CN104299260B - 一种基于sift和lbp的点云配准的接触网三维重建方法 - Google Patents

一种基于sift和lbp的点云配准的接触网三维重建方法 Download PDF

Info

Publication number
CN104299260B
CN104299260B CN201410456796.1A CN201410456796A CN104299260B CN 104299260 B CN104299260 B CN 104299260B CN 201410456796 A CN201410456796 A CN 201410456796A CN 104299260 B CN104299260 B CN 104299260B
Authority
CN
China
Prior art keywords
point
point cloud
cloud
dimensional
registration
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201410456796.1A
Other languages
English (en)
Other versions
CN104299260A (zh
Inventor
刘志刚
徐建芳
钟震远
韩志伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201410456796.1A priority Critical patent/CN104299260B/zh
Publication of CN104299260A publication Critical patent/CN104299260A/zh
Application granted granted Critical
Publication of CN104299260B publication Critical patent/CN104299260B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/30Polynomial surface description
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/003D [Three Dimensional] image rendering
    • G06T15/005General purpose rendering architectures
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2215/00Indexing scheme for image rendering
    • G06T2215/06Curved planar reformation of 3D line structures

Abstract

本发明为一种基于SIFT和LBP的点云配准的接触网三维重建方法,通过体感外设Kinect for Windows获取待重建接触网零部件所在环境初始三维点云数据,对其进行去噪、简化、分割聚类、融合等预处理操作,得到待重建接触网零部件单视角点云数据;然后采用SIFT算法进行关键点提取,并运用均匀模式LBP特征构建关键点描述向量,依照向量间的距离确定不同点云中关键点间对应关系;接着利用粗配准和ICP精配准法完成点云配准,获得待重建接触网零部件完整三维点云数据;最后利用泊松曲面重建法完成三维重建,得到三维模型。本发明方法针对点云配准是影响三维重建速度的关键步骤这一重要因素,运用均匀模式LBP特征来构建关键点描述向量,从而降低向量维数,加快对应关系匹配速度,加速配准,从而提高三维重建的速度。

