A two-step outlier removal procedure for surface reconstruction

Outliers in point clouds affect the performance of surface reconstruction directly. Most of outlier removal methods just remove those outliers far away from the real surface and are only applied to handle watertight surface. In this paper, a two-step outlier removal procedure is proposed to filter the point clouds acquired from the gray code and line-shifting technique. The first step is to remove the outliers far away from the real surface. Some feature points are extracted from the point clouds to construct an initial surface. The points with distances to the initial surface greater than a given threshold are removed as distant outliers. The retained points are linked into lines in each structured light sheet using their Voronoi diagrams. Some of lines which are very close to the real surface are removed as near outliers in the second step. The experimental results show that the proposed method is very effective in removing outliers for surface reconstruction. Foundation item: the National Natural Science Foundation of China (No. 30470488)     

基于K近邻和法向精度的点云精简算法

针对传统点云简化算法在精简散乱点云数据时经常丢失过多特征点的不足,提出了基于K近邻和法向精度的点云精简算法.该算法首先对输入的散乱点云数据建立K近邻索引,并剔除集群点及离群点,从而完成点云数据的预处理,然后对预处理后的数据进行Delaunay三角化,并重构三角网格面,最后依据法向精度进行非特征点剔除.仿真实验表明,该算法既能较大程度地精简点云数据,又能较好地保持原有模型的基本特征.     

点云数据配准算法的研究

点云配准是点云数据处理的关键,直接影响最后合成结果和模型精度。目前,点云配准方法普遍存在对配准数据初始位姿要求高的缺点。将点云配准分为两个阶段：第一阶段是基于同名点配准,即粗配准,采用人机交互式,配准过程耗时短,节约时间;第二阶段是精配准,在粗配准后,依据最小二乘原理,用间接平差思想,通过最近点迭代算法对点云数据快速配准,并采用目标点集中、目标点坐标与转入目标点集中的点坐标中误差为指标,评价配准精度。进行粗配准的精配准不仅速度快、耗时短,并且可以避免因局部收敛而带来的局部最小问题。试验表明该方法有效可行。     

Camera calibration with 1D rotating objects

In this paper, we use 1D rotating objects to calibrate camera. The calibration object has three collinear points. It is not necessary for the object to rotate around one of its endpoints as before; instead, it rotates around the middle point in a plane. In this instance, we can use two calibration constraints to compute the intrinsic parameters of a camera. In addition, when the 1D object moves in a plane randomly, the proposed technique remains valid to compute the intrinsic parameters of a camera. Experiments with simulated data as well as with real images show that our technique is accurate and robust.     

基于机载LiDAR和Mean Shift算法提取森林密度

为获取森林密度信息,利用Mean Shift算法对森林点云进行单木分割提取森林密度信息.首先,以点云三维坐标和法向量作为特征向量,利用统计分析方法选择合适带宽及阈值,采用Mean Shift算法对点云进行初始分割;其次,对分割后的点云进行分析,加入灌木、杂草等过滤条件,得到树冠点云;然后,对树冠点云再次进行Mean Shift分割,并对每类树冠点云进行统计,以稳态点为粗略位置标记计算森林密度;最后,与地面实测数据进行验证.地面数据验证结果表明,平均计算精度达到90.0%以上,可满足林业应用需求;通过与分水岭法进行对比发现, Mean Shift方法获得的精度为92.5%,比分水岭方法70.0%高出22.5%,且避免了分水岭方法导致的过分割现象.      

A multiscale superpixel-level salient object detection model using local-global contrast cue

The goal of salient object detection is to estimate the regions which are most likely to attract human’s visual attention. As an important image preprocessing procedure to reduce the computational complexity, salient object detection is still a challenging problem in computer vision. In this paper, we proposed a salient object detection model by integrating local and global superpixel contrast at multiple scales. Three features are computed to estimate the saliency of superpixel. Two optimization measures are utilized to refine the resulting saliency map. Extensive experiments with the state-of-the-art saliency models on four public datasets demonstrate the effectiveness of the proposed model.     

