基于多核DSP的激光点云三维重构技术研究

发布时间：2020-08-04 19:08

【摘要】：三维重构是三维智能信息处理的核心技术,在数字城市、智能交通、逆向工程、文物修复、医学图像处理等领域有着广阔的应用背景。传统激光点云三维重构主要是基于PC平台完成,不仅效率低下,而且其重量体积功耗等均无法满足当前无人机载成像激光雷达系统等场合的应用。随着电子技术发展,多核DSP的应用在很多场合取代了PC机的功能,在主频、功耗、体积、运算能力等方面较PC机均具有突出优势,并具备强大的并行处理能力,非常适合大规模点云处理。因此,开展基于多核DSP的三维并行重构技术研究,不仅能显著提高点云处理及表面重构的效率,同时还能提升成像系统灵活性,对三维实时重构技术发展及应用具有非常重要的意义。鉴于此,本文以激光点云为研究对象,对三维重构中去噪、配准及表面重构等关键技术的并行处理展开了深入研究,主要研究内容包括以下三个方面:1)基于多核DSP平台的点云离群点并行剔除技术实现。深入研究了基于k-means聚类的离群噪点剔除算法,并在基于PC平台的MATLAB软件中进行算法仿真实验,验证了其可行性;提出了一种基于多核DSP平台的点云离群点并行剔除方案,采用了主从模式任务架构,利用IPC MessageQ实现了核间通信,并在基于多核DSP平台的CCS软件中进行了仿真实验,最后与基于PC平台的处理结果做了对比分析。2)基于多核DSP平台的点云并行配准技术实现。深入研究了点云配准过程中特征点检测、特征描述子计算、特征点匹配等关键技术,重点研究了基于改进特征点匹配的迭代最近点(ICP)配准算法,并在PC平台进行了算法仿真实验,验证了其可行性;提出了一种基于多核DSP的点云并行配准方案,并基于多核DSP平台进行了点云并行配准仿真实验,最后与基于PC平台的配准结果做了对比分析。3)基于多核DSP平台的点云表面并行重构技术实现。深入研究了基于生长法的Delaunay三角网格重构算法,并在PC平台进行了算法仿真实验,验证了算法的可行性;提出了一种基于多核DSP的点云模型并行重构方案,并基于多核DSP平台进行了点云并行重构仿真实验,最后与基于PC平台的重构结果做了对比分析。
【学位授予单位】：长春理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN249
【图文】：

示意图,聚类,算法,聚类数

iStep 4：根据式（3-2），更新所有的聚类中心；Step 5：计算两次迭代的差值或判断是否达到迭代次数；Step 6：重复 Step2 至 Step5，直到满足迭代停止的条件为止。k-means 算法聚类过程示意图如图 3.1 所示。luster 1Cluster 2Cluster 1Cluster 2Cluster 1Cluster 2聚类样本图 3.1 k-means 聚类图 3.2 显示了 k-means 聚类算法的运行结果，图 3.2 a）是取聚类数 k=7; 参数为 1000 个时的二维数据聚类结果，图 3.2 b）是取聚类数 k=3 时，参与元 100 个时的三维数据聚类结果。

区域图,法向量,平坦区域,区域

等特征点检测方法。其中，基于法向量的特征点检测方法因简单易行、效而被广泛地应用。因此，本文也采用这种方法来检测点云特征点。云中某点的法向量定义为垂直于该点所在的切平面的直线。基于法向量的方法的基本思想是点云中某点的法线在其邻域内变化大，该点才能选为特.6 所示，图 3.6 a）中点云邻域内法向量变化较为缓慢，故该点所在的区域区域内的点特征性区别不大，因此不能选为特征点，而图 3.6 b）中点云邻变化起伏较大，区域内的点特征性区别很大，因此可以选为特征点。

配准,三维点云,组点,分析实验

析除算法的有效性，本文在基于 3.1.3 节中介绍的 PC 平台的境下，对三维点云模型进行了点云配准仿真实验。库中 Bunny、Dragon 2 组点云数据进行配准分析实验，图型0°和45°的初始位置图像以及初始配准以及精配准后了 Dragon 模型 240°和 192°的图像以及初始配准以及精下图所示。

【参考文献】