公开(公告)号：CN119151999A

公开(公告)日：2024-12-17

申请号：CN202410740475.8

申请日：2024-06-08

Applicant: 西北工业大学

Inventor： 张艳宁 ,  张曦予 ,  杨佳琪 ,  齐召帅 ,  曹馨月

IPC: G06T7/33 ,  G06V10/44 ,  G06V10/75 ,  G06V10/46 ,  G06V10/762

Abstract: 本发明公开了一种基于极大团“假设‑校验”的鲁棒三维点云配准方法，该方法首先对输入点云预处理并提取局部特征，通过特征匹配形成初始对应关系；然后，将初始匹配建模为兼容性图并搜索图中的极大团；接下来利用种子匹配构造极大团池，生成六自由度位姿假设；最后，以一种循序渐进的方式校验产生的所有假设并选出最优进行配准。本发明方法简单高效，不需要大量的计算资源，并且鲁棒性强，面对点云干扰严重以及重叠率较低的情况下仍能够实现精确配准，具有很强的泛化能力且无需任何的训练。

公开(公告)号：CN119206077A

公开(公告)日：2024-12-27

申请号：CN202411332793.7

申请日：2024-09-24

Applicant: 西北工业大学

Inventor： 杨佳琪 ,  葛素宁 ,  张艳宁 ,  贺雅楠 ,  张曦予

IPC: G06T17/00 ,  G06V10/40 ,  G06V10/46 ,  G06V10/74 ,  G06V10/75

Abstract: 本发明涉及一种基于互投票匹配的增量式三维稀疏重建方法，属于计算机视觉领域。包括提取图像序列中所有图像的像素级特征；借助公共词汇树对图像进行相似度计算，得到每张图像与其他所有图像的相似度降序集合，以图像为节点，相似度为边权重构建相似度图；在相似度图上进行边和点的互投票匹配，获得带有匹配信息的匹配图；依据匹配图进行增量式重建。本发明方法在大规模数据集上能明显提高匹配阶段以及整体稀疏重建的效率，与原有的词汇树方法相比提高了平均重投影误差和图像重建点数。

公开(公告)号：CN118628542A

公开(公告)日：2024-09-10

申请号：CN202410740476.2

申请日：2024-06-08

Applicant: 西北工业大学

Inventor： 张艳宁 ,  杨佳琪 ,  张曦予 ,  任春林

IPC: G06T7/33 ,  G06V10/44 ,  G06V10/75 ,  G06V10/46 ,  G06V10/762

Abstract: 本发明公开了一种引入重叠区域先验的极大团三维点云配准方法，首先对输入点云预处理并提取局部特征，通过特征匹配形成初始对应关系；然后，用图空间来描述初始匹配之间的几何兼容关系；接下来在兼容性图中搜索极大团生成六自由度的位姿变换假设；最后，校验产生的所有假设并选出最优进行配准。本发明方法简单高效，满足一定的时效性且不需要大量的计算资源，并且鲁棒性强，面对点云干扰严重以及重叠率较低的情况下仍能够实现精确配准，具有很强的泛化能力且无需任何的训练。

公开(公告)号：CN119991755A

公开(公告)日：2025-05-13

申请号：CN202510079285.0

申请日：2025-01-17

Applicant: 西北工业大学

Inventor： 杨佳琪 ,  夏芝怡 ,  张曦予 ,  张艳宁 ,  齐召帅

IPC: G06T7/33 ,  G06T7/62 ,  G06V10/40 ,  G06V10/75

Abstract: 本发明具体涉及一种基于匹配纠正的鲁棒三维点云配准方法，首先对输入点云预处理并提取局部特征，通过特征匹配分别形成一对一和一对多对应关系。接下来在一对多对应关系中提取分布集中的一对多关系集合，并用该一对多集合对一对一对应关系进行校验。最后，以假设校验的方式来计算六自由度位姿假设。本发明方法简单高效，不需要大量的计算资源，可以有效纠正一些匹配异常值，面对点云低重叠率以及噪声严重的情况也可以实现成功配准。本方法泛用性强，无须任何训练，可适用于多种算法来对输入匹配关系进行预处理。

公开(公告)号：CN119494861A

公开(公告)日：2025-02-21

申请号：CN202411110104.8

申请日：2024-08-14

Applicant: 西北工业大学

Inventor： 杨佳琪 ,  郭荣 ,  张艳宁 ,  孙瑾秋 ,  朱宇 ,  张曦予

IPC: G06T7/33 ,  G06T7/73 ,  G06V10/74 ,  G06V10/75

Abstract: 本发明公开了一种由粗到精的跨尺度三维点云配准方法，从输入源点云与目标点云开始，首先使用一种全局体素结构和局部最远点采样相结合的方式对点云进行下采样，在简化点云的同时保持点云的各向同性、几何一致性；然后在采样后的点云上粗略估计尺度因子，对源点云进行变换；在粗配准阶段，通过特征提取与匹配，使用一种引导式三点采样算法，进行点云粗配准，在提高配准速度的同时，为精配准提供良好的初始位姿；在精配准阶段，使用一种尺度自适应的最近点迭代算法，每次迭代应用最优旋转后，对平移和缩放联合优化，提高算法配准精度。本发明方法无需任何训练过程，可以有效处理具有不同分辨率的跨尺度点云数据，具有强大的泛化能力。

公开(公告)号：CN115690613A

公开(公告)日：2023-02-03

申请号：CN202211230045.9

申请日：2022-10-09

Applicant: 西北工业大学

Inventor： 杨佳琪 ,  范世超 ,  任春林 ,  张世坤 ,  张曦予

IPC: G06V20/17 ,  G06V20/10 ,  G06V20/40 ,  G06V10/26 ,  G06V10/30 ,  G06V10/44 ,  G06V10/762 ,  G06V10/75

Abstract: 本发明公开了一种基于无人机视频序列的三维变化检测方法，首先通过无人机视频序列重建三维点云；然后对不同时刻获取的两个点云进行配准；其次，通过两个点云之间的差值获取候选区域；最后通过候选区域的密度和长宽高属性及体积等多层次几何属性对候选区域进行筛选。该方法操作简单，在面对诸多干扰的情况下仍能准确地定位三维变化区域。