Description

一种基于s I FT和LBP的点云配准的接触网三维重建方法
技术领域
[0001] 本发明涉及电气化铁路悬挂装置三维模型获得领域,考虑三维重建过程中点云配 准方法。
背景技术
[0002] 接触网作为铁路电气化工程的主架构,其三维模型在人员培训、故障检测、接触网 参数设计方面的应用前景广泛[1,2,3]。目前,关于接触网零部件三维模型的获得大多采用 3DMax等三维软件并参考各接触网参数进行绘制,获得模型所需耗时长、工作量大及获得模 型与实际模型相差较大。所以新的自动化重建方法是必需的,具体思路为:利用光学扫描仪 获得接触网各零部件的点云数据,并运用一定的点云配准算法将不用视角下测量得到的多 片点云转换合并到同一坐标系下形成一个完整的数据点云,然后经曲面重建和渲染获得各 部件三维模型。
[0003] 目前利用深度数据的三维重建研究较为广泛,有点云简化、点云配准及应用方面, 但总体来说在电气化铁路接触网零部件的三维重建方面的应用研究几乎没有。
[0004] 文献"蔡宽.基于点云的三维重建技术研究[D].哈尔滨工业大学硕士学位论文, 2010."和"王二柱.基于点云的三维重建系统研究与实现[D].哈尔滨工业大学硕士学位论 文,2011."介绍了一种新型的三维重建方法,并给出了重建的基本过程及流程,另外,还提 出了一种新的海量空间点云数据的简化方法。该方法以海量散乱空间点云数据为输入数 据,将非均匀网格法和曲率精简法相结合对点云数据进行精简,首先搜索各离散点K近邻并 获取其最小二乘曲面,计算法矢和曲率,经全局调整,保证法矢的全局协调性,然后进行精 简。K近邻搜索所用方法为Kd-Tree近邻搜索法,最小二乘曲面获取所用方法是抛物面拟合 法,精简算法使用的是非均匀网格法及曲率精简法。
[0005] 文献"楚发.基于体感的三维配准系统的设计与实现[D].上海交通大学硕士学位 论文,2011."设计开发了基于体感的三维配准系统,该系统采用多层系统架构设计,底层基 于微软Kinect for windows体感设备进行三维信息的采集,采用开源OpenNI框架驱动,按 照相似点评估提取、坐标转换及点云对齐进行点云配准,同时考虑系统的效率及配准的效 果间的协调。系统中对快速点特征直方图(Fast Point Feature Histograms,FPFH)算法做 了改进,提出三角法线特征直方图(Triangle Normal Feature Histograms,TNFH)算法,只 利用三角面法线夹角特征,使特征计算的过程得以简化,并较FPFH算法复杂度低及特征量 更少,并保持FPH1的配准率。
[0006] 文献"刘求龙,胡伍生.利用点云数据进行惠泉变电站三维重建[J].地矿测绘, 2009,25 (4) : 7-8."提出了运用点云数据对变电站进行三维重建的方案,首先利用激光扫 描仪采集待重建物体不同角度的点云数据;然后进行相邻角度点云数据的自动拼接,形成 完整点云;最后提取点云特征线,结合共面条件,生成待重建物体的三维模型,完成变电站 的三维重建及模型可视化。
发明内容
[0007] 鉴于现有技术的以上不足,本发明的目的在于提供一种接触网零部件的三维重建 方法,该方法是采用三维点云处理技术对获取到的待重建接触网零部件点云数据进行预处 理、配准、融合及曲面重建,获得三维模型。其核心是对三维重建中点云配准算法作了改进, 在利用SIFT算法提取关键点后,采用均匀模式的LBP特征来构建关键点描述向量,然后进行 后续配准过程及三维重建,获得三维模型。此改进提高了点云配准的速度,且对配准效果影 响不大,从而加快三维重建。
[0008] 本发明的目的是通过如下的手段实现的:
[0009] 一种基于SIFT和LBP的点云配准的接触网零部件三维重建方法,通过Kinect设备 获取待重建接触网零部件三维点云数据,包含如下手段:
[0010] (1)、接触网零部件三维点云数据获取及预处理
[0011] 利用Kinect for Windows设备并结合OpenNI中的Niviewer.exe获取oni格式视频 数据,然后运用点云库PCL将视频数据转换为pcd格式点云数据文件,从而获得待重建接触 网零部件所在环境初始三维数据;对获取到的初始三维点云数据进行去噪、简化、分割聚 类、融合等预处理操作,得到待重建接触网零部件三维点云数据。
