首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 15 毫秒
1.
该文提出一种基于SLAM定位的多位置和姿态点云的拼接与分割方法,可提供信息量大且准确的点云样本数据。首先,利用RTAB-MAP框架构建SLAM算法,由KinectV2传感器采集获得带有位姿信息的多角度RGBD图像样本,并转化为三维点云场景数据;其次,改进ICP算法并基于SVD算法设计多位姿点云的拼接算法;再次,根据原始点云的RGB信息与凹凸性特征,设计三维点云分割算法,以此形成一系列点云目标;最后,开展点云拼接和点云分割实验,实验结果验证了该文所提算法的正确性和有效性。  相似文献   

2.
在点云数据采集过程中,现场情况会导致点云数据质量下降,出现如点云残缺、点云稀疏、噪声等问题,传统点云配准算法在对低质量点云进行配准时会出现配准失败的问题。针对低质量点云配准的挑战,提出一种粗匹配和精匹配结合的算法,通过PPF方法进行粗匹配,将其计算结果作为ICP精匹配方法的迭代初值,提高算法的速度和精度。最后,分别针对稀疏点云、含噪声点云和残缺点云进行实验验证,证明了本算法的有效性。  相似文献   

3.
为了有效采集岩溶洞穴内部点云数据,克服单一数据采集手段获取岩溶洞穴内点云数据存在较多数据缺失的问题,通过地面架站式三维激光扫描仪、背包式三维激光扫描仪和摄影测量技术获取岩溶洞穴内的多源点云数据,并采用改进的ICP算法对多源点云数据进行融合.结果表明,采用多种数据采集手段能有效采集岩溶洞穴内的三维点云数据,弥补单一数据采...  相似文献   

4.
为了实现大型点云的精确配准,首先对大型点云数据进行降采样及去质心预处理,并采用迭代最近点(Iterative Closest Point,ICP)算法计算点云间的旋转矩阵R与平移矩阵T,最终在Visual Studio中基于OpenGL库实现界面交互和结果显示。结果表明,该配准算法既支持人为选择关键点进行配准,也支持随机生成关键点进行配准,且准确率高。大型点云数据实验表明,针对大型点云点数目多,普通配准算法计算时间长的问题,采用K-D树进行配准算法加速,可保证精度,同时大大缩短了大型点云配准计算时间。  相似文献   

5.
肖培 《教育技术导刊》2017,16(10):61-63
点云模型区域分割是其数字处理的基础工作。在分析用户交互式边界顶点选取方法基础上,提出一种基于自动生成边界曲线的分割算法。根据点法式方程求解边界点的剖切平面,据此将点云模型分为两部分。实验表明,与适当的用户界面配合,算法可有效实现点云模型的特征区域交互式分割操作,为点云模型参数化及模型编辑等提供支持。  相似文献   

6.
由于激光雷达等扫描设备得到的点云存在数据量大、数据中掺杂噪声较多等一系列问题,提出一种基于特征点保持的点云精简与配准方法。首先利用K-means算法对所有点云数据聚类,滤除掉噪声点云,再进行精简化处理;随后在精简的基础上用KD-tree对数据进行最近邻搜索以加快对应点查找速度,从而为配准节省一定的时间;最后根据欧氏距离选择合适的初值减少匹配误差。实验结果表明,精简后的点云数据保持了基本特征,一定程度上减少了配准时间和误差。  相似文献   

7.
从Li DAR点云中准确地提取地物是Li DAR数据处理过程中的一项关键工作。针对Li DAR点云数据在滤波分类和点云精确提取分类方面的不足,提出了一种新的影像辅助下Li DAR点云地物提取的方法。首先,对Li DAR点云按高程值重采样生成高程投影影像并自动分割,同时从高分辨率正射影像提取特征影像,然后将特征影像和由Li DAR生成的分割影像进行集成分析,利用影像提取结果辅助Li DAR点云错分、漏分纠正和点云精确分类处理,最后通过试验分析,验证了该方法的可行性与有效性。  相似文献   

8.
提出了一种基于法矢空间离散扩张的三维点云数据特征分离算法。将三维空间中的点云数据投影到法矢空间中,通过法矢估算与离散扩张的方法从复杂模型中提取具有几何特征的曲面并将其相互分离。实验证明算法能迅速地从海量点云数据中识别并分离具有几何特征的数据点,得到单一特征曲面,并且具有较好的健壮性和算法效率。  相似文献   

9.
八象限法三角化   总被引:1,自引:1,他引:0  
空间点云的三角化是三维立体视觉领域中的研究热点,当前三角化文献中大多数只介绍空间部分点云的三角化方法,只有少量文献中介绍的空间闭合点云的三角化方法,但其算法较复杂而不太实用。本文通过将空间闭合点云划分成多个相当的部分点云进行平面三角化,然后再将分割的部分点云进行缝合,而最终形成对整体空间闭合点云的完整三角化。实验表明该算法简单,速度快,三角化的质量高。  相似文献   

10.
3D点云能清晰、直观、准确地反映真实场景,其中卷积神经网络、随机森林分类器等都是用于3D点云语义分割的主要研究方法,均取得了良好的实验结果。但是到目前为止,在复杂丰富的3D实景中如何实现分割的多通道化还有很大的研究空间。基于此首先介绍了一种精巧、简单的3D点云语义分割框架,然后提出了一种通过学习语义感知的点级个体嵌入方法,将属于同一个体的语义特征融合在一起,使得每个3D点的语义预测更精确,同时实验结果也说明了这种融合个体识别的语义分割方法是可行的有效的,在精度上较PointNet++结构提高了3. 9个百分点,在速度上处理同样4096个点云数据的速度比先进的SGPN结构快约4倍。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号