导读:本文包含了点云拼合论文开题报告文献综述及选题提纲参考文献，主要关键词:点云拼合,不变量特征,霍夫变换,持续特征直方图(PFH)
点云拼合论文文献综述
吴霄,陈聪梅,王加俊[1]（2018）在《使用霍夫变换的3维点云拼合算法》一文中研究指出目的直接基于点云数据本身的拼合算法对点云模型的位置和重迭度有着较高的要求。为了克服这种缺陷,提出一种针对散乱点云的分步拼合算法。方法不同于大多数已有的基于曲率信息的拼合算法,本文算法包含了一个序贯式的匹配点对筛选过程和一个基于霍夫变换的坐标变换参数估计过程。在筛选过程中,首先利用曲率相似度确定点云数据之间的初始匹配关系,然后利用刚体不变量特征邻域标识相似度以及持续特征直方图相似度对初始匹配点对进行连续两次筛选以便得到更为精确的匹配点对集。在参数估计阶段,通过对匹配点对的旋转矩阵和平移矢量的参数化处理,利用霍夫变换消除错误匹配点对对坐标变换参数估计的影响,从而得到更加准确的坐标变换参数,实现点云的3维拼合。结果利用本文算法对两片部分重迭的点云数据进行了拼接实验。实验结果表明,本文算法能很好地实现对部分重迭点云的拼合。由于霍夫变换的引入,本文算法相较于经典的Ransac算法具有更高的正确率、稳定性以及抗噪性,在运行速度上也具有一定的优越性。结论本文算法不仅能适用于任何具有任意初始相对位置的部分重迭点云的拼接,而且可以取得很高的拼合精度和很好的噪声鲁棒性。(本文来源于《中国图象图形学报》期刊2018年04期）
张辰阳[2]（2016）在《一种基于EGI和标准人脸模板的叁维人脸点云拼合算法》一文中研究指出对重合区域较少的两组不同角度获取的叁维人脸点云数据,直接寻找对应点进行点云拼合的难度很大。为解决这一问题,提出一种基于EGI和标准人脸模板全自动点云数配准拼合算法。针对待配准的叁维人脸点云以及标准人脸点云模型,首先通过局部最小二乘曲面拟合,估计每个点的法向和曲率,其次计算点云的扩展高斯图(EGI),然后利用EGI上对应的特征点计算欧拉角,分别使待配准叁维人脸点云旋转至与人脸模型大致相同的位置,完成粗配准,并把粗配准结果作为新的初始位置。采用最近点迭代算法(ICP)分别对叁维人脸点云与标准人脸模型进行精确配准,从而实现两组叁维人脸点云的拼接。(本文来源于《软件导刊》期刊2016年11期）
陈天凡,高诚辉,何炳蔚[3]（2012）在《基于表面贴合的不同视点传感器点云拼合方法研究》一文中研究指出针对视觉传感器对物体表面点云数据采集的离散性,提出基于表面贴合的点云精确拼合方法。先对不同视点传感器获得的点云进行初始配准拼合,再以包容球方法选取点云重合表面区域的叁处局部表面,用叁维二次曲面方程拟合;旋转变换采用四元数法,经非线性最小二乘优化得到精确拼合的平移和旋转参数。该方法具有较快的收敛速度和较高的拼合精度,实例验证了所提方法的可行性。(本文来源于《中国机械工程》期刊2012年24期）
宋俊,黄信达,李文龙[4]（2011）在《基于坐标配准的牙颌测量点云拼合技术研究》一文中研究指出针对牙颌等待测物非接触式光学叁维测量,提出了一种融入标定功能的夹具设计方法,实现了测量过程中待测物与标定靶的空间一致性;定义了单目视觉测量过程涉及到的坐标系统;提出了一种基于坐标配准的点云拼合技术,简化了点云拼合流程,实现了点云拼合理论零误差;应用张正友标定方法对摄像机进行了标定;通过实验验证,得到了具有一定精度的牙颌叁维模型点云拼合数据,实现了较快的测量速度,为提高牙颌测量系统的整体精度提供了有力支撑。(本文来源于《装备制造技术》期刊2011年08期）
