三维点云数据实时管理的Hash map方法

本文基于机器视觉探讨数字摄影测量三维构像下的智能数据处理要素之一：海量点云高效管理技术,提出了一种基于GPU的hash map三维点云数据组织的改进算法,算法可以高效地完成数据的动态插入、更新和索引,而不受数据规模限制。同时,通过传感器位置姿态估计当前活动范围,进行主机与GPU的数据交换,保证了GPU的低内存占用率。在搭载不同等级显卡（GTX960、GTX1050、GTX1060）的计算机设备上试验,本文算法均可以达到60 fps以上的帧率（单帧处理点云数：2.11×10⁵）,证明算法满足了三维构像中三维点云数据高效管理的要求。     

三维点云初始配准方法的比较分析

针对多种多样的三维点云自动初始配准算法,该文依照配准过程中侧重点的不同将其分为基于局部特征描述、基于全局搜索策略和基于统计学概率3个算法类别,对其中具有代表性的FPFH、4PCS、NDT 3种算法进行了配准效率和数据适应性的比较分析。采用4组数据分别使用这3种算法进行配准实验,提出了算法中相关参数的设置方法,验证了它们用于最近点迭代精配准的适用性,并记录相应的配准耗时。实验结果表明不同算法适用的数据不同,初始配准时可以依据数据的特点选取合适的方法。     

三维点云初始配准方法的比较分析

针对多种多样的三维点云自动初始配准算法,该文依照配准过程中侧重点的不同将其分为基于局部特征描述、基于全局搜索策略和基于统计学概率3个算法类别,对其中具有代表性的FPFH、4PCS、NDT 3种算法进行了配准效率和数据适应性的比较分析。采用4组数据分别使用这3种算法进行配准实验,提出了算法中相关参数的设置方法,验证了它们用于最近点迭代精配准的适用性,并记录相应的配准耗时。实验结果表明,不同算法适用的数据不同,初始配准时可以依据数据的特点选取合适的方法。     

一种基于多目视觉的无人机实时定位方法

提出了一种基于多目视觉的实时无人机自动定位方法。该方法将多相机和多台计算机联合组建局域网,通过相机标定、图像同步采集、背景差分与前方交会等实现无人机自动检测与定位。为了验证该方法的有效性,开发了一套无人机检测和定位的软硬件系统,试验结果表明该方法是可行、有效的,定位精度满足要求。