三维激光点云的特征提取及聚类精简算法研究

发布时间：2021-04-28 03:03

　　近年来,三维激光扫描技术普遍应用于测量学、计算机视觉与图形学、考古学等学科领域。随着现代科技的发展,三维激光扫描硬件设备发展快速,但与其相应的信息处理技术稍显滞后,一定程度上制约了三维激光扫描技术的发展,所以,三维激光点云数据的相关理论以及算法的优化研究就尤为重要。本文分别就点云特征提取、点云聚类以及点云精简的问题进行研究。在点云特征提取方面,针对以往散乱点云特征提取算法存在尖锐特征点提取不完整以及无法保留模型边界点的问题,提出了一种基于多判别参数为基础的特征提取算法。该算法通过算出各个k邻域的数据点曲率、点法向和邻域点法向两者间夹角的均值、点到邻域重心的距离、点到各邻域点之间的距离平均值,并且依据上述4个参数确定特征判别参数与特征阈值,特征判别参数值高于阈值的点即为特征点。以上4个参数中,曲面中的尖锐点主要需要数据点曲率、点法向与邻域点法向夹角的平均值以及点到邻域点的平均距离来识别,而边界上的数据点则需要点到邻域重心的距离来识别,并且为曲面尖锐点的识别提供一定的参考。实验结果表明,改进后的算法,能同时识别曲面尖锐点和边界数据点。在点云聚类方面,针对传统K-means聚类算法存在迭代收... 

【文章来源】：西安科技大学陕西省

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状及分析
        1.2.1 三维激光扫描技术的国内外发展现状
        1.2.2 点云特征提取国内外研究现状
        1.2.3 点云聚类国内外研究现状
        1.2.4 点云精简国内外研究现状
    1.3 本文研究内容与技术路线
2 三维激光扫描技术理论基础
    2.1 三维激光扫描系统
        2.1.1 三维激光扫描系统工作原理
        2.1.2 三维激光扫描坐标系统
        2.1.3 三维激光扫描系统分类
    2.2 三维激光扫描技术的特点及应用领域
        2.2.1 三维激光扫描技术的特点
        2.2.2 常用点云数据存储格式
        2.2.3 三维激光扫描技术的应用领域
    2.3 三维激光扫描点云数据预处理
        2.3.1 点云数据
        2.3.2 点云信息拼接
        2.3.3 点云数据噪声处理
        2.3.4 点云数据精简
        2.3.5 点云数据分割
    2.4 小结
3 点云特征提取研究
    3.1 经典点云特征提取方法
        3.1.1 基于曲率和法矢
        3.1.2 曲率和法矢的估算
    3.2 基于多判别参数混合方法的散乱点云特征提取
        3.2.1 空间拓扑结构的建立
        3.2.2 特征判别参数的计算
        3.2.3 特征点的判别
    3.3 实验结果与分析
    3.4 本章小结
4 点云K-MEANS聚类算法研究
    4.1 传统点云K-MEANS聚类算法
        4.1.1 算法概述
        4.1.2 算法基本要素
        4.1.3 算法特点
    4.2 基于自适应八叉树的点云K-MEANS聚类
        4.2.1 算法概述
        4.2.2 算法流程
    4.3 实验结果与分析
    4.4 本章小结
5 点云精简算法研究
    5.1 经典点云精简方法
        5.1.1 随机精简法
        5.1.2 栅格精简法
        5.1.3 曲率精简法
        5.1.4 点云精简算法评价指标
    5.2 自适应K-MEANS聚类的散乱点云精简
        5.2.1 算法流程
        5.2.2 K-means聚类精简
    5.3 本章小结
6 总结与展望
致谢
参考文献
附录


【参考文献】：
期刊论文
[1]基于地面三维激光扫描仪点云数据的去噪算法研究[J]. 张金花,吴思,胡本刚,陈勇,应国伟.  测绘与空间地理信息. 2016(03)
[2]特征保持点云数据精简[J]. 袁小翠,吴禄慎,陈华伟.  光学精密工程. 2015(09)
[3]一种三维点云聚类算法的研究[J]. 雷敏,仲思东,屠礼芬.  科学技术与工程. 2014(29)
[4]基于二次精简的散乱点云精简方法[J]. 叶冬荣,李维诗,张滋黎,周维虎.  计算机系统应用. 2014(09)
[5]基于K近邻和法向精度的点云精简算法[J]. 张顺岚,莫建文,邹路路.  武汉理工大学学报(交通科学与工程版). 2014(03)
[6]车载LiDAR点云数据分割与半自动化建模方法[J]. 朱红,张正鹏.  国土资源遥感. 2014(01)
[7]海量散乱点云快速压缩算法[J]. 方芳,程效军.  武汉大学学报(信息科学版). 2013(11)
[8]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)
[9]基于局部重建的点云特征点提取[J]. 王小超,刘秀平,李宝军,张绍光.  计算机辅助设计与图形学学报. 2013(05)
[10]大规模散乱点的k邻域快速搜索算法[J]. 杨军,林岩龙,王阳萍,王小鹏.  中国图象图形学报. 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]三维点云数据处理的技术研究[D]. 王丽辉.北京交通大学 2011
[3]点模型的几何处理和形状编辑[D]. 缪永伟.浙江大学 2007

硕士论文
[1]基于特征的车身典型复杂曲面点云数据的分割[D]. 钟婷婷.吉林大学 2015
[2]基于八叉树及R+树的点云混合索引研究[D]. 齐晓隆.北京建筑大学 2013
[3]基于多级格网与STR树的混合索引研究[D]. 黄志.浙江大学 2013
[4]三维激光扫描技术在桥梁监测中的应用[D]. 王红霞.兰州理工大学 2012
[5]三维激光扫描技术在工业三维GIS中的应用研究[D]. 张庆圆.河南理工大学 2011
[6]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
[7]逆向工程关键技术研究与应用[D]. 常清.山东大学 2008
[8]三维激光扫描技术在古建筑测绘中的应用及相关问题研究[D]. 白成军.天津大学 2007
[9]海量点云预处理算法研究[D]. 戴静兰.浙江大学 2006
[10]地面三维激光扫描测量技术研究[D]. 马立广.武汉大学 2005



本文编号：3164676