摘要：提出了一种快速有效的点云切片算法.该算法基于空间栅格划分建立离散点之间的拓扑关联信息,通过高效的平面点云求交算法构造平面散乱点列;并基于多项式时间复杂度的混合式曲线重建算法实现了任意非均匀分布平面点列的多义线重组.应用实例表明:文中算法快速准确,稳定可靠.

摘要：铁路桥梁线形测量对于桥梁健康检测与确保铁路安全运营具有重要作用。为提高运营铁路钢桁拱桥线形测量效率,以某3跨钢桁拱桥为例,运用地面激光扫描(TLS)技术对桥梁杆件进行整体化扫描,从桥梁线形测量精度、扫描完整性、点云个数等3方面,分析出最佳的桥梁扫描测站数为10个。运用3DNDT点云配准算法将各测站一一配准,桥梁点云配准精度为2 mm,将桥梁点云投影至xoy平面,用半径滤波器进行噪声点的去除,得到完整“纯净”的桥梁点云模型。提出点云等距切片与点云平面切片算法提取桥梁线形,并将线形点云数据导出在AutoCAD中拾取坐标。将点云切片法提取的TLS测量值、全站仪法测量结果与原始成桥线形做比较分析,结果表明:在桥面线形分析中,两方法均在跨中处A5点测量出最大变形,分别为12.69 mm、10.29 mm,两方法的最大相互较差R为2.4 mm,相关系数优于99.93%;在拱轴线线形分析中,点云切片法与全站仪法在主桁上弦跨中B4点位测量的最大变形为6.2 mm、3.9 mm,在主桁下弦跨中B10点位测量的最大变形为5.9 mm、3.5 mm,两方法的最大互相较差R为3.2 mm,相关系数优于99.87%,验证了点云切片算法的有效性与TLS测量的高精度性。拱轴线横向线形未出现明显侧移,点云等距切片得到的19个吊杆垂直度保持良好,未发生扭转与偏移。该成果对于运营铁路钢桁拱桥的线形分析与点云处理方法可提供相应的思路和参考,具有重要的实用价值。

摘要：堆石坝压实质量的检测是大坝工程安全稳定运行的重要保障措施之一。传统的灌水法中检测坑体积的测量耗时耗力,利用三维激光扫描技术可以快速计算检测坑体积,提高压实质量检测效率,而从扫描点云数据精确提取出检测坑点云数据是确保该方法计算精度的关键环节。本文提出了一种基于点云切片分割的堆石坝检测坑点云提取方法:首先对点云数据进行切片处理,然后采用单向搜索排序方法对每个切片点集进行点排序,最后采用一种基于切片点集排序序号的聚类分割方法分割每个点云切片,从而精确提取出检测坑表面点云。利用MATLAB编程实现了基于点云切片分割的堆石坝检测坑点云的快速提取,并通过堆石坝检测坑点云数据开展试验,验证了该方法的有效性。

摘要：针对低密度点云切片精度难以保证的问题,提出了一种针对各种密度点云数据的点云切片算法。首先,拟定切片方案,确定切片平面组并根据切片平面组获得带状点云数据。其次,利用带状点云的步进排序方法,对其进行排序,并按排序选取一定数目的点云作为插值节点。再次,基于二元Lagrange插值法在特定插值点处对所选插值节点进行插值,并依照点云顺序依次对带状点云进行运算,从而得到切片平面上的二维有序点列。最后,对此点列进行最小二乘拟合,得到点云数据的截面曲线。应用实例表明:该算法突出优点为适应性强,且准确快速、稳定可靠。

摘要：基于BIM技术的地铁轨行区的大数据分析,提出地铁圆形隧道点云的去噪方法及基于点云数据构建实际隧道的数学模型解析式、基于进化机制的调线调坡方法。研究表明,针对地铁工程项目中的调线调坡问题,使用进化算法对将要铺设的轨道路线进行优化,找到与实际隧道之间偏差最小的设计隧道,通过进化算法得到的调线调坡方案在优化效果和时间上都具有明显优势。

摘要：地铁运营过程中存在形变,采用三维激光扫描仪非接触式测量进行监测,针对广东某地铁隧道点云数据,采用最小二乘法对隧道横断面快速分层提取切片,通过标准差等精度指标对其进行精度评价,将拟合数据与设计值进行对比分析隧道收敛变形。工程实践显示,该方法能快速、精确获取隧道横截面信息,准确分析隧道变形情况,建立有效的变形预报模型,工作效率高可用于实践。

摘要：使用二维CT图像与设计模型通过比对进行制造误差分析时,必须知道CT图像在设计模型中的位置,而位置的确定往往需要在工件上找到一个和设计模型相匹配的基准位置,并对该位置进行精加工,这增加了工件加工的周期和制造成本。针对该问题,本文提出一种自动搜索CT图像的设计模型来完成工件制造误差检测的方法。该方法首先提取CT图像的边缘,然后把点云设计模型分层切片;接着通过Hu矩匹配,ICP配准自动搜索到与CT图像相匹配的点云切片;最终根据两者的配准结果,计算工件误差分布,完成工件的制造误差检测。为验证该方法的可行性,采用已知尺寸的标准工件进行检测,结果表明,检测误差集中分布在0~0.25 pixel之间,具有较高的检测精度。并对两个实际工件进行检测,验证了该方法的适用性。本文在无须确定工件基准位置的情况下,使用工件二维CT图像与设计模型完成工件的制造误差计算、分析与显示,具有很高的实用意义。

摘要：提出了以点云数据作为喷涂机器人轨迹生成的数据格式,采用点云处理技术,通过对点云的预处理、区域分割,点云切片、采样点求取法矢量及沿法矢量方向偏移等方法实现了喷涂机器人轨迹的生成。将点云技术运用到喷涂机器人轨迹规划,通过点云区域分割细化了点云特征,降低了喷涂工艺的复杂性,同时很好的控制喷枪的位置,提高了喷涂的质量和效率。

摘要：为了提高后续截面轮廓重建的精度,提出了基于截面切片后数据处理的系列算法.首先用点云束细化算法对切片数据进行细化处理,采用类似于移动最小二乘法的跟踪方法,整个过程不对测量数据进行局部坐标变换,迭代步长由点云密度控制;将截面切片数据细化后,用双链表排序算法对细化后的数据进行排序处理;对截面测量数据的特征点提取,结合"角偏差法"和"弦高差法"的优点,研究了对提取特征点结果影响的几个主要因子,提出一种对冗余数据处理及特征点提取的方法,得到的点云数据可以进行很好的分组处理,并拟合成合适的轮廓特征单元.

摘要：在激光沉积制造过程中,热累积等因素会导致实际成形形貌与理想形貌存在较大偏差,从而阻碍沉积制造的进一步进行。为此,本文提出了基于点云数据的形貌偏差检测与控制方法。采用高速轮廓测量仪扫描沉积体表面,将获得的形貌点云数据与沉积层切片理论数据进行对比,提取出构成偏差区域的点云数据,对偏差点云进行分层切片,然后运用图像边界识别算法提取切片偏差轮廓,确定偏差轮廓区域在原始切片轮廓区域中的准确位置,改变偏差轮廓区域内的填充间距,为其填充成形轨迹,最后生成沉积程序并对偏差区域进行补偿加工。实验结果表明,补偿后获得的成形表面的平面度误差较补偿前减小了65.1%。本文方法能够显著提高零件的成形精度,实现了检测和补偿的自动化,使激光沉积制造可以连续进行。