共查询到20条相似文献，搜索用时 15 毫秒
1.
2.
《中国科技信息》2020,(14)
本文根据三维图像和决策树模型设计基于颜色与三维形状的水果识别算法,并评价该算法的识别准确率。根据所采集到的125张三维图像信息,首先将RGB数据进行灰度处理和高斯滤波处理,而后按照Canny算法进行边缘检测,从而提取目标物体的颜色特征,将目标的RGB数据与深度数据转化为点云模型,再将点云模型进行点云滤波处理、点云分割操作,提取出目标物体的点云模型,最后根据拟合点云模型和拟合球体的方差从而提取出目标物体的三维形状特征。通过CART算法构建基于颜色与三维形状的水果识别模型,使用识别率评价模型效能,本文算法的识别准确率高达94%。结果表明,该算法可以极大提升水果识别效率,缩短水果分类周期,提高水果分类准确率,减少劳动力的消耗。 相似文献
3.
4.
基于机载LiDAR数据的建筑屋顶点云提取方法 总被引：1，自引：0，他引：1
机载激光雷达技术已经成为快速获取城市建筑三维数字模型的有效手段,而建筑物屋顶点云提取则是建筑物三维数字模型重建的关键.为有效剔除植被和墙面点云,以及消除地形起伏对建筑点云提取精度的影响,提出一种层进式屋顶点云提取方法.首先对Li DAR点云进行滤波,在此基础上利用点云回波特性和点云法向量检测并删除非地面点中特征明显的植被点和建筑物墙面点,然后利用连通成分分析法对非地面点聚类得到初始建筑点,最后结合DTM并利用建筑物面积和高度信息分离得到建筑物屋顶点云.试验结果表明,本方法能有效地从机载点云数据中快速提取建筑屋顶点云,有效率可达85%以上. 相似文献
5.
三维激光点云数据处理工作中,点云配准工作是后续的所有点云分析以及三维重建等工作的关键。综合分析现有配准算法的不足,在点云初始配准阶段,本文采用了Rusu等提出的基于点特征直方图的采样一致性初始配准算法(SAC-IA),并从从算法准确度和效率角度提出了改进:加入了采样点几何形状约束以保证采样点不共线,通过计算点特征直方图差异代替了欧式距离差异改进了误差评定方法。在点云精细配准阶段,本文采用了F.Pomerleau等提出的改进后的ICP算法,并在此基础上提出了一种基于点云重叠区域的精细配准算法。实验结果分析,该算法配准精度较高,能够满足点云配准要求。 相似文献
6.
针对杂波环境中的三维机动目标的点迹提取问题,提出了一种基于hough变换的目标点迹提取算法,将三维机动目标分别进行平面映射,然后在每个平面采用hough变换处理,对变换结果进行检测,得到所需要的目标点迹信息。采用该算法得到的目标点迹距离和角度信息,可快速起始杂波环境中的目标航迹,并降低数据处理的运算量。仿真结果表明,该算法具有较好的点迹提取能力。 相似文献
7.
针对Pal和King提出的模糊边缘检测算法需要多次试探取定渡越点值的缺陷,提出了一种改进的图像模糊边缘检测算法。根据计算贫富差距的原理来确定图像的渡越点值,之后利用模糊隶属函数将原图像映射到一个模糊特征平面;通过增强处理算子来扩大区域之间的差异,加强目标和背景之间的对比度;在对模糊矩阵进行逆变换图像后根据一定的判别准则提取图像的边缘。多幅图像的实验结果表明,该算法检测的边缘效果质量很高,且具有自适应性。 相似文献
8.
9.
10.
《科技通报》2016,(5)
提出了一种基于双目立体视觉的玉米叶片三维重建方法。该方法利用两个平行且位置相对固定的摄像机,组成双目立体视觉系统。运用改进的张正友平面标定法进行摄像机标定,采用一种改进的Harris算法,通过快速预筛选和多阈值角点提取方法,对获取的图像采集Harris角点以提取玉米叶片特征,通过计算搜索窗口内对应点的相关系数和阈值的比较实现特征点匹配,依据视差原理,计算得到玉米叶片的三维点云信息,对预处理后的玉米叶片点云进行双三次B样条曲线插值,重构叶片的三维网格曲面。仿真实验表明:所提方法能够高效、准确地实现玉米叶片三维重建,对玉米叶片边缘起伏和褶皱等细节可完整保留,三维重建精度较高。 相似文献
11.
本文在双目立体视觉系统中提出一种精确的立体匹配算法。先用SIFT算法得到两幅图像的匹配点,并用RANSAC得到一些精确的匹配点。用这些匹配点算出两幅图像之间仿射变换关系,然后再将偏差小于阈值的初始匹配点都视为匹配点。再根据对应关系确定左图特征点在右图的潜在匹配点区域,从这一区域利用欧氏距离来查找SURF特征值之差小于设定阈值的点作为最终匹配点。 相似文献
12.
目前基于点云的楼梯建模方法大多聚焦于点云分割层面,而对于楼梯精细化建模的相关研究较少。许多基于楼梯三维点云的语义分割方法虽然速度较快,但是无法准确获得楼梯的三维结构信息,难以广泛应用于规则楼梯的精细化建模。本文利用楼梯台阶正交和平行的几何特性,提出空间正交投影与整体优化相结合的楼梯精细化建模方法。该方法首先利用主成分分析法确定楼梯主方向。之后进行楼梯点云正立面及侧立面的正交投影,并绘制点云分布直方图;然后根据直方图的峰值确定楼梯踏步和踢面的近似边缘位置,运用α-Shape算法精确提取;最后采用含二次型限制条件的最小二乘法进行边缘规则化及误差分析。通过对某楼梯的重建结果的统计分析表明：用本文方法提取的踏步宽度及踢面高度的均方根误差分别为±9 mm及±3 mm,本文提出的方法具有算法简单、抗噪能力强的优点,可广泛应用于规则楼梯的精细化建模。 相似文献
13.
