-
公开(公告)号：CN111080684B
公开(公告)日：2023-11-17
申请号：CN201911276127.5
申请日：2019-12-12
Applicant: 哈尔滨工程大学
IPC: G06T7/33
Abstract: 本发明提供一种点邻域尺度差异描述的点云配准方法，通过对源点云和目标点云中离散点进行最小二乘曲面拟合得到局部曲面，求出曲面的形状指数SI，即该离散点的形状指数，选取形状指数在邻域内最大或最小且满足阈值的点作为点云的关键点；进行特征描述符构造，计算关键点在不同邻域半径下的特征归一化向量差值和法向量夹角差值组合成点领域尺度差异描述符；根据特征描述符的相似程度找出对应点并使用二重筛选和基于全局距离的最优查找算法分别滤除错误点对和估计对应关系。本发明得到的关键点具有很好的代表性和区别性，对点云分布密度差异较大或存在噪声点的情况效果明显，计算简单，提高点云配准速度和精度，具有很好的抗干扰能力。
-
Patent Agency Ranking
公开(公告)号：CN111080684A
公开(公告)日：2020-04-28
申请号：CN201911276127.5
申请日：2019-12-12
Applicant: 哈尔滨工程大学
IPC: G06T7/33
Abstract: 本发明提供一种点邻域尺度差异描述的点云配准方法，通过对源点云和目标点云中离散点进行最小二乘曲面拟合得到局部曲面，求出曲面的形状指数SI，即该离散点的形状指数，选取形状指数在邻域内最大或最小且满足阈值的点作为点云的关键点；进行特征描述符构造，计算关键点在不同邻域半径下的特征归一化向量差值和法向量夹角差值组合成点领域尺度差异描述符；根据特征描述符的相似程度找出对应点并使用二重筛选和基于全局距离的最优查找算法分别滤除错误点对和估计对应关系。本发明得到的关键点具有很好的代表性和区别性，对点云分布密度差异较大或存在噪声点的情况效果明显，计算简单，提高点云配准速度和精度，具有很好的抗干扰能力。
-
公开(公告)号：CN111553409B
公开(公告)日：2022-11-01
申请号：CN202010340995.1
申请日：2020-04-27
Applicant: 哈尔滨工程大学
Abstract: 本发明属于计算机视觉、三维测量技术领域，具体涉及一种基于体素形状描述符的点云识别方法。本发明基于改进PCA的法线估计方法，降低噪声对法线的影响程度，有效提取点的局部邻域信息，对局部法线方差进行非极大值抑制，提取的关键点具有高辨识度、低重叠的特点。本发明将关键点的邻域法线方差作为显著值，通过对源点云与目标点云的关键点的显著值求交集，初步提取出关键点交集，加速特征匹配。本发明提出了体素形状描述符，通过将关键点的邻域点映射到关键点的局部坐标系，统计邻域点的三维空间分布，快速计算特征描述符，适合描述密集点云的大范围邻域。
-
公开(公告)号：CN111553409A
公开(公告)日：2020-08-18
申请号：CN202010340995.1
申请日：2020-04-27
Applicant: 哈尔滨工程大学
Abstract: 本发明属于计算机视觉、三维测量技术领域，具体涉及一种基于体素形状描述符的点云识别方法。本发明基于改进PCA的法线估计方法，降低噪声对法线的影响程度，有效提取点的局部邻域信息，对局部法线方差进行非极大值抑制，提取的关键点具有高辨识度、低重叠的特点。本发明将关键点的邻域法线方差作为显著值，通过对源点云与目标点云的关键点的显著值求交集，初步提取出关键点交集，加速特征匹配。本发明提出了体素形状描述符，通过将关键点的邻域点映射到关键点的局部坐标系，统计邻域点的三维空间分布，快速计算特征描述符，适合描述密集点云的大范围邻域。
-
公开(公告)号：CN111553410B
公开(公告)日：2022-10-28
申请号：CN202010341002.2
申请日：2020-04-27
Applicant: 哈尔滨工程大学
IPC: G06V10/762 , G06V10/75
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于关键点局部曲面特征直方图和空间关系的点云识别方法。本发明通过逐区域移动的点云自动滤波算法对点云数据进行精简，加快点云识别速度；使用关键点间的位置关系和点云关键点分布的全局信息进行特征匹配，提高对应关系的正确率；通过建立离线模型库，加快在线识别速度，当有新增的识别模型时，只需要提取模型点云的关键点和特征描述符，识别系统的可移植性较强。在线识别过程中，采用多线程识别框架，有效利用系统空闲线程和硬件设备的计算能力，加快识别速度。本发明的识别精度和计算效率都比较高，为后续工作开展带来了极大的便利。
-
公开(公告)号：CN111553410A
公开(公告)日：2020-08-18
申请号：CN202010341002.2
申请日：2020-04-27
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于关键点局部曲面特征直方图和空间关系的点云识别方法。本发明通过逐区域移动的点云自动滤波算法对点云数据进行精简，加快点云识别速度；使用关键点间的位置关系和点云关键点分布的全局信息进行特征匹配，提高对应关系的正确率；通过建立离线模型库，加快在线识别速度，当有新增的识别模型时，只需要提取模型点云的关键点和特征描述符，识别系统的可移植性较强。在线识别过程中，采用多线程识别框架，有效利用系统空闲线程和硬件设备的计算能力，加快识别速度。本发明的识别精度和计算效率都比较高，为后续工作开展带来了极大的便利。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
