基于IMMS的建筑物室内立面点云语义分割方法研究
发布时间：2020-12-08 14:54
近年来,室内三维建筑模型的应用范围越来越广泛。比如,数字城市、BIM、室内导航等。利用各种不同的仪器平台获取激光雷达点云数据,来构建真实的三维模型,已成为获得室内建筑模型的重要手段。同时,国内外的专家学者也研究了从点云数据中提取,分割不同的建筑要素。然而,对不同的仪器平台,不同的场景,不同的点云数据规模,自动分割出建筑要素(如地面、窗户、四周墙壁、门等)依然十分的困难。本文采用室内移动测量系统(Indoor Mobile Measurement System—IMMS3D)作为数据来源,在采集完建筑物室内数据的基础上,本文的重点研究放在对建筑物室内立面点云的语义分割上。本文所做的主要工作和成果为:(1)本文采用市场上出现的室内移动测量系统(IndoorMobileMeasurementSystem—IMMS3D)为实验数据的采集方式,对该系统的特点、组成以及采集的点云数据的数据类型进行了分析,比较了该系统采集的建筑物室内立面点云数据与传统的地面激光扫描仪采集的点云数据的不同,并阐明采用该系统作为数据采集手段的原因。(2)针对建筑物室内建筑要素多样的特征,采用“先分割,再分类”的,分层次...
【文章来源】：北京建筑大学北京市
【文章页数】：53 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 主要研究内容
1.4 本文组织结构
第2章 IMMS的组成、原理与数据类型分析
2.1 室内移动测量系统的组成
2.2 IMMS的主要类别
2.2.1 手持IMMS
2.2.2 IMMS 3D推车
2.2.3 背包式MMS
2.3 IMMS的基本原理
2.4 IMMS的关键技术
2.4.1 激光LiDAR SLAM精密解算轨迹点
2.4.2 多传感器之间空间空间关系标定与同步控制
2.4.3 连续特征匹配
2.5 IMMS的数据组成分析
2.6 本章小结
第3章 建筑物室内立面点云数据的语义分割
3.1 构建点云的三维空间索引
3.2 建筑物室内立面点云初次分割
3.2.1 经典的区域增长算法
I区域生长算法流程"> 3.2.2 RGBI区域生长算法流程
3.3 初分割后点云块语义信息的提取
3.3.1 构建有向外包围盒（Oriented Bounding Box — OBB）
3.3.2 计算点云块的PCA
3.3.3 提取包围盒的几何信息
3.4 多条件限制的欧氏聚类二次分割
3.5 再次构建有向包围盒
3.6 几何属性匹配与最终语义判断
3.7 本章小结
第4章 建筑物室内立面点云数据语义分割实验
4.1 软件测试环境
4.2 先验建筑要素几何信息的获取
4.3 对于建筑物室内门的语义分割实验
I区域生长分割"> 4.3.1 RGBI区域生长分割
4.3.2 添加有向外包围盒
4.3.3 计算OBB的几何要素
4.3.4 语义信息判断
4.4 多条件的欧式聚类分割
4.5 本章小结
第5章 论文总结与展望
5.1 工作总结
5.2 工作展望
参考文献
附录
致谢
【参考文献】：
期刊论文
[1]基于OBB包围盒碰撞检测算法的改进[J]. 刘超,蒋夏军,施慧彬. 计算机技术与发展. 2018(06)
[2]机载激光雷达的优势与发展[J]. 郑若琳,洪亮. 地理空间信息. 2018(02)
[3]大光斑激光雷达数据的森林冠层高度反演[J]. 张良,姜晓琦,周薇薇,张帆. 测绘科学. 2018(03)
[4]机载激光雷达波形数据横向高斯分解方法[J]. 孟志立,徐景中. 武汉大学学报(信息科学版). 2018(01)
[5]机载激光雷达测深数据处理与应用[J]. 刘永明,邓孺孺,秦雁,梁业恒. 遥感学报. 2017(06)
[6]机载激光雷达技术在乌龙山抽水蓄能电站工程测量中的应用[J]. 徐晓臣,谢津平. 水利水电技术. 2017(10)
[7]基于激光雷达的三维车载扫描仪系统研究[J]. 潘明夷,才家华,龙星宇. 科技资讯. 2017(19)
[8]车载联合机载LiDAR点云数据的建筑物立面精细分割[J]. 李立雪,李永强,王力,牛路标,黄腾达,李有鹏. 测绘科学技术学报. 2017(02)
[9]基于3D激光雷达点云的道路边界识别算法[J]. 孔栋,孙亮,王建强,王晓原. 广西大学学报(自然科学版). 2017(03)
[10]利用多普勒激光雷达实现距离和速度同步测量[J]. 方建超,周兴林,毛雪松. 光电工程. 2016(12)
博士论文
[1]车载LiDAR点云中建筑物的自动识别与立面几何重建[D]. 魏征.武汉大学 2012
[2]基于激光雷达的移动机器人障碍检测和自定位[D]. 项志宇.浙江大学 2002
