三维点云数据滤波和分类算法研究
发布时间：2021-02-11 20:36
近年来,激光雷达（Light Detection And Ranging,简称LiDAR）的硬件系统在不断发展完善,然而对点云数据处理的算法研究却相对滞后。目前国内外学者经过研究,提出了许多LiDAR点云滤波及分类的算法,但是这些算法或对地形要求比较高而难以适用于各种地形。比如说在山区地形中,地物坡度与地形坡度之间的差别很小,仅设置单一的坡度阈值容易造成真实地形的丢失或过度滤波。针对上述问题,本文分析了LiDAR点云数据去噪的方法,详细地研究了LiDAR点云数据滤波和分类新方法。本文的主要工作和研究重点概括如下:为了克服传统滤波算法自动化程度不高,不能适用于各种地形等问题,本文提出了一种基于梯度分块的自适应点云滤波算法。该算法的主要内容为:首先研究了基于r邻域的LiDAR点云数据去噪的方法,将点云中的异常点滤掉。其次研究了LiDAR点云的滤波过程,针对传统坡度滤波算法阈值设定单一的缺点。本文对其进行两方面的改进,第一,为了减小地形对算法精度的影响,加入对数据分块的思想,将LiDAR点云按照X与Y方向进行分块;第二,为了能够自适应的求得每块LiDAR点云的地面点与非地面点之间滤波的最优阈...
【文章来源】：天津理工大学天津市
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 LiDAR系统发展现状
1.2.2 点云滤波算法研究现状
1.2.3 点云分类算法研究现状
1.3 研究中的关键问题
1.4 本文的主要研究内容与组织结构
第二章 机载LiDAR系统基础理论及数据分析
2.1 机载LiDAR系统组成及工作原理
2.1.1 机载LiDAR系统的定位原理
2.1.2 机载LiDAR系统的测距原理
2.1.3 机载LiDAR系统的惯性测量系统
2.2 机载LiDAR点云数据
2.2.1 机载LiDAR点云数据的构成
2.2.2 机载LiDAR点云数据的格式
2.2.3 机载LiDAR点云数据的组织形式
2.3 本章小结
第三章 基于梯度分块的自适应点云滤波方法
3.1 引言
3.2 基于r邻域的点云去噪算法
3.3 自适应点云滤波算法
3.3.1 最大类间方差
3.3.2 点云滤波算法步骤
3.4 实验与分析
3.4.1 测试数据
3.4.2 实验评估标准
3.4.3 实验结果及分析
3.5 本章小结
第四章 基于组合核函数的支持向量机点云分类算法
4.1 引言
4.2 支持向量机理论基础
4.2.1 线性支持向量机
4.2.2 非线性支持向量机
4.3 点云分类算法描述
4.3.1 点云特征提取
4.3.2 组合核函数的设计
4.3.3 SVM分类器的设计
4.4 实验结果与分析
4.4.1 测试数据
4.4.2 实验评估标准
4.4.3 实验结果及分析
4.5 本章小结
第五章 总结与展望
5.1 工作总结
5.2 工作展望
参考文献
发表论文和科研情况说明
致谢
【参考文献】：
期刊论文
[1]基于梯度分块的自适应点云滤波方法[J]. 陈超,李肖敏,董恩增,吴东月,吉月辉. 电子测量技术. 2018(19)
[2]城区LiDAR点云自适应坡度的滤波算法[J]. 何培培,万幼川,黄桂平,马开锋. 遥感信息. 2017(05)
[3]轻型机载Lidar扫描技术应用[J]. 熊明清,尹康华. 低碳世界. 2017(08)
[4]机载激光雷达测深技术与应用研究进展[J]. 秦海明,王成,习晓环,聂胜. 遥感技术与应用. 2016(04)
[5]基于信息向量机的机载激光雷达点云数据分类[J]. 刘志青,李鹏程,陈小卫,张保明,郭海涛. 光学精密工程. 2016(01)
[6]顾及地形断裂线的LiDAR点云滤波方法研究[J]. 高广,马洪超,张良,付晶. 武汉大学学报(信息科学版). 2015(04)
[7]基于区域预测的LiDAR点云数据形态学滤波算法[J]. 苗启广,郭雪,宋建锋,宣贺君. 激光与光电子学进展. 2015(01)
[8]基于高程统计的机载LiDAR点云三角网渐进滤波方法[J]. 陈琳,范湘涛,杜小平. 遥感信息. 2014(03)
