三维点云拼接的型钢轮廓测量实验平台设计

针对传统型钢轮廓尺寸的连续人工监测困难、测量精度低和效率低等问题,设计了基于三维点云拼接的轮廓尺寸测量实验平台。采用6组激光光源和电荷耦合元件(CCD)相机搭建了用于三维点云数据采集的硬件平台,并提出了基于最近点迭代(ICP)的多帧三维点云拼接算法以及轮廓尺寸测量方法,从而模拟型钢生产中移动工况下的轮廓尺寸测量。结果表明,该实验平台能够实时监测型钢轮廓尺寸,并且测量精度可达到0.01 mm。该实验平台能够针对型钢生产现场轮廓尺寸测量过程的难点问题进行相关理论的实验论证,完善了测量技术和方法。     

基于K-D树加速的大型点云配准算法

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。     

一种基于正面头像的三维人脸建模方法

本文提出了一种真实感三维人脸自动建模方法,只需一张光照均匀的人脸正面头像,通过自动提取面部的关键特征点重建人脸的几何模型,最后从图像上获取面部纹理信息得到真实感的三维人脸。实验表明该方法能较真实有效地重建三维人脸。     

基于三维点云的机器人跟踪抓取实验设计

针对机器人抓取问题进行了综合性教学实验设计,提出了基于物体点云信息的机器人跟踪抓取方法。通过阈值处理保留运动模糊光条中亮度较高的部分,改善了运动模糊情况下光条区域提取困难的问题;利用特征直方图对不同物体的点云进行特征描述,实现了由未知的点云信息查询得到实际的抓取位置的目标;采用基于位置控制的优化算法实时更新跟踪路径,完成抓取操作。通过该完整的实验设计能够帮助学生理解激光三角法、点云信息、位置逼近等基本理论和方法,培养学生理论联系实际的能力和对科学研究的兴趣。     

一种三维人脸表情动画快速生成方法

面向动画创作的三维人脸表情动画生成框架由人脸模型简化、特征点驱动以及表情动画生成等三部分组成。以MPEG-4人脸动画定义标准为基础,提出了以脸部定义参数流驱动关键特征点的动画生成算法。实验结果表明：该方法实现了真实感和实时性的有效结合,能满足动画创作的要求。     

基于投影与深度学习网络的三维人脸特征点定位方法

标定三维人脸模型特征点对人脸识别、人脸建模等都具有重要作用。针对人脸特征点标定需要手工干预、标定特征点个数少或不准确、标定时间长等问题,提出了一种基于投影与深度学习网络的人脸三维模型特征点标定法。基于正交投影,生成人脸三维模型二维深度图与二维特征点位置,采用以卷积神经网络为主的深度学习网络模型训练测试,将深度图上特征点映射到三维人脸模型,实现眉毛、眼睛、鼻尖、嘴巴等重要区域的特征点定位。实验表明,该方法可自动标定三维人脸模型特征点,快速、准确预测足够数量特征点位置。     

一种用于点云配准的改进迭代最近点算法

经典的迭代最近点算法（ICP）收敛速度慢,在源点云和目标点云初始姿态不佳时存在容易陷入局部最优解等问题。针对上述问题构建一种结合快速点云粗配准的改进 ICP 算法。改进的 ICP 算法首先利用重心重合法进行两个点云集预处理,缩小平移误差,提高点云重叠度;然后采用随机采样一致性算法（RANSAC）实现两个点云集的粗配准,使两个点云集具有相对较好的初始位置姿态;最后利用体素栅格和 KD 树对 ICP 算法进行改进,实现点云精配准。将改进算法和经典 ICP、GICP 算法进行对比实验,结果表明：相较于经典 ICP 和GICP 算法,改进算法精度更高、速度更快。     

纹理一致的多视角三维人脸点云配准与融合

在三维人脸建模和识别中,为获取信息更为完整的人脸数据,常常需要对多个视角下采集到的三维人脸点云进行配准和融合。传统的点云配准多使用ICP方法求取刚体变换,但由于人脸属于非刚体,容易因表情变化等引起形变,而且多视角人脸点云间的重合度较低,使用ICP方法效果较差。使用改进的BANICP方法进行人脸点云的配准,并提出一种多通道迭代光线补偿算法,可实现纹理一致的多视角三维人脸点云融合。     

基于散乱点云数据的三维精细建模

离散点云数据缺乏空间的拓扑结构,不能清晰表达目标物体表面的形态特征,采用Geomagic软件直接对散乱的点云数据进行建模时容易导致拓扑关系混乱,且建立的模型不准确.因此,采用数据格式转换的方法进行模型构建,首先构建空间三角网,建立空间点之间的拓扑关系,将离散点的"txt"格式文件转换为"obj"格式的文件,然后在Geomagic软件中进行三维建模,通过与原始模型进行比较,新方法建立的模型能表达物体表面的特征.     

