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。

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。

针对大视场下气瓶阀门的自动化操作,提出一种基于对称性投影的三维定位算法。采用级联分类器对阀门进行初定位与分割,通过随机采样一致性(RANSAC)算法提取阀门平面法向,利用规则刚体结构的对称性,以一种轴向投影与自适应阈值相结合的方式获取阀门平面的边缘点对,并结合空间直线方程计算出最终所需的中心坐标,实验结果表明:在690 mm×520 mm的视场范围内,坐标及位姿的均方根误差分别为0.352 mm,0.0145 rad。与常规边缘提取方式相比,该算法能更好地应对噪声与点云的缺失,实现了大视场下阀门中心的精确定位。

针对最近点迭代算法(ICP)在大数据点云下配准效率低及对配准点云初始位置依赖性强的缺点,提出了一种基于快速点云粗配准与 ICP 算法相结合的方法。根据体素对原始点云进行下采样,结合法向量特征提取关键点,使用快速点特征直方图(FPFH)算法描述关键点;根据局部邻域内的关键点匹配对的向量夹角特性进一步对匹配点对进行精简;对精简后的关键点对集使用随机采样一致性算法(RANSAC)获取内点最多的变换参数,从而完成点云粗配准;最后在粗配准点云的基础上使用 ICP 算法完成精确配准。实验结果表明,本算法在高密集点云上的配准效率和精度均有所提高。

针对旋转不变性二进制描述算法(Oriented Fast and Rotated Brief, ORB)的尺度旋转性配准误差大, 配准率较低及随机采样一致性(Random Sample Consensus, RANSAC)算法随机性强且不稳定的问题, 提出一种ORB与RANSAC结合的快速特征匹配算法。首先, 对特征点提取方式进行优化选择, 消除特征边缘影响。之后构建简化的金字塔式尺度空间模型, 改进分层图像的尺度空间结构, 减少生成图像层数和数目; 然后采用梯度方向改进传统ORB算法中的主方向提取模式, 提高特征角点主方向的准确性。最后, 通过构建分块随机取样检测的方式改进RANSAC算法, 提高RANSAC算法的稳定性和图像配准的准确性。实验结果表明改进后的ORB和RANSAC融合算法在尺度和旋转配准方面性能有很大提高, 并且配准的精度较传统ORB算法高, 尺度配准精度提高55.41%, 旋转配准精度提高26.66%。满足复杂图像快速精确配准拼接的精度和实时性要求。

针对多个板型物体混叠摆放的场景,提出了一种快速有效的分割算法。该算法充分利用有序点云的特点,将自顶向下以及自底向上的分割策略结合,根据三维点的空间位置和法向量,利用随机采样一致性(RANSAC)算法从三维点云数据中快速提取平面点集;然后将提取的平面点集所对应的图像坐标映射为二值图像,通过连通区域分析将其分割为多个连通的平面区域;接着利用“胶水”算法对这些区域进行快速合并,并对较大的弱连接连通区域进行断裂修正,得到最终的分割结果。实验结果表明:与区域生长算法相比,所提算法的分割结果更优,且算法效率大幅提升。

提出了一种针对密集圆形管道点云数据的自动分割算法，通过八叉树结构将点云划分为若干个子块，并建立其空间邻域关系，采用基于法向量条件约束的随机采样一致性算法移除子块内的大区域平面，同时运用欧氏距离聚类和基于平滑条件约束的区域增长分割算法再次细化数据。实验结果表明：提出的自动分割算法在处理大小为6 m×12 m×16 m的点云空间数据时，4线程并行计算仅耗时9 s，精确率达到90%以上。因此，所提算法能够快速、准确地分割管道点云数据，具有较高的应用价值。

针对双Kinect扫描大型物体过程中双Kinect外参标定问题,利用改进的随机采样一致性方法提取了点云球体及平面模型的关键参数,分析了不同Kinect坐标系下的球心坐标及平面法向量间的关系,提出了一种基于球体及平面模型的双Kinect空间位置的标定方法,实现了视角位移变化较大的平移旋转矩阵的标定。相对于利用传统迭代最近点(ICP)算法及改进的ICP算法标定两个Kinect外参的方法,所提方法的速度、精度均有较大幅度提高。最后,利用实际模型的配准结果验证了所提方法的可行性,所提方法为视角位移变化较大的双Kinect外参的标定提供了一种快捷、准确的标定方案。

针对船舱复杂构件点云提取存在人工成本高、效率低的问题, 提出了一种适用于平面舱壁类型船舱点云的分割方法。通过种子点集构建、点云法线估计及直线拟合的方式建立以船舱纵向为X轴、横向为Y轴、竖向为Z轴的独立坐标系, 以简化分割算法的复杂度; 根据船舱内部复杂构件的分布特性, 制定最佳分割次序, 基于随机采样一致性算法拟合平面的思想有序地分割船舱构件点云。选用两组不同结构的船舱点云数据进行算法验证, 实验结果表明：该方法能够从不同结构的船舱散乱点云中快速、准确地自动分割出主要构件点云, 可靠性强, 具有较高的实用价值。

同步相移干涉技术通过同时获取多幅相移干涉图, 实现动态波面的相移干涉测量。为了保证测量精度, 在实施相移算法前, 需要对相移干涉图进行准确的位置配准。提出了一种结合加速稳健特征(SURF)提取算法和随机采样一致性(RANSAC)算法的多步干涉图位置配准方法, 通过配准具有一定特征的干涉背景图, 获得图像之间的变换关系并作用于相移干涉图, 实现同步相移干涉图位置配准。仿真分析表明, 该方法在光强不均的情况下对平移和旋转变换均具有较好的校准效果; 在含有高斯白噪声的情况下, 仍能进行配准获得变换矩阵, 完成相位恢复。将此方法应用于四步同步相移显微干涉测量仪对标准平面进行测量, 得到测量结果峰谷值为23.2520 nm, 均方根值为2.3149 nm。