基于金字塔特征融合的二阶段三维点云车辆检测

针对三维点云鸟瞰图特征提取不充分导致车辆目标检测性能欠佳问题,本文提出一种基于金字塔特征融合的二阶段三维点云车辆目标检测算法。首先通过降维处理并利用体素占用编码原始三维点云,得到二维特征图输入;然后,利用上采样网络传递高层语义特征,下采样网络传递低层位置特征,构建一阶段金字塔网络结构提取车辆目标特征;最后,通过候选区域提取层得 到不同尺度的候选区域,利用兴趣区域池化层对齐各候选区域尺度,并采用全连接层融合多尺度特征,提取不同感受野下车辆目标特征;此外,在损失函数方面,补充正余弦角度损失并加权到总损失函数中,优化车辆目标航向角预测。基于KITTI公开数据集的实验分析表明,本文算法相较基准网络能够有效补充三维点云鸟瞰图特征提取,在不同难度的检测任务中平均检测精度提高 了5.07%~8.59%。     

基于云模型的模糊边缘检测

基于云模型和模糊集理论。提出了一种新的边缘检测方法．该方法根据图像灰度。借助区域生长算法产生对象云；通过云运算生成边界云并构建模糊隶属带。进而在条件概率和模糊划分熵的基础上。根据最大模糊熵原则确定最优阈值，对图像模糊边界进行提取．试验结果表明。该算法能保留大量低灰度信息。可以获得较好的枪涮特栗．     

融合边缘检测与区域生长的交通图像分割方法

在交通监控中,如何从复杂的背景中分割运动物体是至关重要的一步,针对车辆的运动阴影对图像分割产生的不利影响,提出了一种新的融合边缘检测与区域生长的彩色图像分割算法,算法同时考虑了图像的彩色信息和空间信息.该算法首先对彩色图像边缘检测,并根据检测结果设置种子像素;再基于颜色相似性生长准则,结合边缘检测结果,对每个种子点进行区域生长;最后,利用区域合并算法对剩余的像素进行合并.实验结果表明该算法很大程度上克服了阴影给图像分割带来的不利影响.     

基于需求转移的货运班列动态舱位控制策略研究

基于收益管理的思想,综合考虑顾客需求转移和批量订舱行为,建立离散时间的铁路货运班列动态舱位控制模型,指出在任意决策阶段,舱位预定请求接受/拒绝阈值点若存在则至少存在一个的特性.然后在任意决策阶段,利用每种舱位的阈值点构造了两组区间序列,针对每组区间序列给出相应的舱位预定请求的接受/拒绝策略.此外还证明了期望收益函数的性质及阈值点关于需求转移率的单调性.最后,通过设计3组仿真实验分别验证了最优舱位控制策略的可行性及相关性质的正确性.     

基于Hopfield网络的三维显微图像复原

在实际显微系统中,由于样本的折射率和透镜折射率不匹配,致使不同深度的PSF是不一样的.为了实现三维显微图像的复原,提出了基于三维高斯PSF的复原算法,将Hopfield神经网络用于三维图像序列的复原中,实验证明连续Hopfield网络能够恢复深度变化图像模型的模糊图像.     

基于激光雷达的无人驾驶障碍物检测和跟踪

针对激光雷达动态障碍物检测与跟踪过程中聚类适应性差、实时性低和跟踪准确度不高等问题，提出一种自适应的密度聚类算法和多特征数据关联方法，分别用于检测和跟踪. 首先，对激光雷达采集的点云进行路沿检测、感兴趣区域提取和地面分割等预处理，去除无关点云；然后，基于自适应的密度聚类算法对非地面的点云进行聚类，完成障碍物点云检测；最后，利用加权多特征数据关联算法结合卡尔曼滤波器实现对动态障碍物跟踪. 通过实验表明:本算法能够根据10 Hz的激光雷达数据实现对障碍物准确、稳定的检测和跟踪，且聚类时间缩短32%.      