硕士论文
[1]基于车载多激光雷达的地图构建与障碍物检测[D]. 林辉.浙江大学 2017
[2]车载激光雷达系统设计与实验研究[D]. 董士军.南京理工大学 2017
[3]车载三维成像激光雷达系统研究[D]. 何志远.哈尔滨工业大学 2015
[4]基于迭代马尔科夫网络的室内三维点云语义标注研究[D]. 林思远.厦门大学 2014
[5]基于激光雷达的无人车三维环境建模技术研究[D]. 王铭.国防科学技术大学 2013
本文编号：2905259
【文章来源】：北京建筑大学北京市
【文章页数】：53 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 主要研究内容
1.4 本文组织结构
第2章 IMMS的组成、原理与数据类型分析
2.1 室内移动测量系统的组成
2.2 IMMS的主要类别
2.2.1 手持IMMS
2.2.2 IMMS 3D推车
2.2.3 背包式MMS
2.3 IMMS的基本原理
2.4 IMMS的关键技术
2.4.1 激光LiDAR SLAM精密解算轨迹点
2.4.2 多传感器之间空间空间关系标定与同步控制
2.4.3 连续特征匹配
2.5 IMMS的数据组成分析
2.6 本章小结
第3章 建筑物室内立面点云数据的语义分割
3.1 构建点云的三维空间索引
3.2 建筑物室内立面点云初次分割
3.2.1 经典的区域增长算法
I区域生长算法流程"> 3.2.2 RGBI区域生长算法流程
3.3 初分割后点云块语义信息的提取
3.3.1 构建有向外包围盒（Oriented Bounding Box — OBB）
3.3.2 计算点云块的PCA
3.3.3 提取包围盒的几何信息
3.4 多条件限制的欧氏聚类二次分割
3.5 再次构建有向包围盒
3.6 几何属性匹配与最终语义判断
3.7 本章小结
第4章 建筑物室内立面点云数据语义分割实验
4.1 软件测试环境
4.2 先验建筑要素几何信息的获取
4.3 对于建筑物室内门的语义分割实验
I区域生长分割"> 4.3.1 RGBI区域生长分割
4.3.2 添加有向外包围盒
4.3.3 计算OBB的几何要素
4.3.4 语义信息判断
4.4 多条件的欧式聚类分割
4.5 本章小结
第5章 论文总结与展望
5.1 工作总结
5.2 工作展望
参考文献
附录
致谢
【参考文献】：
期刊论文
[1]基于OBB包围盒碰撞检测算法的改进[J]. 刘超,蒋夏军,施慧彬. 计算机技术与发展. 2018(06)
[2]机载激光雷达的优势与发展[J]. 郑若琳,洪亮. 地理空间信息. 2018(02)
[3]大光斑激光雷达数据的森林冠层高度反演[J]. 张良,姜晓琦,周薇薇,张帆. 测绘科学. 2018(03)
[4]机载激光雷达波形数据横向高斯分解方法[J]. 孟志立,徐景中. 武汉大学学报(信息科学版). 2018(01)
[5]机载激光雷达测深数据处理与应用[J]. 刘永明,邓孺孺,秦雁,梁业恒. 遥感学报. 2017(06)
[6]机载激光雷达技术在乌龙山抽水蓄能电站工程测量中的应用[J]. 徐晓臣,谢津平. 水利水电技术. 2017(10)
[7]基于激光雷达的三维车载扫描仪系统研究[J]. 潘明夷,才家华,龙星宇. 科技资讯. 2017(19)
[8]车载联合机载LiDAR点云数据的建筑物立面精细分割[J]. 李立雪,李永强,王力,牛路标,黄腾达,李有鹏. 测绘科学技术学报. 2017(02)
[9]基于3D激光雷达点云的道路边界识别算法[J]. 孔栋,孙亮,王建强,王晓原. 广西大学学报(自然科学版). 2017(03)
[10]利用多普勒激光雷达实现距离和速度同步测量[J]. 方建超,周兴林,毛雪松. 光电工程. 2016(12)
博士论文
[1]车载LiDAR点云中建筑物的自动识别与立面几何重建[D]. 魏征.武汉大学 2012
[2]基于激光雷达的移动机器人障碍检测和自定位[D]. 项志宇.浙江大学 2002
硕士论文
[1]基于车载多激光雷达的地图构建与障碍物检测[D]. 林辉.浙江大学 2017
[2]车载激光雷达系统设计与实验研究[D]. 董士军.南京理工大学 2017
[3]车载三维成像激光雷达系统研究[D]. 何志远.哈尔滨工业大学 2015
[4]基于迭代马尔科夫网络的室内三维点云语义标注研究[D]. 林思远.厦门大学 2014
[5]基于激光雷达的无人车三维环境建模技术研究[D]. 王铭.国防科学技术大学 2013
本文编号：2905259
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/2905259.html
