城市建筑物场景点云配准算法研究
发布时间：2020-12-18 09:55
地面激光扫描（Terrestrial LiDAR Scanning,TLS）作为一种主动遥感技术,通过发射脉冲信号并接收目标物体表面返回的信号完成三维测量,具有速度快、精度高、单次获取数据量大等特点,已经成为空间信息获取的重要手段,基于TLS技术的建筑物精细建模也成为近年来的研究热点。由于扫描视角和物体遮挡等限制,TLS需要多角度扫描才能完整覆盖城市建筑物场景,且获取到的多视点云都基于局部坐标系,需要通过点云配准技术将不同视角下的点云统一到同一坐标系下。国内外学者提出许多两视点云自动配准算法,但城市建筑物场景结构复杂,点云数据不仅含有大量噪声,同时包含对称或不完整结构,局部点云密度变化明显,TLS数据量非常庞大,如何提高城市建筑物场景下的两视点云自动配准精度和效率是目前亟待解决的问题。因此,本文主要研究城市建筑物场景下的两视点云自动配准,具体如下:（1）基于ISS-SHOT特征点的点云粗配准:目前,点云粗配准主要通过提取点云表面二维或三维特征进行粗配准,二维或三维特征的质量决定粗配准精度。本文将定向直方图标签（Signatures of Histograms of OrienTatio...
【文章来源】：成都理工大学四川省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
城市建筑物场景点云数据
点云降噪与下采样点云降噪Ndenoise最小邻域点个数 50edenoise最大允许误差 3δ下采样 Svoxel体素格网采样尺寸 15ISS-SHOT 特征点提取法向量估计 RNormal最小邻域点个数 20dISS 关键点提取 RISS最小邻域点个数 12SHOT 特征描述 RSHOT最小邻域点个数 20d注：表中 d 表示点云密度，δ 表示点云邻域标准差3.4.2.2 点云降噪与下采样图 3-3（a）表示第一组点云数据利用统计学滤波算法进行点云降噪和体素格网下采样后的结果图，从图中可以看出，点云噪声点相对于图 3-2（a）所示的原始点云有明显的改善。同时，经过点云降噪和下采样的点云结构基本保持不变，场景中的建筑物轮廓、路灯、树木等清晰可见。图 3-3（b）和图 3-3（c）分别表示第二组数据和第三组数据降噪和下采样后的效果，同样达到了既保证点云结构不变又能降低点云数量的效果。
（c）第三组数据降噪与下采样结果图 3-3 城市建筑物场景点云降噪与下采样结果（续）（不同颜色表示不同扫描位置获取的数据）SHOT 特征点提取一组数据为例展示 ISS-SHOT 特征点提取结果（图 3下采样后的点云，点云个数为 57.9 万，红色部分表数为 1.5 万。从特征点提取结果可以看出，特征点数征点分布均匀，在点云密度变化区域均有分布，且数两组 ISS-SHOT 特征点之间进行同名点估计与初始转
【参考文献】：
期刊论文
[1]多分辨率配准点的ICP算法[J]. 王勇,邹辉,何养明,黎春. 小型微型计算机系统. 2018(03)
[2]直线簇约束下的地面LiDAR点云配准方法[J]. 盛庆红,张斌,肖晖,陈姝文,王青,柳建峰. 武汉大学学报(信息科学版). 2018(03)
[3]基于一致性球的点云配准算法研究[J]. 杨帆,常俊飞. 大地测量与地球动力学. 2018(01)
[4]遗传算法结合自适应阈值约束的ICP算法[J]. 石爱军,白瑞林,田青华,李杜. 光学技术. 2018(01)
[5]地面激光点云数据质量评价与三维模型快速重建技术研究[J]. 宣伟. 测绘学报. 2017(12)
[6]三维激光扫描点云数据处理研究进展、挑战与趋势[J]. 杨必胜,梁福逊,黄荣刚. 测绘学报. 2017(10)
[7]基于大数据技术的智慧城市建设初探[J]. 贺瑞,许元斌,柳欢,陈坤. 自动化与仪器仪表. 2017(06)
[8]基于平面基元组的建筑物场景点云自动配准方法[J]. 梁栋,王红平,刘修国,沈永林. 武汉大学学报(信息科学版). 2016(12)
[9]一种闭合条件约束的全局最优多视点云配准方法[J]. 闫利,谭骏祥,杨容浩,李少达. 测绘学报. 2016(04)
[10]基于法向量改进的ICP算法[J]. 杨小青,杨秋翔,杨剑. 计算机工程与设计. 2016(01)
博士论文
[1]计算机视觉中相机标定及点云配准技术研究[D]. 王瑞岩.西安电子科技大学 2015
[2]三维离散点云数据的预处理和配准技术研究[D]. 胡峰俊.浙江工业大学 2015
[3]基于标记点过程的机载激光扫描点云建筑物提取[D]. 徐文学.武汉大学 2013
硕士论文