《黑龙江科技信息》2020,(16)
目前,可视化技术、AR技术和多媒体技术日新月异,三维打印技术也得到了前所未有的巨大进步,并快速渗透到传统的制造业、医疗、数字娱乐等行业。这一背景下,对快速有效生成三维模型提出了更高要求。在工业应用中,通常要求模型多边形数量经过优化,顶点稀疏,结构清晰,传统上通过使用3D建模软件可以达到这一要求,但是效率很低,在需要生成大量三维模型的应用场景,传统方法已经无法适应。使用单张以及多张图像进行三维重建是经过广泛成熟研究的方法,这些方法可以从图像中提取出深度信息,但其生成的图像并不包含顶点、模型等信息,仅仅具有三维的观感,无法广泛运用在3D打印,游戏建模等场合,缺乏实用价值。目前快速发展的点云技术,为生成网格模型带来新方法。激光扫描仪是较早用来获取点云数据的设备,但价格昂贵。其后,人们开始使用Kinect获取点云数据,其价格低廉。本文旨在通过实验,利用Kinect,提出简单可行的基于点云的三维网格模型生成流程,并且成本低廉,精度能够满足使用要求。 相似文献
14.
《科技风》2017,(25)
图像匹配是当下计算机图像辅助技术的研究热点之一。基于SURF的图像匹配方法为当下常用的算法之一。SURF算法包含了图像特征点的检测,图像特征点的描述以及图像特征点的匹配三个部分。SURF算法中,图像特征点的检测是通过Hessian矩阵行列式而实现的。图像特征点的描述分为求取特征方向以及特征向量两个部分,SURF算法中利用Haar小波来求取特征点的特征方向以及特征向量。SURF算法中利用单方向欧氏距离来完成特征点的匹配。为了使得特征点的匹配具有更好的准确度,本文设计了基于改进SURF的图像匹配算法的研究。在SURF算法的基础上,利用欧氏距离建立双向匹配过程,使得特征点的匹配更加准确,从而提高图像匹配过程中匹配正确度。最后,通过实验结果对本文所设计方法的有效性进行了验证,实验结果表明,本文通过双向匹配过程改进的SURF算法具有更好的匹配正确度。 相似文献
15.
图像边缘是图像基本特征之一。图像边缘检测在实际中有很多重要的应用。本文主要按行列交替的方式,基于几何参数识别扫描数据的轮廓信息,主要依据斜率、角度、距离等参数分析识别轮廓点,然后将扫描数据转换为雕刻灰度图,应用已有图像边缘提取算子提取扫描数据中的边缘信息,并做对比分析,采用改进的拉普拉斯算子提取灰度图轮廓,最后综合图形和图像两方面提取的轮廓信息,对非轮廓点进行光顺处理,较好地保护物体表面细节的轮廓,减少了磨光算法的盲目性,解决了光顺过程中细节丢失的问题 相似文献
16.
《内蒙古科技与经济》2017,(6)
基于EyesMap平板扫描系统获取的3D图像数据,自动提取点云数据,并进行点云建模。对点云数据进行选择性切片,得到建筑物的轮廓线。同时,用实例介绍了整体方法的实现过程和效果。实践效果表明,利用平板扫描系统获取的点云数据,可以快速建立结构复杂、不规则的场景的三维可视化模型,相比较传统的三维激光扫描仪获取的海量点云数据及后期复杂繁琐的处理工作,平板扫描仪只需获取较少点云数据,且能利用系统的点云处理软件做到实时处理的能力,这样可以节省大量的时间和工作量。这种能力是现行的三维激光扫描仪所不能比拟的。 相似文献
17.
针对柔性再制造系统中对工件的缺损部分进行测量的问题，提出一种应用结构光传感器进行检测和定位的方法。该方法采用结构光传感器获得破损工件的三维点云数据，将点云数据与原始工件CAD模型进行配准．通过设定误差阀值提取缺损区域数据。配准过程分为初始配准和精确配准两步，采用主元分析法计算点云数据的主方向，与已知CAD模型的主方向对齐，实现初始配准；采用ICP算法实现点云数据与CAD模型的精确配准。通过计算特定方向上点云到CAD模型的误差获得工件缺损区域的数据。实验表明，该方法能有效的获得破损工件缺损部分的三维信息。 相似文献
18.
19.
《科技风》2017,(13)
本文基于对数字图像处理问题的研究,建立了图像预处理模型与图像相似度计算模型,同时从轮廓检测与提取和特征识别方面对模型进行了修正。第一,在图像预处理模型中,本文采用Niblack二值化算法对人脸斑点、肤色和皱纹等一些皮肤细节部分进行滤波处理,通过设置阈值来除去皮肤细节等问题,实现对图像特征区域的粗略提取。第二,在边缘检测模型中,本文采用的是高斯滤波和拉普拉斯边缘检测算法相结合的方法,使用高斯—拉普拉斯算子对图像实行边缘检测,通过检测得到进而获取人脸的轮廓。第三,在图像相似度计算中,本文建立了基于SVD奇异矩阵分解的PCA主成分分析模型,实现对图像特征向量的提取,然后采用巴氏距离算法计算人脸轮廓图像相似度。 相似文献