基于地面LiDAR数据的建筑物立面识别及提取研究
发布时间：2021-08-30 04:54
传统测量存在易受到地形地貌、天气状况等条件影响,且劳作强度大,数据处理效率低等特点,使得传统的测量技术产品越来越无法满足需求。则地面激光扫描技术应运而生,它是一种快速而高效地获取测量目标主体物的测量技术,具有全自动、非接触、高精度等特点,在“智慧城市”、“数字城市”中的应用已越来越成熟。针对TLS点云数据的特点,如何对海量、多样、非结构化的三维点云进行处理,是点云研究的挑战性问题。基于国内外学者对点云数据的研究,本文主要围绕TLS数据的预处理展开研究,着重对数据采集后滤波处理、建筑物立面提取、以及建筑物立面表面细节识别等方面展开了研究,并取得一定的进展。主要研究内容及取得成果如下:（1）阐述了地面激光扫描仪的工作原理,重点介绍了RIEGL VZ-1000的组成,以及数据采集的主要流程。并归纳和总结了TLS数据的特点,着重介绍了几种典型地物的点云数据特点,包括空间分布特征和几何特征,为后续实验过程做准备。（2）研究区点云数据滤波处理。讨论了目前已有的经典点云滤波算法,包括基于数学形态学滤波算法、基于坡度的滤波算法和PCL点云方法库中的组合滤波器。并总结分析了已有滤波算法的优缺点,在此基础...
【文章来源】：江西理工大学江西省
【文章页数】：75 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 点云数据滤波的国内外研究现状
1.2.2 建筑物立面提取与自动识别的国内外研究现状
1.3 研究内容及组织结构
1.3.1 研究内容与技术路线
1.3.2 论文组织结构
第二章 TLS数据的获取与数据特点分析
2.1 TLS数据的采集与获取
2.1.1 地面激光扫描仪作业原理
2.1.2 RIEGL VZ-1000 扫描仪介绍及数据采集
2.2 地面激光扫描数据特点分析
2.2.1 TLS点云数据特点
2.2.2 典型地物细节特征分析
2.3 本章小结
第三章 TLS数据的滤波处理
3.1 PCL简介
3.2 基于kd-tree的点云数据组织
3.3 点云数据滤波
3.3.1 滤波经典算法介绍
3.3.2 PCL方法库中组合滤波器
3.4 Gamma滤波器的构建
3.4.1 Gamma分布
3.4.2 Gamma滤波器实现过程
3.5 实验结果与分析
3.5.1 实验数据
3.5.2 实验结果与分析
3.6 本章小结
第四章 基于RANSAC算法的建筑物立面提取
4.1 建筑物立面提取算法介绍
4.2 基于RANSAC的建筑物立面点云提取
4.2.1 RANSAC算法简介及算法流程
4.2.2 建筑物立面点云提取
4.3 实验结果分析
4.3.1 实验数据
4.3.2 实验结果与分析
4.4 本章小结
第五章 建筑物立面细节特征提取
5.1 建筑物立面细节特征提取概述
5.2 建筑物立面细节特征语义描述
5.3 立面细节特征的语义识别及几何模型重建
5.4 实验结果与分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]指数Gamma分布参数估计方法对比研究[J]. 李航,宋松柏,石继海. 水力发电学报. 2019(04)
[2]地面三维激光扫描点云质量评价技术研究与展望[J]. 花向红,赵不钒,陈西江,宣伟. 地理空间信息. 2018(08)
[3]基于层次Gamma混合模型的高分辨率SAR影像分割方法[J]. 石雪,李玉,赵泉华. 模式识别与人工智能. 2018(07)
[4]邻域密度约束的动态标准差阈值三维点云数据离群点检测方法[J]. 杨永涛,张坤,黄国言,吴培良. 计算机辅助设计与图形学学报. 2018(06)
[5]地面三维激光扫描技术在土方测量中的应用[J]. 刘小阳,高彦笑. 科技创新与应用. 2018(14)
