建筑物的三维点云配准研究

发布时间：2024-01-31 02:19

　　数字城市主要特征之一就是三维城市模型的建立,建筑物是城市中的重要组成部分。在利用地面三维激光扫描仪获取一个完整建筑物点云数据时,需要在不同视角下对建筑物进行扫描。在对建筑物点云数据的重建过程中,点云配准技术发挥着关键作用,为此,本文重点研究了多视点下建筑物三维点云数据的配准问题。主要工作如下:(1)实现了多种对建筑物多平面结构的提取算法。这些算法包括基于RANSAC(随机采样一致性)平面提取算法、基于区域生长的平面提取算法、基于J-Linkage平面提取算法和基于联合聚类的平面提取算法。论文表明了基于联合聚类的平面提取算法不需要设置先验参数,同时避免了过分类和欠分类问题,适合建筑物点云平面提取。(2)提出了一种新的基于建筑物平面的点云配准方法,该算法利用了建筑物含有大量平面结构的特点。首先,使用联合聚类方法提取建筑物平面结构,再对这些平面结构进行正射投影生成二维图片;然后,采用SIFT描述子对多站点云形成的多张二维图片进行对应点匹配,并与它们在点云中的三维坐标关联;最后,使用三点RANSAC算法和最小二乘法求解点云变换矩阵,完成建筑物点云配准。通过实验证明本文提出的方法具有很高的配准精...

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图1-5论文结构以及各章节之间的关系

西南交通大学博士研究生学位论文第20页第二章、第三章以及第四章为本研究的核心与方法，第五章为本研究的总结与展望。各章节的详细安排如下：图1-5论文结构以及各章节之间的关系第一章为绪论。主要介绍论文的研究背景，并从点云面片提娶点云配准以及建筑物三维重建三个方面详细分析了国内外相关研....

图5-5不同视角的建筑物LiDAR点云数据

集美大学硕士学位论文不同视角下建筑物LiDAR点云配准技术的研究为了避免二维图像的同名点索引回到三维点云时出现的误匹配问题，本章对降维得到的二维图像采用模板匹配法找到的同名点，对其所处的同名格里的点进行统计，若同名格里的点不止一个点，则就将此同名点剔除，放弃此找到的二维图像....

图2.4生成关键点特征向量

高斯加权运算。然后，如图将的窗口均匀分为4块，在每块内做8个梯度方向的统计，这样，最终得到一个唯一用于标识的多维特征描述子，如图2.4所示。图2.4生成关键点特征向量

图3.6窗户点云数据

可以将设置为半稠密点云中点的采样平均间隔。本文所采集目标的平面结构包含丰富的几何特征或颜色特征，所以将设置为很小时也能完成后续对应点提取工作。图3.6窗户点云数据

本文编号：3890783