[0012] (2)、对(1)所获取的待重建接触网零部件各视角下三维点云数据运用尺度不变特 征转换(SIFT:Scale Invariant Feature Transform)算法,提取SIFT关键点;接着,利用均 勾模式的图像局部二值模式(LBP:Local Binary Patterns)对关键点进行特征描述,获得 各关键点特征描述向量;然后,将向量间距离作为关键点间相似性判定度量,并以此确定不 同视角下点云间的对应关系;最后,进行点云粗配准和最近点迭代(ICP: Iterative Closest Point)精配准,获取待重建接触网零部件完整三维点云数据。
[0013] (3)、使用泊松曲面重建法对(2)数据进行曲面重建,对所获模型进行孔洞修复,纹 理添加等,最终获得待重建接触网零部件的三维模型,完成重建过程。
[0014] 本发明方法中,三维点云数据获取方法将数据获取和三维重建分开进行,解决了 对各硬件设备配置要求高的问题,利于普通三维重建的顺利进行。
[0015] 本发明的方法中,点云配准方法将LBP特征与SIFT关键点提取相结合,进行关键点 的提取与特征描述,极大降低关键点描述向量的维数,加快点云配准的速度,从而加速三 维重建。
[0016] 上述⑵和⑶施行的具体步骤包含:
[0017] (1) SIFT关键点提取
[0018] A、尺度空间特征点检测,即在高斯差分金字塔中检测局部极值点,以此作为关键 点候选对象,所用尺度空间及高斯差分函数如下所示,
[0019] 尺度空间
Figure CN104299260BD00051
[0020] 高斯差分函数:D(x,y,〇) =L(x,y,k〇)-L(x,y,〇)
Figure CN104299260BD00052
[0021] G(x,y,〇)为高斯核 (x,y)为图像强度;〇尺度;k为常 量;
[0022] B、关键点精确定位、尺度确定及不稳定候选关键点的剔除;通过计算拟合曲面的 极值来确定关键点的精确位置及尺度,同时剔除对比度低的特征点和不稳定的边缘响应 点,以提高匹配的稳定性及抗噪性;
[0023] C、关键点主方向的确定;尺度空间中每个像素的梯度模和方向分别为:
[0024]
Figure CN104299260BD00061
[0025] 0 (x,y) = tan-1 ((L (x,y+1) -L (x,y-1)) / (L (x+1,y) -L (x-1,y)))
[0026] 创建梯度方向直方图,选择直方图的主峰值为关键点主方向;
[0027] (2)关键点周围区域的旋转不变均匀模式LBP特征描述
[0028] A、在SIFT关键点Pi(X,y,z,m 丫)的K近邻区域中,分别以每个点Pj为中心,求 得以其为中心的旋转不变均匀模式LBP特征,记为lbPj (j = l,2,. . .,K);
[0029]
Figure CN104299260BD00062
[0030] gi、g。分别是邻域内采样点的灰度值和中间像素点的灰度值;P为采样点数;R为采 样半径
Figure CN104299260BD00063
[0031] B、添加加权值,;
[0032] d为点w和关键点pdU的距离;〇Q为选定的常数;
[0033] C、特征向量构建,Ti= [0i • lbpi 02 • lbp2 …wk • lbpK];
[0034] D、归一化处理消除光照影响,艮[
Figure CN104299260BD00064
[0035] (3) SIFT关键点匹配,确定对应关系;
[0036]判定度量为向量间的距离,表示如下:
[0037]
Figure CN104299260BD00065
[0038] Ta,Tb分别是关键点A和B的LBP特征描述向量;ai、bi分别是A和B的LBP特征描述向 量的各维元素;
[0039]匹配策略为:取点云1中关键点A,在点云2中找出与其特征描述向量距离最近的两 个关键点B和C,若最近距离与次近距离的比值小于一定阈值t,则认为与关键点A距离最近 的关键点B与其相匹配,即