一种快速的人脸检测训练算法

近年来基于Adaboost的人脸检测算法因其快速和可接受的检测率得到了成功的应用,但Viola-Jones学习算法需要对级联分类器的每一个特征反复训练弱分类器显得非常缓慢。本文给出了一种新的级联检测器节点分类设计方法,首先将每个节点所有弱分类器的训练移到循环外,然后选择使强分类器有最小错误率的特征集代替选择单个最小加权误差的特征生成强分类器。实践表明该训练速度快于Viola-Jones的方法。     

基于肤色和AdaBoost算法的人脸检测

文章提出了一种新的将肤色算法与AdaBoost算法结合起来的人脸检测算法.算法主要是将用肤色检测算法得到的肤色特征,做为一种新的矩形特征加入到AdaBoost算法的训练过程中.新算法提高了人脸检测的正确率,降低了误检率,新算法的鲁棒性更强.     

基于人脸特征点和线性回归的3D人脸姿态估计方法

改进传统的活动形状模型法,准确地提取人脸特征点后,利用人脸特征点初步估计人脸姿态,以初步估计值为初始值,通过线性回归迭代算法,精确估计3D人脸空间姿态。实验结果表明,本文提出的新方法不仅可以获得稳定和唯一的3D人脸空间姿态．而且与同类方法比较具有较好的姿态估计精确度。     

基于SLAM定位的多位姿点云拼接与分割方法研究北大核心

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。     

一种基于去除点交叉和点交换的局部优化蚁群算法

蚁群算法里,收敛速度和收敛精度是一对矛盾体,首先引入局部优化算法,即去除点交叉和点交换算法,然后重新调整单位信息素和重新更新全局策略,从而达到提高计算资源的利用率和降低重复计算的效果,减少局部优化的计算量,最终加快收敛速度的同时可以提高解的精度.实列数据表明此算法在解决收敛速度和收敛精度矛盾体在平衡性上的有效性.     

校园典型建筑物点云数据三维建模方法

随着数字化测量的发展,三维激光扫描仪能够快速地以多角度、高效、高精度方式获取物体的表面三维数据,可以用于校园典型建筑物的三维建模。以云南师范大学呈贡校区内的国立西南联合大学纪念碑和国立昆明师范学院纪念柱为典型建筑物三维建模对象,首先采用徕卡P40三维激光扫描仪采集它的三维点云信息,然后利用Cyclone软件对多站式点云数据进行拼接、统一化和去燥,将处理后的点云数据导入GeomagicStudio软件,对其进行封装、孔洞填充、平滑等相关处理,构建其三维模型并对模型进行纹理映射,最终完成校园典型建筑物点云数据的三维模型构建。该三维建模流程方法对校园典型建筑物的三维建模可取得较好的效果。     

基于单幅图像的人脸三维建模研究

由于人脸三维模型在三维动画、计算机游戏、视频会议、医学手术以及生物教学等许多领域都有着广泛的应用价值,使得越来越多的研究人员开始思考获取人脸三维模型的有效途径。文中先采用AdaBoost算法进行人脸检测,判断输入图像中是否含有人脸;接着,采用ASM模型对含有人脸的图像进行特征点提取;最后依据从图像中提取的特征点等信息对初始模型进行调整,实现了一种基于单幅图像的建模方法。     

基于肤色和AdaBoost算法的人脸检测

文章提出了一种新的将肤色算法与AdaBoost算法结合起来的人脸检测算法．算法主要是将用肤色检测算法得到的肤色特征,做为一种新的矩形特征加入到AdaBoost算法的训练过程中．新算法提高了人脸检测的正确率,降低了误检率,新算法的鲁棒性更强．     

三维点云数据获取技术

综述了各种三维数据获取技术的现状,给出了对此类技术的评价指标,根据这些指标,对常用的几种技术进行了比较.为基于编码光、结构光和计算机视觉三维数据获取系统的设计与实现提供了理论论证基础.     

基于灰度图像的人脸检测算法的研究

人脸检测与识别技术是生物信号处理的一个重要的研究领域.文章利用人脸的垂直积分投影和水平积分投影法确定人脸轮廓.首先对人脸进行二值化、平滑等处理,使人脸与背景部分分离开来,然后利用人脸的垂直积分投影和水平积分投影法进行人脸的定位.脸左右之间位置得到定位后,便可得知这两者之间的水平距离,从而确定脸区宽度,其中脸区的左右坐标点位置都得到了确定.实验结果表明该算法能有效地提取头部轮廓,且操作简单,效率高.