[1]基于机载LiDAR数据和遥感影像数据的建筑物三维建模研究[D]. 赵明月.华东师范大学 2017
[2]基于数字地图的三维场景构建关键技术的研究与实现[D]. 徐硕.北京工业大学 2016
[3]近景摄影测量和三维渲染技术在建筑物精细建模中的应用[D]. 张东霞.山东农业大学 2015
[4]求解无约束最优化问题的一个新的拟牛顿方法[D]. 陈姗.南京理工大学 2013
[5]三维激光扫描点云数据滤波方法研究[D]. 孙正林.中南大学 2011
本文编号：2923801
【文章来源】：成都理工大学四川省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
城市建筑物场景点云数据
点云降噪与下采样点云降噪Ndenoise最小邻域点个数 50edenoise最大允许误差 3δ下采样 Svoxel体素格网采样尺寸 15ISS-SHOT 特征点提取法向量估计 RNormal最小邻域点个数 20dISS 关键点提取 RISS最小邻域点个数 12SHOT 特征描述 RSHOT最小邻域点个数 20d注：表中 d 表示点云密度，δ 表示点云邻域标准差3.4.2.2 点云降噪与下采样图 3-3（a）表示第一组点云数据利用统计学滤波算法进行点云降噪和体素格网下采样后的结果图，从图中可以看出，点云噪声点相对于图 3-2（a）所示的原始点云有明显的改善。同时，经过点云降噪和下采样的点云结构基本保持不变，场景中的建筑物轮廓、路灯、树木等清晰可见。图 3-3（b）和图 3-3（c）分别表示第二组数据和第三组数据降噪和下采样后的效果，同样达到了既保证点云结构不变又能降低点云数量的效果。
（c）第三组数据降噪与下采样结果图 3-3 城市建筑物场景点云降噪与下采样结果（续）（不同颜色表示不同扫描位置获取的数据）SHOT 特征点提取一组数据为例展示 ISS-SHOT 特征点提取结果（图 3下采样后的点云，点云个数为 57.9 万，红色部分表数为 1.5 万。从特征点提取结果可以看出，特征点数征点分布均匀，在点云密度变化区域均有分布，且数两组 ISS-SHOT 特征点之间进行同名点估计与初始转
【参考文献】：
期刊论文
[1]多分辨率配准点的ICP算法[J]. 王勇,邹辉,何养明,黎春. 小型微型计算机系统. 2018(03)
[2]直线簇约束下的地面LiDAR点云配准方法[J]. 盛庆红,张斌,肖晖,陈姝文,王青,柳建峰. 武汉大学学报(信息科学版). 2018(03)
[3]基于一致性球的点云配准算法研究[J]. 杨帆,常俊飞. 大地测量与地球动力学. 2018(01)
[4]遗传算法结合自适应阈值约束的ICP算法[J]. 石爱军,白瑞林,田青华,李杜. 光学技术. 2018(01)
[5]地面激光点云数据质量评价与三维模型快速重建技术研究[J]. 宣伟. 测绘学报. 2017(12)
[6]三维激光扫描点云数据处理研究进展、挑战与趋势[J]. 杨必胜,梁福逊,黄荣刚. 测绘学报. 2017(10)
[7]基于大数据技术的智慧城市建设初探[J]. 贺瑞,许元斌,柳欢,陈坤. 自动化与仪器仪表. 2017(06)
[8]基于平面基元组的建筑物场景点云自动配准方法[J]. 梁栋,王红平,刘修国,沈永林. 武汉大学学报(信息科学版). 2016(12)
[9]一种闭合条件约束的全局最优多视点云配准方法[J]. 闫利,谭骏祥,杨容浩,李少达. 测绘学报. 2016(04)
[10]基于法向量改进的ICP算法[J]. 杨小青,杨秋翔,杨剑. 计算机工程与设计. 2016(01)
博士论文
[1]计算机视觉中相机标定及点云配准技术研究[D]. 王瑞岩.西安电子科技大学 2015
[2]三维离散点云数据的预处理和配准技术研究[D]. 胡峰俊.浙江工业大学 2015
[3]基于标记点过程的机载激光扫描点云建筑物提取[D]. 徐文学.武汉大学 2013
硕士论文
[1]基于机载LiDAR数据和遥感影像数据的建筑物三维建模研究[D]. 赵明月.华东师范大学 2017
[2]基于数字地图的三维场景构建关键技术的研究与实现[D]. 徐硕.北京工业大学 2016
[3]近景摄影测量和三维渲染技术在建筑物精细建模中的应用[D]. 张东霞.山东农业大学 2015
[4]求解无约束最优化问题的一个新的拟牛顿方法[D]. 陈姗.南京理工大学 2013
[5]三维激光扫描点云数据滤波方法研究[D]. 孙正林.中南大学 2011
本文编号：2923801
本文链接：https://www.wllwen.com/guanlilunwen/chengjian/2923801.html
