基于各向异性移动最小二乘曲面的点云对齐方法

发布时间：2020-10-16 04:08

　　 在反求工程中,常用三维激光扫描仪测量机械工件,获得表面几何形状数据点集。数据点集由扫描仪多视度测量得到,不同角度下的数据点定义在不同的坐标系下。因而,需要将多视测量数据对齐才能完整描述工件整体外形。工程中,常用的对齐有基于硬件的对齐方法、基于迭代最近点(ICP)的对齐算法等。对齐算法中,点到点的ICP算法简单易行,应用广泛。然而,对齐精度容易受采样密度和噪声的影响。为此,本文提出基于各向异性移动最小二乘曲面的多视点云对齐方法,并在以下几个方面开展研究工作:复杂工件几何形状特征丰富多变,为了实现多视测量点云精确对齐,需要对测量数据形状变化特征进行整体和局部分析。通过分析,提取描述形状变化的几何特征参数。为了表示各向异性形状特征变化,使用主曲率对任意点在不同方向上的变化趋势进行表征。为了准确、稳定地估算出主曲率,在测量点云局部邻域使用积分不变量方法进行主曲率分析。为了在合适的尺度下进行积分不变量分析,通过主曲率的求解结果迭代反求出与局部特征和邻域相适应的尺度。通过主曲率分析,得到与整体外形以及局部各向异性形状特征变化相适应的描述。提出以主曲率参数,构建线性异构高斯核函数。通过异构高斯核函数定义各向异性移动最小二乘(HMLS)曲面,在测量数据局部邻域描述局部各向异性形状特征。HMLS曲面不仅表征平坦区域的形状特征,还可以表征尖锐区域的形状特征。并且,它可以反映局部形状特征沿着两个不同方向的变化,能够精确地逼近工件几何模型。在局部邻域构建HMLS曲面的基础上,将测量数据投影到的HMLS曲面上,计算出投影点。提出点到HMLS曲面的正交投影算法,并证明了这个投影过程具有二阶收敛性。将点投影到HMLS曲面上,构造对应点对。根据点对计算出刚性变换矩阵,将测量数据对齐到HMLS曲面上。最后,通过模拟案例和实际工程案例,验证了本文提出的方法对噪声鲁棒,可以实现多视点云精确对齐。
【学位单位】：广东工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN249;TP391.7
【部分图文】：

图 2-1 平面曲线积分不变量Figure2-1 Integral invariant for planar curve用平面曲线积分不变量来估算曲线 在点在 点，半径为 的圆盘； 表示中心界。在图 2-1 中，面积不变量可表示为圆 (¤) ，可用 (¤)表示。 (¤)在半径而，可通过 (¤)计算曲率。由于小于半所以积分不变量可以在含噪声的数据鲁量的求解公式，需要先说明相交邻域 。别为曲线或曲面。同时，需要在这个邻域 包含在邻域 中，则有 ( )=1，否则有 计算的积分不变量具有以下两种卷积积分

a) b) c) d)图 2-3 邻域主成分分析Figure2-3 Neighborhood area for PCAa)曲面与球域 b)邻域 c)球面坐标系中的点 d)曲面两边的点) a surface and a local ball b) the neighborhood of c) a point in a spherical coordinate syd)points separated by the surface如图 2-3 所示，为了在点 的邻域点集 上估计点云主曲率特征，需要根据下心 ( )和协方差矩阵 ( )， ( ) = ( ) ( )， （2. ( ) = ( ) ( ) 。 （2.根据式（2.29）和（2.30），需要使用 PCA 技术进而求得特征值 ( = )

破坏——对齐点云在目标点云上根本没有理想移动最小二乘(HMLS)曲面的精确对齐方法，的精确对应点对。该方法根据 HMLS 曲面重构特征的模拟曲面，然后利用点到模拟曲面的精间计算出精确的对应点对。然后，构建损失函优化损失函数，将变换点云对齐到目标点云上的投影点计算点在 HMLS 曲面上的正交投影点，需要事先确影点之间的连线决定，并且连线与 HMLS 曲究直线和 HMLS 曲面的交点以及曲面上正交投交投影点的有效搜索方法。
【相似文献】