翟欢乐[5]（2009）在《基于几何特征的点云拼合研究》一文中研究指出点云拼合是逆向工程的一个重要环节,其拼合精度直接影响着后面的模型重建或精度检测。目前的研究主要集中在点云的直接拼合上,利用最近点迭代算法或点云的法矢、曲率信息实现点云数据的对齐。在实际应用中,大部分零件都包含若干直线、平面、圆柱等基本几何特征,而基于几何特征进行拼合的研究较少。本文对这种包含几何特征的点云数据的拼合进行了研究,并取得了如下成果:1、给出了基于几何特征的点云拼合的约束条件,简单分析了基于这种拼合方式的测量规划。2、运用坐标变换知识对几何特征进行空间转换,并结合两种不同的评价方式确定几何特征的拼合适应度,从而建立了粗、精拼优化目标函数。3、用粒子群算法对粗、精拼优化目标函数分别给予实现,然后根据不同的收敛情况及粒子群算法的本身特点将这两种优化目标函数组装成一个优化目标函数,并用来完成发动机右半轴支架的拼合。4、对几何特征赋予参数,解决多特征情况下对应特征的匹配问题,并利用新建特征代替原有特征解决相似特征问题,从而使优化模型的适用范围具有普遍性。以机体和连杆两个实例对本文算法的优势进行研究:与点云的直接拼合相比,避免了点云的规模及重迭问题对拼合的影响,而且拼合时间短,拼合精度高;与逆向工程软件中特征对齐相比,能够自动匹配特征,避免了对应特征选择时带来的麻烦,而且拼合结果更精确。(本文来源于《华中科技大学》期刊2009-05-01）
刘宇[6]（2008）在《基于微分信息的散乱点云拼合和分割》一文中研究指出面对数字建模中数以万计的测量数据,最近点查询、正交区域查询、球域查询等基本操作对数据处理算法的计算效率有很大影响。为了提高这些操作的效率,定义了有界k-d树。有界k-d树中数据的空间范围由根节点中的包围盒来进行限制。基于有界k-d树的查询算法在搜索中通过超平面不断划分包围盒来缩小搜索范围,同时递归地计算查询点到包围盒的距离。结合优先级队列,基于有界k-d树的最近点查询算法可拓展到搜索按距离远近排列的多个最近点。实测数据和不同维数的仿真数据的实验分析表明,基于有界k-d树的查询算法的计算效率优于传统的几种搜索算法。另外,还实现了球面数据的快速匀称划分。曲率和Darboux标架在数据拼合、数据分割等任务中得到了广泛的应用。然而从受噪声污染的散乱点准确地估计这些信息仍然十分困难。本文提出了一种从散乱坐标点拟合一般二次曲面,然后估计曲率张量的方法。引入TLS3L(total least squares on the three level sets)曲面拟合方法,实现了对散乱点的快速可靠的拟合。推导得出了任意隐式曲面曲率的计算公式和叁维矢量形式的主方向。从理论上分析了拟合过程的有效性。与其他一些方法相比,该方法能够更可靠地从散乱点估计微分信息。数据拼合是航空摄影测量、工业检测、曲面建模等方面的重要研究课题。如何确定对应关系、提高拼合精度等都是数据拼合中仍有待解决的问题。本文提出了SCR(Signatures, Clusters, Refinement)方法对散乱点表示的任意曲面进行拼合。该方法通过匹配邻域标识来确定对应关系,根据叁维欧拉群SE(3)中的聚类来估计刚体变换的初值,最后对刚体变换的初值迭代求精。所引入的邻域标识将曲面上一点周围的形状变化表示为特征空间中的一点,便于采用k-d树等数据结构加速对应点的搜索。根据从对应点组计算的刚体变换的聚类特性,提出PV(Parameter Voting)方法来估计刚体变换的初值。在对刚体变换初值的迭代求精的过程中,用局部曲面片代替离散点作为拼合的目标几何体,提出了ICS(Iterative Corresponding Surface)方法。