[6]基于超体素聚类的三维点云轮廓特征提取[J]. 郑书富,李渭,刘莉. 兰州文理学院学报(自然科学版). 2018(03)
[7]车载激光扫描数据中建筑物立面快速提取[J]. 邵磊,董广军,于英,姚强强,张阿龙. 地球信息科学学报. 2018(04)
[8]基于广义Gamma分布的高分辨率SAR图像海岸线检测[J]. 王彬,王国宇. 电子学报. 2018(04)
[9]基于可变形状参数Gamma分布的模糊聚类多视SAR图像分割[J]. 李玉,胡海峰,赵雪梅,赵泉华. 武汉大学学报(信息科学版). 2018(07)
[10]点云数据多种滤波方式组合优化研究[J]. 卢凌雯,梁栋栋. 安徽师范大学学报(自然科学版). 2018(01)
博士论文
[1]机载激光雷达点云多实体多层次分类方法[D]. 倪欢.武汉大学 2017
[2]结合车载点云和全景影像的建筑物立面重建[D]. 崔婷婷.武汉大学 2015
[3]车载LiDAR点云的建筑物立面信息快速自动提取[D]. 冯义从.西南交通大学 2014
[4]不同平台激光点云数据面状信息自动提取研究[D]. 王果.中国矿业大学（北京） 2014
[5]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
[6]基于车载激光扫描数据的地物分类和快速建模技术研究[D]. 喻亮.武汉大学 2011
硕士论文
[1]基于车载LiDAR数据的道路三维建模方法研究[D]. 张振华.江西理工大学 2018
[2]基于地面LiDAR数据的建筑物立面提取及建模研究[D]. 陈俊铭.东华理工大学 2017
[3]场景点云的语义标注方法研究[D]. 尹建英.北京建筑大学 2017
[4]城市区域车载激光雷达点云数据分类提取[D]. 谭晔汶.解放军信息工程大学 2017
[5]基于机载LiDAR点云数据的建筑物三维模型重建技术研究[D]. 赵传.解放军信息工程大学 2017
[6]基于激光点云数据的建筑物快速三维建模[D]. 饶杰.中国地质大学(北京) 2015
[7]面向对象的车载激光点云建筑物立面识别与三维重建[D]. 倪欢.辽宁工程技术大学 2014
[8]建筑物激光点云平面特征提取技术的研究[D]. 谢娇.集美大学 2014
[9]基于车载LIDAR数据的建筑物立面重建技术研究[D]. 杨洋.解放军信息工程大学 2010
[10]地面激光雷达数据的分割与轮廓线提取[D]. 田庆.北京建筑工程学院 2009
本文编号：3372107
【文章来源】：江西理工大学江西省
【文章页数】：75 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 点云数据滤波的国内外研究现状
1.2.2 建筑物立面提取与自动识别的国内外研究现状
1.3 研究内容及组织结构
1.3.1 研究内容与技术路线
1.3.2 论文组织结构
第二章 TLS数据的获取与数据特点分析
2.1 TLS数据的采集与获取
2.1.1 地面激光扫描仪作业原理
2.1.2 RIEGL VZ-1000 扫描仪介绍及数据采集
2.2 地面激光扫描数据特点分析
2.2.1 TLS点云数据特点
2.2.2 典型地物细节特征分析
2.3 本章小结
第三章 TLS数据的滤波处理
3.1 PCL简介
3.2 基于kd-tree的点云数据组织
3.3 点云数据滤波
3.3.1 滤波经典算法介绍
3.3.2 PCL方法库中组合滤波器
3.4 Gamma滤波器的构建
3.4.1 Gamma分布
3.4.2 Gamma滤波器实现过程
3.5 实验结果与分析
3.5.1 实验数据
3.5.2 实验结果与分析
3.6 本章小结
第四章 基于RANSAC算法的建筑物立面提取
4.1 建筑物立面提取算法介绍
4.2 基于RANSAC的建筑物立面点云提取
4.2.1 RANSAC算法简介及算法流程
