1 西南交通大学先进驱动节能技术教育部工程研究中心，四川 成都 610031
2 西南交通大学机械工程学院，四川 成都 610031
3 西南交通大学唐山研究院，河北 唐山 063000
枕簧是铁路货车减振装置的关键部件，发挥着承载和缓冲的作用，其尺寸直接影响车辆的减振能力与特性。为保证行车安全，铁路货车段修和厂修时必须对枕簧几何尺寸等进行测量与检查。为提高枕簧检修过程中的测量效率，提出了一种基于三维激光点云的枕簧几何尺寸测量方法。该方法采用线激光传感器获取了枕簧三维点云数据，利用下采样和k-means聚类等算法实现了点云数据的预处理，然后通过平面拟合利用高度测量算法测量了枕簧高度；经过点云降维、边缘提取、圆分割后利用改进的圆拟合算法测量了枕簧内、外直径。搭建试验平台进行了测量算法的精度、可靠性和重复性试验。结果表明：测量10组不同枕簧，最大平均误差在±0.35 mm内，平均测量时间为2.7 s；测量4组枕簧10次，最大平均误差在±0.35 mm内，重复性小于3%。测试结果具有良好的精度和稳定性，满足检修规程和检修工艺要求。
测量 枕簧测量 三维点云 线激光传感器 平面拟合 中国激光
2023, 50(19): 1904001
1 华南理工大学 软件学院，广东广州50006
2 华南理工大学 自动化科学与工程学院，广东广州510641
3 中国科学院 力学研究所，北京100190
点云的无监督表征学习对于理解和分析点云至关重要，基于三维重建的自动编码器是无监督学习中的重要架构。针对现有的自编码器存在旋转干扰和特征学习能力不足的问题，本文提出一个旋转不变的2D视图-3D点云自编码器。首先，设计局部融合全局的旋转不变特征转换策略。对于局部表示，利用手工设计特征对输入点云进行转换，生成旋转不变的点云表征；对于全局表示，提出一个基于主成分分析（Principal Component Analysis， PCA）的对齐模块，将旋转点云对齐同一姿态下，在补充全局信息的同时排除旋转干扰。然后，在编码器设计局部和非局部特征提取模块，充分提取点云的局部空间特征和非局部上下文相关性，并建模不同层次特征之间的语义一致性。最后，提出一个基于PCA对齐的2D-3D 重构的解码方法，重建对齐后的三维点云和二维视图，使编码器输出的点云表征集成来自3D点云和2D视图的丰富学习信号。实验结果表明：本算法在随机旋转的合成数据集ModelNet40和真实数据集ScanObjectNN上的识别精度分别为90.84%和89.02%，学习的点云表征在没有任何标签监督的情况下实现了良好的可辨别性，并且具有较好的旋转鲁棒性。
三维点云 自编码器 表征学习 旋转不变性 three-dimensional point cloud auto-encoder representation learning rotational invariance
1 西南科技大学信息工程学院，四川 绵阳 621010
2 特殊环境机器人技术四川省重点实验室，四川 绵阳 621010
针对交联聚乙烯（XLPE）电缆接头反应力锥参数测量问题，本文结合XLPE电缆接头结构特征与三维点云处理提出了一种XLPE电缆接头反应力锥参数测量算法。该算法先对点云进行去噪及坐标摆正预处理；之后根据XLPE电缆接头的结构特征，得到反应力锥及其相邻区域的目标点云；然后使用依据目标点云中各点与坐标轴的夹角信息及高度信息提出的点云空间划分方法，实现对目标点云的条状划分及块元划分；接着根据条状点云上块元法向量的轴线夹角及改进的凹凸性准则求得各条状点云不同区域的局部点云；在此基础上，使用随机采样一致性（RANSAC）算法及拉格朗日乘数法求取相邻区域拟合平面的相交线，再根据条状点云上各点到相交线的距离，得到初步测量结果；最后，基于残差估计对初步测量结果进行误差校正，得到最终的测量结果。使用尺寸标准及表面具有缺陷的两类电缆接头点云进行测量实验，测量结果的绝对误差分别小于0.2 mm与1.0 mm，相对误差分别小于0.5%与1.5%，说明所提算法具有较高的鲁棒性与测量精度。
测量 三维点云处理 交联聚乙烯电缆接头 反应力锥 参数测量 机器视觉
广东工业大学信息工程学院，广东 广州 510006
点云数据具有无序和稀疏的特点。通过不完整点云数据恢复丢失的三维几何形状的3D点云补全任务是3D视觉技术中一个具有挑战性的问题。现有的3D点云补全网络一般都通过编码器?解码器（Encoder-Decoder）模型直接从部分点云预测完整的点云形状，这会干扰原始部分点云，引入噪声，导致几何位移损失。因此提出一个端到端的网络模型，集中生成平滑和分布均匀的点云对象。所提网络模型主要包含三部分：缺失点云预测、点云融合和点云平滑。第一个模块主要通过多编码器从残缺的点云对象提取局部和全局信息，预测缺失几何部分。第二个模块通过采样算法融合点云。第三个模块基于Residual-Transformer （RT）预测点位移，在避免破坏原始输入点云的空间结构下，可以使点分布得更加均匀。在基准数据集Shapenet-Part上，大量的实验结果表明，所提网络在3D形状补全方面取得了更好的量化结果和更好的视觉效果。
