度差甚至失效的问题,提出一种结合点线特征的RGB-D视觉里程计方法。该方法结合了点线特征各自独有的特性,同时联合点特征的光度误差和线特征的局部梯度适应性误差,构建了一个对低纹理场景鲁棒的联合误差函数。利用高斯-牛顿迭代法对联合误差函数进行非线性迭代优化,以获取相机每一帧的准确位姿。在公开的真实RGB-D数据集和合成基准测试数据集上对本文方法进行评估。实验结果表明,与其他先进算法相比,本文算法具有更优越的准确性和鲁棒性。
机器视觉 视觉里程计 低纹理 点特征 线特征 联合误差函数
1 武汉理工大学信息工程学院宽带无线通信与传感器网络湖北省重点实验室, 湖北 武汉 430070
2 湖南工学院电气与信息工程学院, 湖南 衡阳 421002
3 西安电子科技大学人工智能学院, 陕西 西安 710071
为了进一步提高点云图像船舶分类方法的分类准确率,提出了一种基于三维卷积神经网络(3D CNN)的点云图像船舶分类方法。首先采用密度网格方法将点云图像转为体素网格图像,将体素网格图像作为3D CNN的输入对象;接着通过设计的6层3D CNN提取体素网格图像的高水平特征,捕捉结构信息;最后在输出层利用Softmax函数进行分类,得到最终的分类结果。实验结果表明,在自建的点云图像船舶数据集上,所提方法的分类准确率达到了96.14%,比3D ShapeNets方法和VoxNet方法分别提高了5.97%和2.46%。在悉尼城市目标数据集上,与现有一些方法相比,所提方法的分类准确率较高。这些结果均证明所提方法具有良好的分类性能。
图像处理 船舶分类 三维卷积神经网络 体素网格 点云 点特征直方图 激光与光电子学进展
2020, 57(16): 161022
1 武汉理工大学现代汽车零部件技术湖北省重点实验室, 湖北 武汉 430070
2 武汉理工大学汽车零部件技术湖北省协同创新中心, 湖北 武汉 430070
对强噪声且密度不均匀的点云进行高效、高精度配准是一个难题。针对此难题,提出一种基于关键点提取与优化迭代最近点(ICP)的点云配准算法。在粗配准中,将体素格滤波与法向距离关键点的提取相结合,计算关键点的快速点特征直方图以进行特征匹配,然后采用对应关系估计优化随机采样一致性(RANSAC)算法以进行误匹配剔除。在精配准中,采用最优节点优先(BBF)算法搜索k-d tree最近点,设定动态阈值消除误配对,最后利用基于“点到三角面”模型的加速ICP算法计算配准向量。通过对模型点云和建筑物点云进行配准,将所提算法与其他常用的算法进行比较分析。实验表明,所提算法具有良好的稳健性和抗噪性,能显著提升配准速度和配准精度。
图像处理 点云配准 特征点提取 迭代最近点 快速点特征直方图 激光与光电子学进展
2020, 57(6): 061002
1 中国科学院大学, 北京 100049
2 中国科学院电子学研究所, 北京 100190
为解决复杂场景下城区点云分类精度不高的问题,提出了基于多尺度自适应特征的分类方法。首先,对经典几何统计特征和点直方图特征进行组合,将组合特征集作为分类依据;然后采用随机森林法评估特征的重要性,并自适应选取重要的特征集;最后基于多尺度自适应特征实现了点云的分类。实验结果表明:该方法能实现城区点云的高精度分类,能适合任意尺度下不同分辨率点云数据的分类。
遥感 点特征直方图 自适应特征 多尺度 分类