[0040]
Figure CN104299260BD00066
[0041] ⑷点云配准
[0042] 两点云对应关系确定后,对点云进行配准,可划分为粗配准和精配准两个过程;粗 配准采用主成分分析法PCA (Principal Components Analysis),精配准采用ICP精配准法; 经一系列点云配准获得完整的待重建接触网零部件三维点云数据;
[0043] (5)采用泊松曲面重建法,对所获完整点云数据进行曲面重建,获得待重建接触网 零部件三维模型;
[0044] 根据这一点云配准方法进行三维重建过程中点云的配准,加速点云配准速度,从 而加快重建过程,获得待重建接触网零部件三维模型。
[0045] 与现有技术相比,采用本发明的方法的有益效果是:
[0046] 1、本发明所采用的三维模型获取方法是计算机视觉三维技术,以待重建接触网零 部件的三维点云数据为处理对象,通过点云预处理、点云配准、曲面重建等过程,最终获得 三维模型,该方法相对于直接绘制三维模型,自动化程度高,模型与实际物体特征间的差异 少,模型更加准确。
[0047] 2、本发明针对三维重建过程中点云配准过程制约重建速度这一缺陷,运用均匀模 式LBP特征与SIFT算法相结合的点云配准方法进行点云配准,提高点云配准速度,从而加快 重建过程。
[0048]如上所述,本发明采用的方法针针对接触网零部件的三维重建速度慢,自动化程 度低等缺陷,运用基于SIFT与均匀模式LBP相结合的点云配准的接触网三维重建方法,实现 接触网零部件快速自动化重建的目的。
附图说明
[0049]图1点云数据预处理流程图 [0050]图2获取oni视频数据界面图。
[0051]图3初始点云可视化图。
[0052] 图4预处理后绝缘子部分点云数据可视化图,图4 (a)不含RGB,图4 (b)含RGB。
[0053]图5绝缘子关键点提取效果图,图5 (a)视角1,图5 (b)视角2。
[0054] 图6绝缘子配准前后对比图。
[0055] 图7配准完成后绝缘子完整点云可视化图。
[0056]图8 SIFT算法与本发明算法的处理速度对比分析。
[0057] 图9绝缘子三维重建模型的三视图。
[0058] 图10棒式绝缘子实物与重建模型对比图。
[0059] 图11分段绝缘器实物与重建模型对比图。
[0060] 图12盆式绝缘子实物与重建模型对比图。
具体实施方式
[0061] 下面结合附图对本发明的实施方式作进一步的详述,且本发明的保护范围不限于 下述的实施例。
[0062] 图1为点云数据预处理流程图。
[0063] A、点云数据获取
[0064] 利用Kinect for Windows设备并结合OpenNI中的Niviewer.exe获取oni格式视频 数据,然后运用点云库PCL将视频数据转换为pcd格式点云数据文件,从而获得待重建接触 网零部件所在环境初始三维数据,获取界面如图2所示,初始点云可视化如图3所示。
[0065] B、待重建接触网零部件点云数据预处理
[0066] a、三维点云数据去噪
[0067]由于受人为扰动、光照、扫描设备自身缺陷等因素影响,三维数据采集设备获取真 实物体表面数据会受噪声污染,不能正确真实反映物体空间位置,故需对其进行去噪处理。 有效的去噪在去噪的同时能保持点云模型的尖锐特征,防止所获模型过于光顺。一般来 说,高斯滤波对于数据原貌的保存较高,而中值滤波则对于数据毛刺的消除较为明显。
[0068] b、点云数据简化
[0069] 初始点云数据量大,存在冗余点,需通过过滤的方法去除,从而减小储存空间,加 快点云处理速度。通常,对于散乱点云采用随机采样及均匀网格等进行简化;对于扫描线及 多边形点云采用缩减法进行简化;对于网格点云采用最小区域包围及分布密度等方法进行 简化。
[0070] c、点云数据分割
[0071] 点云数据量庞大时,一次处理较为困难,可通过将完整点云数据分割成若干小块, 然后经融合匹配等回复原始模型形状的方式降低每次数据处理的点云数量,进而提高三维 重建的效率和准确度。分割所选区域的曲率应变化较小,曲率较为平滑的地方,如此可降低 模型的变形几率。
