为解决地面点云占比过少、多条公路平面参数不同导致的地面点云移除效果差、运行时间长的问题，提出一种公路地面点云快速移除算法。该算法对传统的随机采样一致性（RANSAC）算法进行改进，通过循环计算高程最低点，并基于该点提取特定范围点云，提高地面点云占比、大幅缩短地面参数获取时间。改进后的算法能够快速移除多条公路地面点云，同时完整保留非地面点。实验结果表明：对于不同场景的公路地面，所提算法均能取得良好的地面移除效果。对于单公路场景，改进算法耗时8 ms，相比RANSAC算法缩短118 ms；对于多公路场景，改进算法耗时57 ms，相比RANSAC算法缩短180 ms。
图像处理 激光雷达 公路地面点云移除 随机采样一致性 激光与光电子学进展
2023, 60(14): 1428009
1 中国民用航空飞行学院 空中交通管理学院, 广汉 618307
2 国网福建省电力有限公司 电力科学研究院 设备技术研究中心, 福州 350007
3 中国民用航空飞行学院 计算机学院, 广汉 618307
为了解决无人机机载激光雷达采集到的点云数据存在密度高但分布不均匀的现象, 以及绝缘子表面纹理信息不全等问题, 提出了一种基于机载激光点云的电网绝缘子识别方法。首先分析杆塔中不同部位的强度值直方图, 用强度值滤波剔除大部分的杆身点云; 然后采用主成分分析法计算局部点云特征值, 根据特征值构建的局部熵函数和空间分布特性删除冗余的平坦区域点云, 并通过栅格修补的方法避免出现点云空洞; 最后针对传统采样一致性初始配准(SAC-IA)算法精度低和速度慢的问题, 通过增加采样点对的距离约束关系和自适应调整参数改进SAC-IA算法完成绝缘子的位姿估计。结果表明, 该方法能正确高效地识别杆塔中的绝缘子, 运行时间大幅减少, 提取正确率达到95.16%。该研究在无人机自主巡检航线规划中具有良好的应用价值。
激光技术 绝缘子识别 无人机 采样一致性初始配准算法 强度值滤波 主成分分析法 laser technique insulator identification unmanned aerial vehicle sample consensus initial alignment algorithm intensity value filtering principal component analysis
1 中国科学院国家天文台南京天文光学技术研究所天文光谱和高分辨成像技术研究室，江苏 南京 210042
2 中国科学院大学天文与空间科学学院，北京 100049
针对透明光学元件特征不明显以及机器视觉难以进行大视场、高精度尺寸测量的问题，提出一种基于亚像素图像拼接的视觉测量方案。该方案对相机坐标系与世界坐标系间的旋转角进行标定，获得精确的尺度因子与图像预匹配结果；图像坐标系旋转角校正后小于；通过添加网格背景实现透明元件特征匹配。所提基于滑动窗口预匹配、随机采样一致性筛选最佳偏移向量的配准算法，使图像拼接精度达到0.05 pixel，较已有研究明显提升。将该方案应用于透明光学元件视觉检测系统中，在移动精度仅为0.02 mm的条件下，获得了平均误差为0.12 pixel的图像拼接结果，实现了透明光学元件的大视场、高精度尺寸测量。
机器视觉 视觉检测 透明光学元件 校正 亚像素 图像拼接 随机采样一致性 激光与光电子学进展
2023, 60(6): 0615004
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
华中农业大学 资源与环境学院, 武汉 430070
为了对玉米种植株数进行无损的自动化识别, 利用FARO focus s70地面激光扫描仪、采用四站式扫描方法, 采集不同视角下的玉米田块点云数据。设计了一种基于标靶球自动提取的配准算法, 对各站获取的点云数据进行精确配准, 取得了完整的玉米田块点云数据, 并以标靶球拟合误差和标准偏差分析配准精度。对于配准好的3维点云数据, 利用采样一致性算法基于圆柱体特征从完整的玉米田块点云中精确分离出茎秆点云, 统计玉米种植株数。结果表明, 标靶球拟合标准偏差在0.1mm~0.7mm之间, 满足仪器测量精度要求;拟合误差总体在2mm~5mm之间, 能满足大场景测量配准误差5mm的要求;对玉米种植株数的识别率达到86.1％~92.1％。这一结果对于农田环境下玉米种植株数识别的实际应用方面是有帮助的, 为作物的估产提供了数据基础, 为智慧农业研究提供了理论方法。
激光技术 株数识别 随机采样一致性算法 农田玉米 点云配准 laser technique plant number identification random sample consensus farmland corn point cloud registration
红外与激光工程
2021, 50(10): 20200483
西南交通大学机械工程学院, 四川 成都 610031
针对传统尺度不变特征变换(Scale Invariant Feature Transform, SIFT)算法存在特征点冗余和计算量大等问题,提出一种基于双预筛选的强鲁棒性SIFT算法。首先在构造差分空间之前,利用像素点8邻域标准差相似度方法对特征点进行预筛选,然后利用极值检测方法对特征点进行精确定位。针对传统随机采样一致性(RANSAC)算法存在匹配效率低等问题,提出一种自适应三维多峰直方图投票的方法,采用该方法对初始匹配进行筛选,筛选结果作为RANSAC的初始内点集并对初始匹配进行提纯,最后在最优内点集中对模型参数进行计算。实验结果表明,所提算法在不同类型的图像中,相较于传统SIFT+RANSAC算法,特征点的检测时间平均减少11.7%,总运行时间平均降低10.7%,正确匹配数平均提升2.8%;召回率与F值分别平均提升4.9个百分点与2.7个百分点,说明所提算法的综合性能具有有效性。
图像处理 SIFT算法 随机采样一致性 预筛选 特征点提取 特征点匹配 激光与光电子学进展
2021, 58(22): 2210010
针对常规的点云滤波方法在去除接近模型噪声的过程中会对模型造成较大破坏的问题,提出一种结合双张量投票和多尺度法向量估计的点云滤波算法。首先采用主成分分析法在较大的尺度下估计各点的法向量,对各点进行双张量投票以提取特征点。然后对提取出的特征点在较小的尺度下估计法向量,并结合随机采样一致性方法对小范围噪声平面进行剔除。最后采用曲率对剩余的噪声进行滤波,获得最终的点云数据。实验结果表明,所提算法可以有效剔除噪声点,并较好地保留三维模型的尖锐特征,为后续点云配准和三维重建奠定基础。
图像处理 点云滤波 张量投票 随机采样一致性 多尺度法向量估计 曲率 激光与光电子学进展
2021, 58(20): 2010001
1 长春理工大学电子信息工程学院, 吉林 长春130022
2 长春理工大学空间光电技术研究所, 吉林 长春130022
针对传统图像拼接方法处理速度慢、效率低、无法满足高分辨率图像快速准确拼接的需要,提出一种基于ORB特征的高分辨率图像拼接改进算法。首先在ORB特征点提取的基础上,采用汉明距离进行快速粗匹配;然后基于渐进采样一致性(PROSAC)算法对匹配点对进行优化,去除误匹配点对之后,求解图像变换矩阵;最后采用渐入渐出加权融合算法对图像重叠区域进行融合,去除拼接痕迹。实验结果表明,相较于传统算法,本文算法不仅在处理速度上具有明显优势,而且匹配准确度更高,能够对高分辨率图像实现快速准确的拼接。
图像处理 图像拼接 特征点提取 特征点匹配 渐进采样一致性 激光与光电子学进展
2021, 58(8): 0810004
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
