点云的边缘是将点云模型转换为高质量曲面或实体模型的重要中间特征。为了有效地提取点云边缘,针对现有点云边缘检测算法设置统一邻域值或邻域半径造成的边缘检测不准确的问题,提出一种基于局部边缘特征描述子的自适应边缘检测算法。首先定义法向量特征模型,引入法向量变化率,基于法向量变化率提出邻域自适应方法;然后结合点云局部区域的曲率密度,定义局部边缘特征描述子;最后根据特征描述子取值符合高斯分布的特点自动调整阈值,解决了对于不同的点云模型需要人工调参的问题。通过在多种不同的点云数据集上进行实验,证明了该算法可以在保持模型原始信息的前提下,准确地提取模型的边缘信息,具有可重复性和一定的鲁棒性。

高精度解码是DeBruijn彩色结构光三维测量技术的关键问题。针对光照和物体表面纹理等因素导致解码精度不高的问题,提出一种基于色彩迁移技术的DeBruijn彩色结构光解码算法。首先,以结构光编码图像的颜色分布为先验知识,利用色彩迁移的方式对相机捕获的结构光投影图像进行增强和去光照处理,还原结构光投影图像条纹的颜色信息;然后,基于提出的两步精确定位的彩色结构光投影图像条纹中心点亚像素提取算法,准确提取条纹的中心坐标;最后,基于动态规划算法完成特征点匹配。实验结果表明,在光照和被测物体表面纹理导致结构光投影图像质量下降的情况下,提出的解码算法依然能够有效提高解码精度,具有较强的稳健性。

为了提高三维点云数据配准的效率, 提出一种基于法向量分布特征的关键点初始匹配与迭代最近点(ICP)的精确配准的两步点云配准算法。首先, 定义点云的邻接区域和法向量分布特征计算模型, 提出基于该模型的关键点选择算法; 其次, 为每个关键点建立局部坐标系, 计算关键点的快速点特征直方图, 使用采样一致性配准算法匹配关键点的特征, 去除错误匹配点, 求解出变换矩阵, 完成初始配准; 最后, 使用ICP算法, 对多视点云的初始配准结果进行精确配准。实验结果表明, 在散乱点云数据和自获取的深度点云数据配准中, 该算法能够在确保配准精度的同时有效提升配准效率。