基于高斯加权离散导数的线点云几何特性估算

发布时间：2020-11-01 21:55

　　 随着三维扫描技术的快速发展,三维点云数据在工业建筑和日常生活等领域的运用越来越广泛,例如,工业检测、建筑测量、虚拟现实等。三维点云数据的处理工作是上述应用的基础,在相关领域发挥着极为重要的作用。在三维点云数据的处理工作中,几何特性估算作为三维点云数据的处理手段,为区域分割、模型重建等工作奠定了坚实的基础,并且也对三维点云数据的应用效果产生直接影响。通常来讲,三维点云数据可分为线点云数据和面点云数据。本文主要研究对象是三维线点云数据,如何分析、处理线点云数据,估算其几何特性是我们所关心的问题。本文提出了一种基于高斯加权的线点云一阶离散导数的估算方法,该方法运用加权线性回归和带有线性约束的线性回归的思想,结合微分几何理论,更加准确地估算出线点云的一阶离散导数。同样地,本文定义了线点云的高阶离散导数,并分析了它们的收敛性。基于高斯加权离散导数,我们可以获得线点云的几何特性,例如,曲率(二阶离散导数)、主(副)法向量、挠率等。在真实环境中,由于环境因素或机器设备等客观因素,我们获得的三维点云数据往往带有噪声,本文提出的方法不仅在无噪声情况下提高的估算的准确度,在存在噪声的情况下,也可以降低噪声带来的影响。在估算线点云导数的过程中,涉及到多个参数的选取问题,例如,权函数的带宽(波长)参数、采样密度、邻域半径、噪声强度等。在采样密度确定的条件下,本文给出了估算噪声强度的方法,该方法不仅可以估算噪声强度,还可得到邻域半径的建议值,这使得我们无需在参数选择工作中耗费大量的时间。该方法既避免了盲目选取参数带来的结果不准确性,减少了选择参数消耗的时间,提升了估算结果的准确度。为了分析本文提出的三维线点云几何特性的估算方法,文章针对不同形状的平面线点云数据和空间线点云数据进行了实验操作,并与其他相关的方法进行了对比,结果显示本文的方法针对不同形状的线点云数据具有较高的普适性。在无噪声条件下提高了估算结果的准确性;在噪声条件下降低了噪声带来的影响。为了分析参数选取的问题,本文提出了估算噪声强度的方法,并针对平面线点云和空间线点云进行了多次实验,实验结果显示本文提出的估算噪声强度方法具有较高的准确性,该方法为解决线点云数据导数估算中涉及到的参数选取问题提供了便利。
【学位单位】：大连理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：C81
【文章目录】：
摘要
Abstract
1 绪论
    1.1 三维点云数据
    1.2 线点云数据的几何特性估算
        1.2.1 解析曲线法
        1.2.2 离散结构法
    1.3 本文研究的内容
2 高斯加权离散导数
    2.1 高斯加权离散导数定义
    2.2 高斯加权离散导数的收敛性分析
    2.3 线点云离散导数预估实验
    2.4 本章小结
3 高斯加权离散导数的改进
    3.1 线点云参数化
    3.2 线点云几何特性
    3.3 邻域半径调整
    3.4 实验分析
        3.4.1 平面线点云的曲率估算实验
        3.4.2 空间线点云的几何特性估算实验
        3.4.3 噪声强度预估实验
        3.4.4 实际场景的曲率估算实验
    3.5 本章小结
4 结论
参考文献
致谢

【相似文献】

相关期刊论文 前10条

1 杨必胜;董震;;点云智能研究进展与趋势[J];测绘学报;2019年12期

2 王雯;任小玲;陈逍遥;;一种改进的区域增长彩色3D点云分割算法[J];国外电子测量技术;2018年11期

3 陈华臻;高健;;面向反光工件点云缺陷的点云增强算法[J];计算机辅助设计与图形学学报;2019年07期

4 马东岭;王晓坤;李广云;;一种基于高度差异的点云数据分类方法[J];测绘通报;2018年06期

5 杨泽鑫;程效军;丁琼;程小龙;;面向室内场景点云的对象重建[J];测绘通报;2017年06期

6 翁福洲;黄鹤;;快速点云定向数学模型实际精度分析[J];北京测绘;2017年04期

7 琚俏俏;王令文;;基于自适应切片的点云压缩算法[J];工程勘察;2017年09期

8 许宁;钟友玲;;地面三维激光扫描点云重建技术研究[J];数码世界;2017年08期

9 龚书林;;三维激光点云处理软件的若干关键技术[J];测绘通报;2014年06期

10 徐守乾;朱延娟;;稀疏点云的曲面重构[J];中国制造业信息化;2011年03期

相关博士学位论文 前10条

1 程旭;复杂零件三维重建与点云配准技术研究[D];华中科技大学;2019年

2 杨佳琪;点云局部特征描述与匹配研究[D];华中科技大学;2019年

3 胡晓斌;车载移动测量地物分类方法与重建技术研究[D];武汉大学;2016年

4 蔡湛;迁移学习点云滤波及建筑物特征线提取研究[D];武汉大学;2018年

5 李亮;基于点云匹配的智能车定位方法研究[D];上海交通大学;2018年

6 师翊;基于点云的苹果树冠层光照分布与生长过程数字化关键技术研究[D];西北农林科技大学;2019年

7 徐敏峰;基于质点分布优化的点云法向一致性和重新网格化研究[D];山东大学;2019年

8 赵宗泽;基于数学形态学的机载LiDAR点云建筑物区域提取[D];武汉大学;2016年

9 魏崇阳;城市环境中基于三维特征点云的建图与定位技术研究[D];国防科学技术大学;2016年

10 奚以成;基于机载LiDAR技术的城市智能感知与变化检测技术研究[D];沈阳农业大学;2018年

相关硕士学位论文 前10条

1 梁周雁;基于点云的复杂物体曲面重建关键技术研究[D];山东科技大学;2018年

2 张慧智;基于车载激光点云的道路参数化精细建模[D];山东科技大学;2018年

3 高航;基于线面几何特征的点云配准方法研究[D];山东科技大学;2018年

4 戚明旭;基于全向摆动激光雷达的三维稠密点云创建方法的研究[D];上海交通大学;2017年

5 田茁成;基于激光点云的动态目标运动信息提取技术[D];山东理工大学;2019年

6 崔强;基于图优化的多站激光点云拼接算法研究[D];山东科技大学;2018年

7 马蕊;基于高斯加权离散导数的线点云几何特性估算[D];大连理工大学;2019年

8 姜健芃;基于多向点云拼合的快速三维人体测量技术研究[D];东华大学;2019年

9 付戬;基于色散共焦传感器的航空叶片型线测量[D];华中科技大学;2019年

10 陈鲲翔;基于无人机的建筑物变形监测方法研究[D];华中科技大学;2019年

本文编号：2866153