相关期刊论文 前10条

1 杨必胜;董震;;点云智能研究进展与趋势[J];测绘学报;2019年12期

2 王雯;任小玲;陈逍遥;;一种改进的区域增长彩色3D点云分割算法[J];国外电子测量技术;2018年11期

3 陈华臻;高健;;面向反光工件点云缺陷的点云增强算法[J];计算机辅助设计与图形学学报;2019年07期

4 马东岭;王晓坤;李广云;;一种基于高度差异的点云数据分类方法[J];测绘通报;2018年06期

5 杨泽鑫;程效军;丁琼;程小龙;;面向室内场景点云的对象重建[J];测绘通报;2017年06期

6 翁福洲;黄鹤;;快速点云定向数学模型实际精度分析[J];北京测绘;2017年04期

7 琚俏俏;王令文;;基于自适应切片的点云压缩算法[J];工程勘察;2017年09期

8 许宁;钟友玲;;地面三维激光扫描点云重建技术研究[J];数码世界;2017年08期

9 龚书林;;三维激光点云处理软件的若干关键技术[J];测绘通报;2014年06期

10 徐守乾;朱延娟;;稀疏点云的曲面重构[J];中国制造业信息化;2011年03期

相关博士学位论文 前10条

1 徐敏峰;基于质点分布优化的点云法向一致性和重新网格化研究[D];山东大学;2019年

2 师翊;基于点云的苹果树冠层光照分布与生长过程数字化关键技术研究[D];西北农林科技大学;2019年

3 杨佳琪;点云局部特征描述与匹配研究[D];华中科技大学;2019年

4 程旭;复杂零件三维重建与点云配准技术研究[D];华中科技大学;2019年

5 胡晓斌;车载移动测量地物分类方法与重建技术研究[D];武汉大学;2016年

6 蔡湛;迁移学习点云滤波及建筑物特征线提取研究[D];武汉大学;2018年

7 李亮;基于点云匹配的智能车定位方法研究[D];上海交通大学;2018年

8 赵宗泽;基于数学形态学的机载LiDAR点云建筑物区域提取[D];武汉大学;2016年

9 魏崇阳;城市环境中基于三维特征点云的建图与定位技术研究[D];国防科学技术大学;2016年

10 奚以成;基于机载LiDAR技术的城市智能感知与变化检测技术研究[D];沈阳农业大学;2018年

相关硕士学位论文 前10条

1 仇倩雨;发动机部件三维表面温度场重建系统研究[D];南京航空航天大学;2019年

2 李磊;基于点云的非合作航天器自主识别与位姿估计研究[D];南京航空航天大学;2019年

3 王琪;基于Plücker坐标的影像点云与LiDAR数据自动配准研究[D];南京航空航天大学;2019年

4 严俊;基于投射散斑和单相机拍照的点云重建技术研究[D];南京航空航天大学;2019年

5 郭交通;基于点云的目标识别和位姿估计方法研究[D];南京航空航天大学;2019年

6 任春枝;牛场牛粪清理机器人系统中激光雷达三维环境重构的设计与应用[D];宁夏大学;2019年

7 魏亮;基于特征点云的火箭喷管位姿测量方法研究[D];哈尔滨工业大学;2019年

8 张鑫;基于机器视觉的轮毂型号在线识别系统研究[D];哈尔滨工业大学;2019年

9 潘志琛;城市环境中的聚类地图创建与无人车重定位方法研究[D];哈尔滨工业大学;2019年

10 何欣栋;基于多线激光雷达点云的无人驾驶车辆检测方法[D];哈尔滨工业大学;2019年

本文编号：2842736