[0072] d、点云数据融合
[0073] 将模型上若干独立点云合并成完整点云,以便后续的文理映射添加及空洞修复等 操作的进行。
[0074]点云数据预处理后所获待重建接触网零部件部分点云数据可视化如图4所示。 [0075] C、各视角三维点云数据配准
[0076] 采用本发明所述SIFT与LBP相结合的算法进行关键点提取及描述,并确定对应关 系,然后经点云粗配准和ICP精配准法进行点云配准,获得完整的待重建接触网零部件三维 点云数据。关键点提取效果如图5所示,点云配准前后对比如图6所示,所获完整点云数据可 视化如图7所示。
[0077] a、点云粗配准采用主成分分析法(PCA:Principal Components Analysis)
[0078] 采用PCA方法获取点云间的初始坐标变换,从而实现点云间的粗配准。该方法所用 到的协方差矩阵如下:
Figure CN104299260BD00081
[0079]
[0080]
[0081] 将目标点集P及源点集Q分别代入协方差矩阵并利用SVD分解法,最终获得初始旋 转矩阵R及平移向量t:
[0082] R = UpUq-1
[0083]
Figure CN104299260BD00082
[0084] 式中UP,UQ分别是点集P和Q协方差矩阵的SVD分解矩阵;p,0分别是点集P和Q的 中心点。
[0085] b、ICP 精配准
[0086] 为实现高精度点云配准,采用目前应用最广的ICP点云配准算法。从经粗配准的点 云中根据一定的准则确定对应点集P与Q,然后根据最小二乘法迭代计算最优的坐标变换, 使误差函数最小。误差函数定义为:
[0087]
Figure CN104299260BD00091
[0088] ICP精配准算法流程如下:
[0089] 1)获得目标点集P及参考源点集Q (两点集个数相等);
[0090] 2)匹配点提纯处理,获得P中N个特征点组成特征点集So;
[0091] 3)初始化(k = 0),由粗配准得到的初始变换矩阵To对特征点集进行变换Si = T (So);
[0092] 4)在参考源点集Q中寻找特征点集Sk的最近点Sk',由相对应的两点集计算坐标变 换矩阵Tk;
[0093] 5)利用获得的坐标变换矩阵对特征点集进行坐标变换:Sk+1 = Tk (Sk);
[0094] 6)判断误差是否小于设定阈值,若dk_dk+1< T,则迭代结束,否则,转至4);
[0095] 7)确定最终坐标变换,实现点云精配准:P' =T (P)。
[0096] c、算法分析
[0097] 本发明所述算法用于三维点云的配准,与SIFT算法相比主要在关键点特征向量描 述的构建方面做了变化。SIFT算法关于关键点描述需构建一个128维的向量,这极大影响了 该算法的速度,且计算量大。而本发明所述方法在进行关键点特征向量构建时所涉及的计 算只是一些较为简单的算数运算以及向量维数大小的指数运算,故配准速度相比于SIFT算 法要快。本实例采用的LBP方法所使用的描述向量维数为20,该方法记为LBP-20。本文算法 结合点云库(PCL)在C++环境中实现,两种算法速度的比较如图8所示。
[0098] 分析图8数据可知,在关键点描述上SIFT算法所用时间是本文方法使用时间的 15.264倍,而匹配所用时间前者是后者的2.102倍。实验证明,本文提出的算法符合预期, 能提高配准的速度,从而加快重建过程。
[0099] D、曲面重建
[0100] 获取得到待重建接触网零部件完整点云数据之后,需进行曲面重建,以获得三维 模型,本发明采用泊松曲面重建法完成曲面重建,重建效果如图9所示。
[0101] 实施例
[0102] 下面将本发明所述方法用于接触网中棒式绝缘子、分段绝缘器、盆式绝缘子的三 维重建。重建过程与本发明具体实施过程一致,所得效果附图所示。棒式绝缘子实物与模型 对照图如图10所示,分段绝缘器实物与三维模型对照图如图11所示,盆式绝缘子实物与重 建模型对照图如图12所示。
[0103] 从算法实例可知本发明能够获得较为理想的接触网零部件三维重建模型。