4.2.2 建筑物立面点云提取
4.3 实验结果分析
4.3.1 实验数据
4.3.2 实验结果与分析
4.4 本章小结
第五章 建筑物立面细节特征提取
5.1 建筑物立面细节特征提取概述
5.2 建筑物立面细节特征语义描述
5.3 立面细节特征的语义识别及几何模型重建
5.4 实验结果与分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]指数Gamma分布参数估计方法对比研究[J]. 李航,宋松柏,石继海. 水力发电学报. 2019(04)
[2]地面三维激光扫描点云质量评价技术研究与展望[J]. 花向红,赵不钒,陈西江,宣伟. 地理空间信息. 2018(08)
[3]基于层次Gamma混合模型的高分辨率SAR影像分割方法[J]. 石雪,李玉,赵泉华. 模式识别与人工智能. 2018(07)
[4]邻域密度约束的动态标准差阈值三维点云数据离群点检测方法[J]. 杨永涛,张坤,黄国言,吴培良. 计算机辅助设计与图形学学报. 2018(06)
[5]地面三维激光扫描技术在土方测量中的应用[J]. 刘小阳,高彦笑. 科技创新与应用. 2018(14)
[6]基于超体素聚类的三维点云轮廓特征提取[J]. 郑书富,李渭,刘莉. 兰州文理学院学报(自然科学版). 2018(03)
[7]车载激光扫描数据中建筑物立面快速提取[J]. 邵磊,董广军,于英,姚强强,张阿龙. 地球信息科学学报. 2018(04)
[8]基于广义Gamma分布的高分辨率SAR图像海岸线检测[J]. 王彬,王国宇. 电子学报. 2018(04)
[9]基于可变形状参数Gamma分布的模糊聚类多视SAR图像分割[J]. 李玉,胡海峰,赵雪梅,赵泉华. 武汉大学学报(信息科学版). 2018(07)
[10]点云数据多种滤波方式组合优化研究[J]. 卢凌雯,梁栋栋. 安徽师范大学学报(自然科学版). 2018(01)
博士论文
[1]机载激光雷达点云多实体多层次分类方法[D]. 倪欢.武汉大学 2017
[2]结合车载点云和全景影像的建筑物立面重建[D]. 崔婷婷.武汉大学 2015
[3]车载LiDAR点云的建筑物立面信息快速自动提取[D]. 冯义从.西南交通大学 2014
[4]不同平台激光点云数据面状信息自动提取研究[D]. 王果.中国矿业大学（北京） 2014
[5]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
[6]基于车载激光扫描数据的地物分类和快速建模技术研究[D]. 喻亮.武汉大学 2011
硕士论文
[1]基于车载LiDAR数据的道路三维建模方法研究[D]. 张振华.江西理工大学 2018
[2]基于地面LiDAR数据的建筑物立面提取及建模研究[D]. 陈俊铭.东华理工大学 2017
[3]场景点云的语义标注方法研究[D]. 尹建英.北京建筑大学 2017
[4]城市区域车载激光雷达点云数据分类提取[D]. 谭晔汶.解放军信息工程大学 2017
[5]基于机载LiDAR点云数据的建筑物三维模型重建技术研究[D]. 赵传.解放军信息工程大学 2017
[6]基于激光点云数据的建筑物快速三维建模[D]. 饶杰.中国地质大学(北京) 2015
[7]面向对象的车载激光点云建筑物立面识别与三维重建[D]. 倪欢.辽宁工程技术大学 2014
[8]建筑物激光点云平面特征提取技术的研究[D]. 谢娇.集美大学 2014
[9]基于车载LIDAR数据的建筑物立面重建技术研究[D]. 杨洋.解放军信息工程大学 2010
[10]地面激光雷达数据的分割与轮廓线提取[D]. 田庆.北京建筑工程学院 2009
本文编号：3372107
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3372107.html
