摘要：为了克服相机检校对二维/三维检校场的依赖,提出一种基于激光点云多条件约束的相机检校方法。该方法通过对相机获取的多视影像进行光束法平差获得初始相机参数;利用影像点云与其最邻近的激光点云之间的位置关系,以共线方程为基础模型,建立多条件约束的相机检校数学模型;使用不等式约束的最小二乘方法平差迭代解算相机参数。将本文方法与基于三维控制场的检校精度进行了实验对比分析,结果表明本文方法与基于三维控制场的检校精度相当,两者反投影平均误差相差小于0.1 pixel,验证了本文方法在没有传统检校场的情况下进行相机检校的可行性。

摘要：针对面部破损的雕像在实际复原过程中容易遭受二次损坏,以及雕像历史影像数据匮乏的问题,提出一种基于深度学习网络,利用单张雕像面部影像实现雕像破损面部数字复原的方法。首先利用深度学习网络对雕像未破损前的单张影像数据进行处理,生成点云,然后通过激光扫描仪获取破损后的雕像点云,最后对两者数据进行配准融合,生成完整的雕像模型,从而实现雕像面部数字复原。对完好雕像扫描生成的点云进行人为破坏,以模拟面部破损雕像,并利用所提方法进行复原。实验结果表明,所提方法能够有效实现面部破损雕像的数字复原,且生成的雕像模型面部细节准确,复原精度较高。

摘要：为了方便轨枕的管理和维修,根据轨枕数字编码的成像特点,提出一种基于MSER和NCC的轨枕数字编码识别方法。首先采用高斯滤波对图像进行预处理;然后使用最大极值稳定区域(MSER)算法根据数字编码与背景的灰度对比生成极值区域,实现数字编码区域的初步定位;并且利用数字编码的几何先验知识去除不符合条件的字符连通域,从而准确定位出数字编码的区域,为后续数字编码识别减少大量的搜索空间;最后通过归一化互相关(NCC)算法计算模板图像与定位区域上数字编码的相似度量值以实现数字编码的识别。实验结果表明:此方法可以准确地定位出轨枕上的数字编码并高效地对其进行识别,识别率为95.5%,识别时间为0.24 s。

摘要：当前三维重建生成密集点云的过程中存在质量评估研究并不深入的问题,而且也未形成一个完整的体系,并且缺乏对新设计软件系统的比较和验证,所以极易导致用户在选择时存在一定程度的盲目性。为了解决上述问题,对基于影像生成的点云进行深入的研究,提出通过扩展评价指标来构建点云质量评价体系的解决方案,利用数码相机和无人机获取多视影像并使用九种开源算法和商业软件生成密集点云,计算激光扫描点云与密集点云数据之间的最邻近距离。不仅从点云精度和完整度,还从点云数目、点云密度、点云生成时间、程序运行占用的内存等角度对密集点云进行评估。实验表明,研究提高了质量评估的可靠性与实用性,进一步完善了密集点云的评价体系,可为相关工程实践应用提供参考依据。