摘要
在现代的无损检测应用领域，对各种检测方式反馈的数据进行分析与观察时，人类越来越希望看见与自身视觉一致的三维表达形式，促进了三维应用技术不断被研发，技术难点为实现二维数据向三维空间映射，其中带有三维空间信息的点云数据的获取与重建是关键技术之一。而在林业工程自动化应用中，对树木生长状况监测诊疗，对木材加工过程的质量预检，树木无损检测技术与树木形貌的三维重建技术都是高效利用的最优方法，并有机结合点云数据处理成为该领域重要的研究内容。 树干表面形貌特征的数字化表达与树干内部空腐缺陷的识别，采用的基本方法都是利用各种检测媒介获得反馈信号，将反馈信号表达为图形、图像或者统计学数据，进而反演推算出空腐比例或数字化模拟。因此，树木无损检测数据的三维重建主要涉及三个方面。第一，无损检测的信号识别与反演，反演成像后的图像分割，即如何将检测信号反演为二维数据并进行图像边界特征提取。第二，利用逆向工程中的三维扫描技术获得树木外表形貌特征的点云，利用点云数据的处理技术进行树木形貌特征的曲面三维重建。第三，空腐区域检测的数据分析与点云处理技术的融合，在检测过程中将生长形貌特征映射为三维点云实现自动逆向建模。课题针对上述问题开展了以下相关研究： （1）对雷达波树木无损检测（TRU）技术获取的活立木内部空腐反馈图像进行图像分割，提出阈值求和法实现空腐区域特征边界识别与提取，完成空腐区域中心标定，根据空腐趋势进行边界轮廓凸包构建体素法重构空腐区域三维模型，利用三角面片重划分法实现空腐区域的三维点云重建，既实现了空腐情况二维检测数据向三维空间映射，提高活立木雷达波无损检测的数据分析能力。 （2）通过标志点信息补偿法进行二重循环加权避撞的拼接扫描，精确获取了木材表面形貌的点云数据；提出点云数据的最优边长包围盒下采样滤波法，提出距离权重的FPFH方法实现点云一致性特征估计校正；利用PCL库函数编程改进了采样一致性SAC-IA粗配准与ICP精配准算法的流程，即动态的标定点云对的重心，有效解决边界点云识别与配准局部最优解问题，并利用精简后的点云数据边界特征提取与配准相结合的方法实现树木形貌特征三维重建，提高树木内外生长形貌的点云数据处理能力。 （3）设计并完成了多标本组的TRU检测反馈数据三维重建的对比试验，完成了点云数据精简与配准的多数据组对比试验，得出了特征保留最优时的点云精简比例为34.52%，对算法误差与配准偏差进行综合分析，得出配准拟合的最大偏差比相关研究的横向数据降低了34%至40%左右；完成了空腐区域重构三维模型空腐等级计算与应用。 课题研究成果可以应用到其它无损检测的数据分析领域，促进无损检测领域的二维反馈数据形式向三维空间的转变，促进模式识别技术与点云处理技术在树木形貌重建领域的应用技术提高。
NETL