保存特征的点云数据精简方法研究
发布时间：2021-03-07 04:05
随着激光扫描技术、计算机技术的快速发展,三维激光扫描仪可在短时间内获取大量高精度的三维点云模型,然而这些高精度的点云模型中包含了大量冗余数据,极大影响三维曲面建模以及特征判断。特征点是最基本的曲面几何形状的特征基元,同时也是精简后数据在模型重构中的关键数据点,特征提取的优劣直接影响后续模型的形状表达和匹配的准确性。本文以点云模型为研究对象,重点研究了散乱点云数据基于法矢的特征提取方法,并将特征保留应用于数据精简,旨在提高精简后模型重建的质量。主要研究内容和结论如下:（1）三维点云数据的邻域主要包括k邻域、Voronoi邻域和BSP邻域,k邻域计算需依据点云模型、点云密度以及均匀度来判断,因此本文在数据处理时选用更为可靠的k邻域。为了便于邻域构建,首先需要建立点云数据拓扑关系,论文分析了三种常见建立点云数据拓扑关系的方法,并研究了效率较高的八叉树法在构建k邻域时的具体步骤。（2）传统的基于局部曲面拟合法在法矢解算时,对邻域大小有较强的敏感性,并且法矢估算不准确,导致在用法矢信息提取特征点时存在误判。针对此问题,论文研究了一种基于移动最小二乘拟合局部曲面的法矢估算法。该方法首先在构建k邻域...
【文章来源】：江西理工大学江西省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
三维激光测量系统构成
以获取多种类型的点云数据，但实际上，多数为散云的数据处理。散乱的点云数据之间没有任何的空的速度，需要构建采样点与相邻点之间的邻域拓扑限制在采样点的邻域之内，能提高数据处理的效率繁的搜索点云数据之间的邻域关系，因此邻域搜索分类取的数据是由一系列密集点组成的三维立体图像，括三维坐标、大小、纹理特征等，扫描时由于不同实颜色等也不相同。点云数量与测量时输入的密度参，根据点云的排列方式，可将其分为以下四种类型
图 2.11 三维 K-D 树分割 树分割后的点云数据，则从根节点开始，依点的 x 轴大小，若小于则往左边继续搜索一级子节点的 y 轴大小，小于则往左继续二级子节点 z 轴的大小直至成功匹配点，根据点云数据的分布，构建一个能把整体点为多个立体栅格的一种建立空间数据拓扑ax)，min max( y , y )，min max( z , z )确定外包围盒的以在每条边上适当增加一个长度 d，则长max minmax min( )( )boxboxx x x dy y y d = + = +
【参考文献】：
期刊论文
[1]二进制编码八叉树的海量点云邻域快速搜索算法[J]. 姜晓通,戴宁,程筱胜,张长东,郭保苏. 计算机辅助设计与图形学学报. 2018(05)
[2]基于法矢向量的梯田点云特征面改进提取方法[J]. 李昕. 数字技术与应用. 2017(04)
[3]基于八叉树细分的古建筑物点云数据分割研究[J]. 徐良,张洋,马巍,庄佶,文鹏浩. 现代测绘. 2016(06)
[4]三维激光扫描仪及其测量误差影响因素分析[J]. 杨邦礼. 资源信息与工程. 2016(03)
[5]基于地面激光扫描技术的建筑物建模研究[J]. 吴蒙,王建强. 江西科学. 2015(02)
[6]一种基于曲率的点云自动配准算法[J]. 马忠玲,周明全,耿国华,孙家泽,李静. 计算机应用研究. 2015(06)
[7]一种改进的基于法矢方向调整的平面点云分割方法[J]. 张强,李朝奎,李俊晓,严雯英. 地理与地理信息科学. 2015(01)
[8]基于地面激光扫描的矿山三维建模关键技术[J]. 杜志强,石强,董兆江,桂佩华,李景星. 地理空间信息. 2013(06)
[9]基于最小曲面距离的快速点云精简算法[J]. 徐亚军,魏永超. 光电工程. 2013(08)
[10]基于地面激光雷达点云数据的单木三维建模综述[J]. 黄洪宇,陈崇成,邹杰,林定. 林业科学. 2013(04)
博士论文
[1]点云模型分割与融合关键技术研究[D]. 孙金虎.南京航空航天大学 2013
[2]反向工程中自动精确模型重建的关键技术研究[D]. 邱彦杰.上海交通大学 2011
硕士论文
[1]三维重建过程中点云数据精简与配准方法研究[D]. 杨小青.中北大学 2016
[2]散乱点云精简与自动拼接技术研究[D]. 俞涛.南昌大学 2015
[3]基于三维激光扫描技术的高层建筑整体变形监测的方法研究[D]. 韩宇.江西理工大学 2015
[4]三维激光扫描数据同名特征点提取研究[D]. 张云鹏.中国矿业大学 2014