点云 3D点云补全 自注意力机制 多编码器 残差网络 激光与光电子学进展
2023, 60(2): 0210012
为提升城市园林等类型景观的建模精度，以激光三维点云为技术基础，设计一种三维景观建模方法。采用激光三维点云立体式非接触测量技术，获取景观表面数据点三维坐标，在一个坐标系内统一化各角度点云数据，将顺序点间的最远距离作为滤波标准，设定超过标准点为固定端点，平滑处理图像点云，采用三角形网格参数化策略，映射三维网格模型至二维平面中，取得特征点纹理坐标，利用调和映射算法求解非约束点的纹理坐标，通过自适应部分调整策略，优化点云数据纹理，得到最终的景观模型。试验采集研究区域中一处景观的三维数据，结合景观模型效果与评估指标值得出，所提方法能够有效建立模型，且精准度较高，模型细节信息保存得相对完整。
激光三维点云技术 景观建模 点云数据 调和映射 坐标转换 laser three-dimensional point cloud technology 3D 3D landscape modeling point cloud data harmonic mapping coordinate conversion
1 东南大学自动化学院，江苏 南京 210096
2 东南大学复杂工程系统测量与控制教育部重点实验室，江苏 南京 210096
3 东南大学深圳研究院，广东 深圳 518036
针对现有的三维（3D）人手姿态估计算法没有充分挖掘手指特性和关键特征作用的问题，提出了手指点加强（FPR）策略和多级融合注意力（MFSE）模块。FPR策略突出了人手点云中手指位置点的作用，加强了网络特征提取层对点云中手指位置点的关注，提高了手指关节点的回归精度。MFSE模块提高了分层网络提取和表达局部特征的能力，该模块实现了分层网络之间不同层次特征的融合和权重分配，增强了模型的鲁棒性和人手姿态估计的准确度。在两个公共基准数据集MSRA和ICVL上的实验表明，所提算法能够实现高精度的3D人手姿态估计。
机器视觉 三维点云 深度学习 注意力机制 手部姿态估计 光学学报
2022, 42(19): 1915001
1 北京航空航天大学仪器科学与光电工程学院精密光机电一体化技术教育部重点实验室，北京 100191
2 上海宇航系统研究所，上海 201108
3 北京航空航天大学青岛研究院，山东 青岛 266100
采用管道机器人定期检测输送管线的状态对于确保管道安全可靠运行意义重大。受限于机器人的结构尺寸和功耗，常用精度较低的微小型三维测量传感器为机器人提供环境及导航信息。针对低精度三维传感器得到的点云数据质量不佳、难以可靠分辨障碍物的问题，提出了一种基于时间序列及邻域分析的点云处理方法。利用障碍物点云与噪声点云在时间序列分布和空间分布方面的特性有效去除噪声，并通过拟合管道内壁实现管道内障碍物检测。测试结果表明，所提方法的检测精度提升了约30个百分点，检测时间小于1 s，满足管道机器人的应用需求。
图像处理 管道检测 三维点云 障碍物检测 时间序列 邻域分析 激光与光电子学进展
2022, 59(22): 2210007
1 兰州交通大学 测绘与地理信息学院，甘肃兰州730070
2 兰州交通大学 自动化与电气工程学院，甘肃兰州730070
针对现有算法忽略点云数据全局单点特征和局部几何特征的深层关系，导致捕获的局部几何信息缺乏鉴别性且难以有效识别复杂形状的问题，提出基于自注意力特征融合组卷积神经网络的三维点云语义分割算法。首先，设计轻量化网络框架的代理点图卷积提取点云局部几何特征，并加入组卷积操作减少计算量和复杂度，以较少的冗余信息增强特征的丰富性；其次，通过Transformer模块进行不同分支间特征信息的交流，使全局特征和局部几何特征相互补偿，增强特征的完备性；然后，将点云底层语义特征与原始点云融合以扩大局部邻域感受野，获得高级上下文语义信息；最后，将特征输入到分割模块完成细粒度语义分割。实验结果表明，该算法在S3DIS数据集和SemanticKITTI数据集上的分割精度分别达到79.3%和56.6%，能够提取三维点云的关键特征信息，网络参数量较少且具有较高的语义分割鲁棒性。
三维点云 语义分割 图卷积 组卷积 three-dimensional point cloud semantic segmentation graph convolution group convolution
1 西安理工大学自动化与信息工程学院，陕西 西安 710048
2 西安理工大学工程训练中心，陕西 西安 710048
水下目标探测在水下事故搜救、设备维护以及资源勘探等领域有重要的应用。通过实验模拟了两种典型海域的水体环境，研究了盐度和浊度这两个水体物理特性参数以及探测距离对水下潜艇、滑翔机和锚雷的激光点云三维重建效果的影响，并将重建后的三维点云数据和三种模型的标准点云进行对比并分析误差。结果表明：盐度变化对水下目标三维点云重建的影响较小，平均误差变化范围在1 mm以内；浊度增大会增强水体的后向散射影响，对成像有较大的干扰，有效点数显著减少；随着探测距离的增大，均值误差呈线性上升，目标点云图像的轮廓变得模糊。
图像处理 水下探测 真实水体模拟 三维点云重建 误差分析