[9]区域回波比率与拓扑识别模型结合的城区激光雷达点云分类方法[J]. 左志权,张祖勋,张剑清. 中国激光. 2012(04)
[10]基于高程统计方法的机载LiDAR点云数据滤波[J]. 龚亮,张永生,施群山,徐国华. 测绘与空间地理信息. 2012(02)
硕士论文
[1]机载LiDAR点云数据滤波方法研究[D]. 甘桂琴.中南大学 2012
[2]3-D成像激光雷达信号处理系统的研究[D]. 王颖麟.电子科技大学 2010
本文编号：3029672
【文章来源】：天津理工大学天津市
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 LiDAR系统发展现状
1.2.2 点云滤波算法研究现状
1.2.3 点云分类算法研究现状
1.3 研究中的关键问题
1.4 本文的主要研究内容与组织结构
第二章 机载LiDAR系统基础理论及数据分析
2.1 机载LiDAR系统组成及工作原理
2.1.1 机载LiDAR系统的定位原理
2.1.2 机载LiDAR系统的测距原理
2.1.3 机载LiDAR系统的惯性测量系统
2.2 机载LiDAR点云数据
2.2.1 机载LiDAR点云数据的构成
2.2.2 机载LiDAR点云数据的格式
2.2.3 机载LiDAR点云数据的组织形式
2.3 本章小结
第三章 基于梯度分块的自适应点云滤波方法
3.1 引言
3.2 基于r邻域的点云去噪算法
3.3 自适应点云滤波算法
3.3.1 最大类间方差
3.3.2 点云滤波算法步骤
3.4 实验与分析
3.4.1 测试数据
3.4.2 实验评估标准
3.4.3 实验结果及分析
3.5 本章小结
第四章 基于组合核函数的支持向量机点云分类算法
4.1 引言
4.2 支持向量机理论基础
4.2.1 线性支持向量机
4.2.2 非线性支持向量机
4.3 点云分类算法描述
4.3.1 点云特征提取
4.3.2 组合核函数的设计
4.3.3 SVM分类器的设计
4.4 实验结果与分析
4.4.1 测试数据
4.4.2 实验评估标准
4.4.3 实验结果及分析
4.5 本章小结
第五章 总结与展望
5.1 工作总结
5.2 工作展望
参考文献
发表论文和科研情况说明
致谢
【参考文献】：
期刊论文
[1]基于梯度分块的自适应点云滤波方法[J]. 陈超,李肖敏,董恩增,吴东月,吉月辉. 电子测量技术. 2018(19)
[2]城区LiDAR点云自适应坡度的滤波算法[J]. 何培培,万幼川,黄桂平,马开锋. 遥感信息. 2017(05)
[3]轻型机载Lidar扫描技术应用[J]. 熊明清,尹康华. 低碳世界. 2017(08)
[4]机载激光雷达测深技术与应用研究进展[J]. 秦海明,王成,习晓环,聂胜. 遥感技术与应用. 2016(04)
[5]基于信息向量机的机载激光雷达点云数据分类[J]. 刘志青,李鹏程,陈小卫,张保明,郭海涛. 光学精密工程. 2016(01)
[6]顾及地形断裂线的LiDAR点云滤波方法研究[J]. 高广,马洪超,张良,付晶. 武汉大学学报(信息科学版). 2015(04)
[7]基于区域预测的LiDAR点云数据形态学滤波算法[J]. 苗启广,郭雪,宋建锋,宣贺君. 激光与光电子学进展. 2015(01)
[8]基于高程统计的机载LiDAR点云三角网渐进滤波方法[J]. 陈琳,范湘涛,杜小平. 遥感信息. 2014(03)
[9]区域回波比率与拓扑识别模型结合的城区激光雷达点云分类方法[J]. 左志权,张祖勋,张剑清. 中国激光. 2012(04)
[10]基于高程统计方法的机载LiDAR点云数据滤波[J]. 龚亮,张永生,施群山,徐国华. 测绘与空间地理信息. 2012(02)
硕士论文
[1]机载LiDAR点云数据滤波方法研究[D]. 甘桂琴.中南大学 2012
[2]3-D成像激光雷达信号处理系统的研究[D]. 王颖麟.电子科技大学 2010
本文编号：3029672
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3029672.html