Claims (1)

1. 一种基于SIFT和LBP的点云配准的接触网零部件三维重建方法,通过Kinect设备获 取待重建接触网零部件三维点云数据,包含如下手段: (一) 、接触网零部件三维点云数据获取及预处理 利用Kinect for Windows设备并结合OpenNI中的Niviewer.exe获取oni格式视频数 据,然后运用点云库PCL将视频数据转换为pcd格式点云数据文件,从而获得待重建接触网 零部件所在环境初始三维数据;对获取到的初始三维点云数据进行去噪、简化、分割聚类、 融合预处理操作,得到待重建接触网零部件三维点云数据; (二) 、对(一)所获取的待重建接触网零部件各视角下三维点云数据运用尺度不变特征 转换SIFT (Scale Invariant Feature Transform)算法,提取SIFT关键点;接着,利用均勾 模式的图像局部二值模式(LBP: Local Binary Patterns)对关键点进行特征描述,获得各 关键点特征描述向量;然后,将向量间距离作为关键点间相似性判定度量,并以此确定不同 视角下点云间的对应关系;最后,进行点云粗配准和最近点迭代ICP (Iterative Closest Point)精配准,获取待重建接触网零部件完整三维点云数据; (三) 、使用泊松曲面重建法对(二)数据进行曲面重建,对所获模型进行孔洞修复,纹理 添加,最终获得待重建接触网零部件的三维模型,完成重建过程; 所述(二)和(三)施行的具体步骤包含: (I) SIFT关键点提取 A、 尺度空间特征点检测,即在高斯差分金字塔中检测局部极值点,以此作为关键点候 选对象,所用尺度空间及高斯差分函数如下所示, 尺度空间:/(X5J) 高斯差分函数:D (x,y,〇) =L (x,y,k〇) -L (x,y,〇) G(x,y,〇)为高斯核
Figure CN104299260BC00021
;I (x,y)为图像强度;σ尺度;k为常量; B、 关键点精确定位、尺度确定及不稳定候选关键点的剔除;通过计算拟合曲面的极值 来确定关键点的精确位置及尺度,同时剔除对比度低的特征点和不稳定的边缘响应点,以 提高匹配的稳定性及抗噪性; C、 关键点主方向的确定;尺度空间中每个像素的梯度模和方向分别为:
Figure CN104299260BC00022
创建梯度方向直方图,选择直方图的主峰值为关键点主方向; ⑵关键点周围区域的旋转不变均匀模式LBP特征描述 八、在5正1'关键点?1〇^,7,2,〇,€[#,丫)的1(近邻区域中,分别以每个点?」为中心,求得以 其为中心的旋转不变均匀模式LBP特征,记为Ibpj (j = l,2,. . .,K);
Figure CN104299260BC00023
gl、g。分别是邻域内采样点的灰度值和中间像素点的灰度值;P为采样点数;R为采样半 径;
Figure CN104299260BC00031
B、 添加加权值,c〇j = exp(-(d2/(2〇()2)))/(2JT〇02); d为点Pj和关键点Pi间的距离;σ〇为选定的常数; C、 特征向量构建,Ti= [O1-Ibpi 〇2*lbp2 …ωκ-lbpK]; D、 归一化处理消除光照影响,即
Figure CN104299260BC00032
⑶SIFT关键点匹配,确定对应关系; 判定度量为向量间的距离,表示如下:
Figure CN104299260BC00033
Ta,Tb分别是关键点A和B的LBP特征描述向量;ai、bi分别是A和B的LBP特征描述向量的各 维元素; 匹配策略为:取点云1中关键点A,在点云2中找出与其特征描述向量距离最近的两个关 键点B和C,若最近距离与次近距离的比值小于一定阈值t,则认为与关键点A距离最近的关 键点B与其相匹配,SP ⑷点云配准
Figure CN104299260BC00034
两点云对应关系确定后,对点云进行配准,可划分为粗配准和精配准两个过程;粗配准 采用主成分分析法PCA (Principal Components Analysis),精配准采用ICP精配准法;经一 系列点云配准获得完整的待重建接触网零部件三维点云数据; (5)采用泊松曲面重建法,对所获完整点云数据进行曲面重建,获得待重建接触网零部 件三维模型; 根据这一点云配准方法进行三维重建过程中点云的配准,加速点云配准速度,从而加 快重建过程,获得待重建接触网零部件三维模型; 以上其他各符号和变量的定义为:(x,y)为空间像素坐标;發表示卷积运算;σ是尺度;σ 大小决定图像的平滑程度,大尺度对应图像的概貌特征,小尺度对应图像的细节特征;大的 σ值对应粗糙尺度即低分辨率,反之,对应精细尺度即高分辨率; σ (S) =2°-1Oq · 2s/s,0为金字塔组数,O= [log2 (min (m,n))] -3,m、n为二维图像高和宽,S 为每组中层坐标,σ〇为初始尺度,S为每组层数,S-般为3~5; k为相邻两个尺度空间倍数的 常数,k = 21Λ; α,β,γ为三维图像关键点各坐标面投影主方向。
CN201410456796.1A 2014-09-10 2014-09-10 一种基于sift和lbp的点云配准的接触网三维重建方法 Expired - Fee Related CN104299260B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410456796.1A CN104299260B (zh) 2014-09-10 2014-09-10 一种基于sift和lbp的点云配准的接触网三维重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410456796.1A CN104299260B (zh) 2014-09-10 2014-09-10 一种基于sift和lbp的点云配准的接触网三维重建方法