数据分割是物体识别、自动导航、反求工程等任务中的必要处理步骤。即使是对仅仅包含多面体的场景,分割问题也没有完全解决。本文分析了不同边界处的微分特性,指出仅依靠一点与其相邻点的法矢或曲率的变化难以完成数据分割任务。提出了一种散乱点分割方法GCRR(Gaussian map, Clustering, region Recognition, and region Rectification)。该方法采用CMS(cell mean shift)算法对输入数据的高斯图进行聚类。提出了基于奇异值分解的维数分析方法将高斯球上的聚类分成点形、线形和面形的聚类。每个聚类对应R3中的一个点集。通过对应面形聚类的高斯映射的定向分析,识别了双曲面和椭圆面。采用点-平面距离函数区分了凸面和凹面。通过区域调整消除了边界附近因法矢估计误差而产生的区域。给出了GCRR方法的复杂度分析、在仿真和实测数据上的实验结果。最后,开发了数字建模系统MIMDFM(Measurment, Integrated Modeling, and Design For Manufacturing of complex parts),对所提出的理论和方法进行了编程实现,通过几个实际零件的数字建模过程验证了该系统的有效性。(本文来源于《华中科技大学》期刊2008-03-01）
刘宇,熊有伦[7]（2007）在《基于法矢的点云拼合方法》一文中研究指出提出一种新的点云拼合方法。该方法由高斯映射不变量寻找对应点,再根据对应点间刚体变换的聚类特性来剔除错误的对应关系。采用奇异值分解,通过迭代计算拼合的刚体变换。试验表明,采用高斯映射不变量寻找对应点比采用曲率更为有效,与传统的迭代最近点算法相比,所提出的方法能更好地解决部分重迭点云的拼合问题。(本文来源于《机械工程学报》期刊2007年08期）
点云拼合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对重合区域较少的两组不同角度获取的叁维人脸点云数据,直接寻找对应点进行点云拼合的难度很大。为解决这一问题,提出一种基于EGI和标准人脸模板全自动点云数配准拼合算法。针对待配准的叁维人脸点云以及标准人脸点云模型,首先通过局部最小二乘曲面拟合,估计每个点的法向和曲率,其次计算点云的扩展高斯图(EGI),然后利用EGI上对应的特征点计算欧拉角,分别使待配准叁维人脸点云旋转至与人脸模型大致相同的位置,完成粗配准,并把粗配准结果作为新的初始位置。采用最近点迭代算法(ICP)分别对叁维人脸点云与标准人脸模型进行精确配准,从而实现两组叁维人脸点云的拼接。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
点云拼合论文参考文献
[1].吴霄,陈聪梅,王加俊.使用霍夫变换的3维点云拼合算法[J].中国图象图形学报.2018
[2].张辰阳.一种基于EGI和标准人脸模板的叁维人脸点云拼合算法[J].软件导刊.2016
[3].陈天凡,高诚辉,何炳蔚.基于表面贴合的不同视点传感器点云拼合方法研究[J].中国机械工程.2012
[4].宋俊,黄信达,李文龙.基于坐标配准的牙颌测量点云拼合技术研究[J].装备制造技术.2011
[5].翟欢乐.基于几何特征的点云拼合研究[D].华中科技大学.2009
[6].刘宇.基于微分信息的散乱点云拼合和分割[D].华中科技大学.2008
[7].刘宇,熊有伦.基于法矢的点云拼合方法[J].机械工程学报.2007
标签：点云拼合; 不变量特征; 霍夫变换; 持续特征直方图(PFH);