基于Octree的点云区域重心精简方法研究

发布时间：2020-10-16 08:00

　　 三维激光扫描系统作为目前空间数据采集的主要方式之一,能够连续获取扫描物体表面大量的三维点云数据。但随着高精度、高密度点云的快速扫描的发展,也带来了点云冗余的问题。为满足不同精度的点云建模实际需求和提高点云后续处理的速度,用尽量少的点云尽可能地表达更详细的物体特征,对点云进行精简压缩成为了大规模点云数据处理中主要关键问题之一。在对目前点云压缩方法研究的基础上,针对经典区域重心法的局限性,结合各种三维激光扫描系统获得的点云数据的特点和三维空间分割理论对其进行改进,在点云数据的驱动下,设计了基于八叉树的点云区域重心精简算法。首先,在数据驱动、压缩比控制的条件下,分步建立自适应八叉树空间结构。第一步,根据改进的压缩比相关公式确定的八叉树的初始分辨率和树深,初步划分由点云数据确定的最外包围盒空间,然后再将点云插入初始八叉树。第二步,根据插入后最小包围盒内点云个数情况,在压缩比控制下确定点数阈值范围,对点云进行自适应的空间划分。然后,在自适应八叉树的基础上,遍历节点建立线性八叉树存贮结构。线性八叉树只存贮实叶节点的特性能够减少树深过深时带来的内存空间方面的占用,增加空间利用率的同时也提高留存的实叶节点的点云精简的效率。最后,根据点云数据属性内容以及同种物体强度信息相同的理论,拓展“重心”概念,将强度信息加入精简指标中。利用归一化思想将距离差值和强度差值去量纲化,做数据综合处理以确定最合适的体素重心点。利用多源数据进行各个程度压缩比控制下的不同压缩方法间的效果对照,发现分步划分的自适应线性八叉树结构压缩在时间耗费上比均匀划分的三维栅格化体元阵列压缩有明显降低,大大提高了压缩效率。同时,各种形式采集的点云数据在较低压缩比时依然出色的精简效果,也说明经过自适应八叉树改进的空间划分形成的多细节层次包围盒扩大了方法的通用性,使其能够适用于复杂场景的散乱点云精简。综合标准偏差的数据指标分析,基于八叉树的点云区域重心精简方法在相同压缩率下对点云的压缩效果比传统区域重心法亦有较大提升。
【学位单位】：太原理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN249
【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 选题背景及意义
    1.2 研究现状
        1.2.1 点云数据处理
        1.2.2 点云数据精简
        1.2.3 Octree在点云处理中的应用
    1.3 研究内容和技术路线
        1.3.1 研究内容和方法
        1.3.2 技术路线
第二章 三维激光扫描及点云数据压缩技术
    2.1 三维激光扫描系统及应用
    2.2 点云获取及压缩
        2.2.1 不同采集方式点云特征
        2.2.2 点云数据压缩
        2.2.3 数据压缩方法
    2.3 PCL与CloudCompare
        2.3.1 PCL与CloudCompare概述
        2.3.2 PCL的结构和内容
        2.3.3 PCL中Octree模块
第三章 基于Octree的区域重心法改进
    3.1 区域重心法
    3.2 Octree基本理论
        3.2.1 Octree的定义
        3.2.2 Octree的节点
        3.2.3 分辨率与包围盒
        3.2.4 Octree的遍历
        3.2.5 节点编码
    3.3 利用Octree思想对区域重心法改进
        3.3.1 Octree空间划分
        3.3.2 Octree分割停止条件
        3.3.3 叶节点内数据“重心”精简标准
第四章 基于Octree的点云区域重心精简方法对比实验研究
    4.1 多源点云数据多种压缩方法对比实验
        4.1.1 地面激光点云多方法压缩对比
        4.1.2 车载激光点云多方法压缩对比
        4.1.3 机载LiDAR点云多方法压缩对比
    4.2 点云数据压缩效果评比
第五章 结论与展望
    5.1 结论
    5.2 展望
参考文献
致谢
攻读硕士期间发表的学术论文

【相似文献】

相关期刊论文 前10条

1 易航;李浩;杨彪;韦立新;蒋建平;;基于聚类与重构的河流区域滤波方法[J];地理空间信息;2017年10期

2 王培俊;吕东旭;陈鹏;高速道岔尖轨点云的复合拼接及数据处理优化[J];西南交通大学学报;年期

3 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

4 杨德山;董丽丽;梁倩倩;张望;许文海;;手提激光盘煤仪点云去噪[J];激光杂志;2017年05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 黄楠;岳建平;;基于点云几何约束的仿真安装探讨[J];地理空间信息;2017年09期

8 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

9 赵龙;韦群;;序列图像三维重构中点云精简算法的研究与改进[J];计算机工程与应用;2016年08期

10 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

相关博士学位论文 前10条

1 付玮;基于摄影测量系统的标定与表面数据融合算法研究[D];南昌大学;2018年

2 黄旭;LiDAR点云约束下的多视影像密集匹配与融合方法研究[D];武汉大学;2016年

3 谢洪;基于地面三维激光扫描技术的海量点云模型重建关键算法研究[D];武汉大学;2013年

4 刘立坤;基于流形理论的LiDAR多维点云分割方法研究[D];武汉大学;2015年

5 武剑洁;基于点的散乱点云处理技术的研究[D];华中科技大学;2004年

6 吴世雄;逆向工程中多传感器集成的智能化测量研究[D];浙江大学;2005年

7 陈曦;反求工程中基于点云的特征挖掘技术研究[D];浙江大学;2005年

8 蔡勇;基于核机器学习方法的点云处理若干方法研究[D];西南交通大学;2006年

9 何朝明;离散点云处理的关键技术研究[D];西南交通大学;2007年

10 龚珍;地面三维激光扫描点云场景重建方法研究[D];中国地质大学;2017年

相关硕士学位论文 前10条

1 周桐;基于特征组合的地面站激光点云配准方法[D];武汉大学;2017年

2 吴永兴;利用车载LiDAR点云的自动成图技术研究[D];中国地质大学(北京);2018年

3 宋爽;基于机载LiDAR点云的电力走廊三维要素提取技术[D];武汉大学;2017年

4 庄恩泽;基于Kinect三维重建的相关算法研究[D];福建师范大学;2017年

5 高寒;基于点云的大豆植株三维重建[D];黑龙江八一农垦大学;2018年

6 赵绍安;基于三维激光点云的移动机器人同步定位与构图算法研究[D];电子科技大学;2018年

7 刘宴诚;人机环境深度交互机器人关键技术研究[D];北方工业大学;2018年

8 王胜宇;基于深度相机的人体模型重建技术的研究[D];北方工业大学;2018年

9 陈超奇;基于Intel Real sense 3D实感技术的三维脚型参数测量与重构[D];安徽大学;2018年

10 李徐然;三维激光点云数字化爆破质量分析与评价[D];西南交通大学;2018年

本文编号：2842988