Publications (2)

Publication Number Publication Date
CN104299260A CN104299260A (zh) 2015-01-21
CN104299260B true CN104299260B (zh) 2017-05-17

Family

ID=52318982

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410456796.1A Expired - Fee Related CN104299260B (zh) 2014-09-10 2014-09-10 一种基于sift和lbp的点云配准的接触网三维重建方法

Country Status (1)

Country Link
CN (1) CN104299260B (zh)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778748A (zh) * 2015-04-03 2015-07-15 四川大学 用于未校准图像的高精度三维重建
CN104915986B (zh) * 2015-06-26 2018-04-17 北京航空航天大学 一种实体三维模型自动建模方法
CN105046694B (zh) * 2015-07-02 2018-08-17 哈尔滨工程大学 一种基于曲面拟合系数特征的点云快速配准方法
CN105354396B (zh) * 2015-12-04 2019-08-06 山东山大华天软件有限公司 一种不同软件协同建模的几何比对方法
CN105526882B (zh) * 2015-12-28 2018-03-02 西南交通大学 基于结构光测量的道岔磨耗检测系统及其检测方法
CN105844643B (zh) * 2016-03-30 2018-11-13 北京信息科技大学 图像篡改检测方法
CN105976353B (zh) * 2016-04-14 2020-01-24 南京理工大学 基于模型和点云全局匹配的空间非合作目标位姿估计方法
CN106023298B (zh) * 2016-06-22 2018-06-19 山东理工大学 基于局部泊松曲面重建的点云刚性配准方法
CN106441311B (zh) * 2016-07-15 2019-06-28 上海宇航系统工程研究所 一种基于激光成像雷达的非合作航天器相对位姿测量方法
CN106296693B (zh) * 2016-08-12 2019-01-08 浙江工业大学 基于3d点云fpfh特征实时三维空间定位方法
CN107067469A (zh) * 2016-12-27 2017-08-18 中国人民解放军装甲兵工程学院 获取损伤零件缺损部位模型的系统
CN106897719B (zh) * 2017-01-06 2019-09-06 沈阳工业大学 基于Kinect的典型零部件识别与定位方法
CN107123164B (zh) * 2017-03-14 2020-04-28 华南理工大学 保持锐利特征的三维重建方法及系统
CN107220928A (zh) * 2017-05-31 2017-09-29 中国工程物理研究院应用电子学研究所 一种牙齿ct图像像素数据转化至3d打印数据的方法
CN107123161A (zh) * 2017-06-14 2017-09-01 西南交通大学 一种基于narf和fpfh的接触网零全网三维重建方法
CN107170042B (zh) * 2017-06-19 2019-06-04 电子科技大学 一种无序图像的多视立体匹配的三维重建方法
CN107492147A (zh) * 2017-07-12 2017-12-19 国网山东省电力公司经济技术研究院 一种电力设备三维建模方法
CN107578400B (zh) * 2017-07-26 2020-09-08 西南交通大学 一种bim和三维点云融合的接触网装置参数检测方法
CN107798696A (zh) * 2017-10-19 2018-03-13 北京联合大学 一种基于保局pca的三维点云配准方法
CN107886528A (zh) * 2017-11-30 2018-04-06 南京理工大学 基于点云的配电线路作业场景三维重建方法
CN108470358A (zh) * 2018-02-13 2018-08-31 南京旅游职业学院 一种基于二阶震荡人工蜂群算法的点云配准方法
CN109035347B (zh) * 2018-09-10 2020-05-22 深圳中科智美科技有限公司 一种基于结构光系统的面部填充吸收率计算方法
CN109377499A (zh) * 2018-09-12 2019-02-22 中山大学 一种像素级物体分割方法及装置
CN110031825B (zh) * 2019-04-17 2021-03-16 北京智行者科技有限公司 激光定位初始化方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103279987A (zh) * 2013-06-18 2013-09-04 厦门理工学院 基于Kinect的物体快速三维建模方法
CN103413352A (zh) * 2013-07-29 2013-11-27 西北工业大学 基于rgbd多传感器融合的场景三维重建方法
CN103955963A (zh) * 2014-04-30 2014-07-30 崔岩 一种基于 Kinect设备的数字化人体三维重建方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9324190B2 (en) * 2012-02-24 2016-04-26 Matterport, Inc. Capturing and aligning three-dimensional scenes