基于三维模型重构技术的公路预制构件尺寸检验评价方法

为使公路工程异形混凝土预制构件的制造尺寸检验评价适应工业化建造要求，应用三维模型重构技术检验评价了异形混凝土预制构件尺寸，提出了高精度、自动化异形混凝土预制构件尺寸检验评价方法，包括三维模型重构、点云数据处理和检验评价体系3个环节；总结了基于三维摄影的点云模型重构技术的原理和关键环节，研究了基于坐标转换和包围盒的无关点云自动剔除算法，并通过2个实例验证了该算法的效果；研究了点云整体配准和3类局部配准方法，针对不同形状的构件和不同位置的细部构造，结合工程需求进行对照；考虑工程需求并与配准方法对应，提出了基于彩色误差云图和数理统计方法进行构件尺寸检验评价的3种判异原则，包括误差均值和标准差判异原则、误差极值判异原则、综合判异原则；综合分析彩色误差云图和误差分布，利用判异原则对箱型涵洞侧墙和管型涵洞侧墙实例的尺寸进行了检验评价。研究结果表明:3种判异原则分别适合对预制构件进行整体宏观、局部单项和先整体后局部的检验评价；采用三维模型重构技术建立的异形混凝土预制构件点云模型，与实际构件相比其长度和宽度的误差均值约为1.5 mm，三维模型重构技术可以替代人工测量；能够自动化剔除无关点云，并执行更为严格且符合工程需求的构件尺寸检验评价。      

基于轨迹特征的船舶停留行为识别与分类

为准确评估大规模轨迹数据中的船舶停留活动，构建了两阶段船舶轨迹停留点提取策略，提出了特征驱动的船舶停留行为识别与自动分类方法；以距离、时间和轨迹点数量为约束条件构建了规则模型，检测了原始轨迹中的停留候选轨迹，引入孤立森林算法检测和去除异常离群点，提取了高聚集度的船舶停留轨迹集合；基于船舶靠泊和锚泊的时空特征，定义了轨迹点重复率、相邻点平均距离和最远点对距离3个指标，构建了新的轨迹相似性度量模型，量化了船舶停留轨迹点的分布特征和聚合程度，并利用K近邻算法完成了船舶锚泊行为与靠泊行为的自动分类；采用提出的方法处理了3个不同水域的船舶轨迹数据，准确获取了船舶停留行为的分类结果，并验证了船舶锚泊与靠泊在轨迹时空特征上的差异性，以人工标注结果为参考依据评估了船舶停留行为识别与分类的准确性。研究结果表明:船舶靠泊的轨迹点重复率在80%以上，最远点对距离和相邻点平均距离分别为6~11和1~2 m，船舶锚泊的轨迹点重复率在10%以下，最远点对距离和相邻点平均距离分别为150~250和8~10 m，说明轨迹点重复率、相邻点平均距离和最远点对距离这3个时空特征对船舶靠泊和锚泊具有显著的区分能力；提出的方法对船舶停留识别分类的正确率在98%以上，充分证明了其有效性；采用提出的方法可更新已有码头和锚地的空间位置，自动识别规则水域外的船舶异常停留和规则水域内的超长时间船舶异常停留，掌握在港船舶停留分布情况，识别不同季节、不同时段的热点码头和锚地，从而辅助优化港口规划布局和交通组织。      

Color image segmentation by edge linking and region grouping

A novel method toward color image segmentation is proposed based on edge linking and region grouping. Firstly, the edges extracted by the Canny detector are linked to form regions. Each of the end points of edges is connected by a direct line to the nearest pixel on another edge segment within a sub-window. A new distance is defined based on the feature that the edge tends to preserve its original direction. By sampling the lines to the image, the image is over-segmented to labeled regions. Secondly, the labeled regions are grouped both locally and globally. A decision tree is constructed to decide the importance of properties that affect the merging procedure. Finally, the result is refined by user’s selection of regions that compose the desired object. Experiments show that the method can effectively segment the object and is much faster than the state-of-the-art color image segmentation methods.     