[5]应用于汽车主动安全的三维激光雷达研究[D]. 李晓宇.长春理工大学 2014
[6]基于法矢信息的点云特征提取技术的研究[D]. 周玉莲.哈尔滨工业大学 2013
[7]点云和网格模型的建立及形状分布检索算法研究[D]. 贺妮.西北大学 2010
[8]地面三维激光扫描数据处理及建模研究[D]. 高志国.长安大学 2010
[9]基于BSP树的点云精简方法研究[D]. 赵强.西北工业大学 2007
[10]脉冲—相位式激光测距机方案设计及实验[D]. 李赓.华中科技大学 2007
本文编号：3068372
【文章来源】：江西理工大学江西省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
三维激光测量系统构成
以获取多种类型的点云数据，但实际上，多数为散云的数据处理。散乱的点云数据之间没有任何的空的速度，需要构建采样点与相邻点之间的邻域拓扑限制在采样点的邻域之内，能提高数据处理的效率繁的搜索点云数据之间的邻域关系，因此邻域搜索分类取的数据是由一系列密集点组成的三维立体图像，括三维坐标、大小、纹理特征等，扫描时由于不同实颜色等也不相同。点云数量与测量时输入的密度参，根据点云的排列方式，可将其分为以下四种类型
图 2.11 三维 K-D 树分割 树分割后的点云数据，则从根节点开始，依点的 x 轴大小，若小于则往左边继续搜索一级子节点的 y 轴大小，小于则往左继续二级子节点 z 轴的大小直至成功匹配点，根据点云数据的分布，构建一个能把整体点为多个立体栅格的一种建立空间数据拓扑ax)，min max( y , y )，min max( z , z )确定外包围盒的以在每条边上适当增加一个长度 d，则长max minmax min( )( )boxboxx x x dy y y d = + = +
【参考文献】：
期刊论文
[1]二进制编码八叉树的海量点云邻域快速搜索算法[J]. 姜晓通,戴宁,程筱胜,张长东,郭保苏. 计算机辅助设计与图形学学报. 2018(05)
[2]基于法矢向量的梯田点云特征面改进提取方法[J]. 李昕. 数字技术与应用. 2017(04)
[3]基于八叉树细分的古建筑物点云数据分割研究[J]. 徐良,张洋,马巍,庄佶,文鹏浩. 现代测绘. 2016(06)
[4]三维激光扫描仪及其测量误差影响因素分析[J]. 杨邦礼. 资源信息与工程. 2016(03)
[5]基于地面激光扫描技术的建筑物建模研究[J]. 吴蒙,王建强. 江西科学. 2015(02)
[6]一种基于曲率的点云自动配准算法[J]. 马忠玲,周明全,耿国华,孙家泽,李静. 计算机应用研究. 2015(06)
[7]一种改进的基于法矢方向调整的平面点云分割方法[J]. 张强,李朝奎,李俊晓,严雯英. 地理与地理信息科学. 2015(01)
[8]基于地面激光扫描的矿山三维建模关键技术[J]. 杜志强,石强,董兆江,桂佩华,李景星. 地理空间信息. 2013(06)
[9]基于最小曲面距离的快速点云精简算法[J]. 徐亚军,魏永超. 光电工程. 2013(08)
[10]基于地面激光雷达点云数据的单木三维建模综述[J]. 黄洪宇,陈崇成,邹杰,林定. 林业科学. 2013(04)
博士论文
[1]点云模型分割与融合关键技术研究[D]. 孙金虎.南京航空航天大学 2013
[2]反向工程中自动精确模型重建的关键技术研究[D]. 邱彦杰.上海交通大学 2011
硕士论文
[1]三维重建过程中点云数据精简与配准方法研究[D]. 杨小青.中北大学 2016
[2]散乱点云精简与自动拼接技术研究[D]. 俞涛.南昌大学 2015
[3]基于三维激光扫描技术的高层建筑整体变形监测的方法研究[D]. 韩宇.江西理工大学 2015
[4]三维激光扫描数据同名特征点提取研究[D]. 张云鹏.中国矿业大学 2014
[5]应用于汽车主动安全的三维激光雷达研究[D]. 李晓宇.长春理工大学 2014
[6]基于法矢信息的点云特征提取技术的研究[D]. 周玉莲.哈尔滨工业大学 2013
[7]点云和网格模型的建立及形状分布检索算法研究[D]. 贺妮.西北大学 2010
[8]地面三维激光扫描数据处理及建模研究[D]. 高志国.长安大学 2010
[9]基于BSP树的点云精简方法研究[D]. 赵强.西北工业大学 2007
[10]脉冲—相位式激光测距机方案设计及实验[D]. 李赓.华中科技大学 2007
本文编号：3068372
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3068372.html