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103279987A (zh) * 2013-06-18 2013-09-04 厦门理工学院 基于Kinect的物体快速三维建模方法
CN103413352A (zh) * 2013-07-29 2013-11-27 西北工业大学 基于rgbd多传感器融合的场景三维重建方法
CN103955963A (zh) * 2014-04-30 2014-07-30 崔岩 一种基于 Kinect设备的数字化人体三维重建方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于类Kinect的三维人体重建及应用;许鸿尧;《中国优秀硕士学位论文全文数据库信息科技辑》;20140815(第8期);第1-17页 *

Also Published As

Publication number Publication date
CN104299260A (zh) 2015-01-21

Similar Documents

Publication Publication Date Title
Zakeri et al. Image based techniques for crack detection, classification and quantification in asphalt pavement: a review
CN104751187B (zh) 抄表图像自动识别方法
Koutsoudis et al. Performance evaluation of a multi-image 3D reconstruction software on a low-feature artefact
Patil et al. An adaptive approach for the reconstruction and modeling of as-built 3D pipelines from point clouds
Sampath et al. Building boundary tracing and regularization from airborne LiDAR point clouds
Zhu et al. Facade reconstruction using multiview spaceborne TomoSAR point clouds
CN102804231B (zh) 三维场景的分段平面重建
Paris et al. A hierarchical approach to three-dimensional segmentation of LiDAR data at single-tree level in a multilayered forest
Hu et al. Road centerline extraction in complex urban scenes from LiDAR data based on multiple features
EP0526881B1 (en) Three-dimensional model processing method, and apparatus therefor
CN108604301A (zh) 用于大rgb-d扫描的可缩放自动全局配准的基于关键点的点对特征
CN106022381B (zh) 基于车载激光扫描点云的路灯杆自动提取方法
US7983474B2 (en) Geospatial modeling system and related method using multiple sources of geographic information
JP2016161569A (ja) オブジェクトの3d姿勢およびオブジェクトのランドマーク点の3dロケーションを求める方法、およびオブジェクトの3d姿勢およびオブジェクトのランドマークの3dロケーションを求めるシステム
Melzer et al. Extraction and modeling of power lines from ALS point clouds
Digne et al. Scale space meshing of raw data point sets
CN106709947B (zh) 一种基于rgbd相机的三维人体快速建模系统
Neubert et al. Evaluation of remote sensing image segmentation quality–further results and concepts
CN107657279B (zh) 一种基于少量样本的遥感目标检测方法
CN106780619B (zh) 一种基于Kinect深度相机的人体尺寸测量方法
JP2013542435A (ja) タイヤ表面の検査に用いられるタイヤ表面の三次元画像を前処理する方法
US8885925B2 (en) Method for 3D object identification and pose detection using phase congruency and fractal analysis
Cheng et al. Building boundary extraction from high resolution imagery and lidar data
CN108090960A (zh) 一种基于几何约束的目标重建方法
CN108389251B (zh) 基于融合多视角特征的投影全卷积网络三维模型分割方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170517

Termination date: 20190910