球形点云的目标拟合方法基于投射过和K-Means集群发声.
Zhe Wang1, Jiacheng Hu1, Yushu Shi2
1Key Laboratory of In-Situ Metrology, Ministry of Education, China Jiliang University, Hangzhou 310018, China.
Sensors (Basel, Switzerland)
|September 14, 2024
概括
一个新的PK-RANSAC算法改进了工业计算机断层扫描 (CT) 测量中的球状点云. 这种方法通过结合投影过和K-Means集群,显著提高了准确性和稳定性,克服了传统算法的局限性.
科学领域:
- 计量学和测量科学 计量学和测量科学
- 计算机视觉和图像处理
- 几何建模 几何建模
背景情况:
- 工业计算机断层扫描 (CT) 对于非接触,高精度测量至关重要.
- 来自CT扫描的点云数据通常包含文物,导致不准确的几何参数拟合.
- 现有的方法,如最小正方形和RANSAC,由于噪音和文物,其准确性和稳定性受到限制.
研究的目的:
- 为工业CT测量开发一个强大而准确的球形点云配合算法.
- 为应对CT衍生点云中文物和噪声所带来的挑战.
- 在计量学应用中提高几何参数提取的可靠性.
主要方法:
- 提出了一个新的算法,投影和K-Means RANSAC (PK-RANSAC),集成投影过和K-Means集群.
- 使用RANSAC进行初始参数估计,然后进行2D投影进行中心坐标校正.
- 采用K-Means对采样点进行集群,并对最大的集群进行加权,以最终确定参数.
主要成果:
- 在标准球板上,PK-RANSAC实现了球体中心的1.91微米的适配偏差.
- 这与传统的RANSAC方法相比是一个显著的改进,该方法的偏差为25.41μm.
- 实验结果验证了拟议的PK-RANSAC算法的卓越准确性和稳定性.
结论:
- 在工业CT中,PK-RANSAC算法在调整工业CT中的杂点云的几何参数方面取得了实质性的进步.
- 投影过和K-Means集群的整合有效地减轻了文物的影响.
- PK-RANSAC显示出高精度和稳定性,使其适合精确的计量应用.