一种基于激光与视频信息时空数据融合的行人检测方法

针对城市交通行人安全问题,本文提出了一种基于激光与视频数据融合的行人检测方法.通过激光与视频数据空间和时间上的融合,将激光数据映射到图像坐标;在激光聚类过程中,采用K-means 聚类算法对激光云点进行聚类分析,然后运用行人宽度模型提取候选行人区域;在基于图像的行人检测过程中,选取头肩、躯干以及腿部人体特征部位,采用Haar-like 特征集和Boosting 算法进行训练,得到部位检测器;最后,基于贝叶斯决策的组合策略对候选行人区域进行有效判定.实验结果表明,本文所述算法有较好的检测精度和实时性能.     

Exploiting Local and Global Characteristics for Contrast Based Visual Saliency Detection

Visual saliency is an important cue in human visual system to identify salient region in the image;it can be useful in many applications including image retrieval,object recognition,image segmentation,etc.Image contrast has been used as an effective feature to detect visual salient region.However,the conventional contrast measures either in spectral domain or in spatial domain fail to give sufficient consideration towards the local and global characteristics of the image.This paper presents a visual saliency detection algorithm based on a novel contrast measurement.This measurement extracts the spectral information of image block using the 2D discrete Fourier transform(DFT),and combines with the total variation(TV)of image block in spatial domain.The proposed algorithm is used to perform salient region detection in the image,and compared with state-of-the-art algorithms.The experimental results from the MSRA dataset validate the effectiveness of the proposed algorithm.     

一种有效去除图像中脉冲噪声的滤波算法

为了抑制脉冲噪声,根据脉冲噪声点和边缘像素点的特征,提出了一种新的基于脉冲噪声点检测的滤波算法.实验结果表明,与传统中值滤波相比,这种新算法很好地保留了图像的细节,尤其在噪声密度较低时,滤波性能更加优越.     

ADS-B历史飞行轨迹数据清洗方法

为有效解决广播式自动相关监视(ADS-B)历史飞行轨迹数据受地面站分布广度、地形阻挡、电磁干扰等影响而出现的各种字段数据异常情况, 建立了ADS-B数据清洗方法, 并将其分为确定清洗对象、字段去重、异常点清理和时间戳修正这4个步骤; 根据已有样本ADS-B历史数据各字段建立了航迹模型并进行有效性分析, 将时间戳、经度、纬度、气压高度和地速等字段定义为特征字段, 并作为清洗对象; 对ADS-B航迹点序列的时间戳、经度和纬度进行去重, 删除数据重复的相邻航迹点; 为提高清洗效率, 使用有噪声的密度聚类(DBSCAN)方法找出特征字段中的离群点, 并进行异常检测与修正; 为使航迹点状态变化符合质点运动学规律, 使用ADS-B航迹点的经度、纬度、气压高度和地速等字段数据修正时间戳, 并存入已扩展的修正后时间戳字段。研究结果表明: 516个样本航班中有97.58%的异常航迹点被有效识别并清理, 清洗后的航迹点状态更具有渐变性特征; 修正前后的总飞行历时存在10~600 s的差异; 时间戳修正效果主要依赖于地速的准确度, 在实际工程中可根据样本航迹的数据特点有选择地使用时间戳修正值; 建立的ADS-B数据清洗方法可为民用航空工程项目中的飞行轨迹分析、评估与计算等方面提供前期数据处理平台。      

多视点标定图像的交替迭代度量重建方法

提出了一种针对相机内部参数已标定的多视点图像交替迭代度量重建方法.该方法以目标空间中重建的3D点到匹配特征点的反投影线间的距离作为重建误差的测度,使误差函数形式上更简洁且具有明确的几何意义.重建过程通过对相机外部参数中的旋转矩阵、平移量和3D重建点交替迭代完成,其中平移量和3D点一起估计,避免了它们与旋转矩阵中的元素间的尺度差异引起的数值偏差.利用合成数据和真实图像的计算分析均表明本文方法有较高的重建精度,具有实用性.