基于点云数据的精简算法研究

发布时间：2017-05-02 14:08

  本文关键词：基于点云数据的精简算法研究，由笔耕文化传播整理发布。

【摘要】：三维激光扫描技术（激光雷达技术）作为一种出现在当今测绘领域中的新型测量方式，以其准确、非接触、快速、连续采集完整空间目标物信息特性的优势，迅速成为当今获取空间对象三维信息的一种重要方法。通常被广泛应用于重要文物保护、大型复杂精密建筑物施工质量与变形监测和灾害评估调查等方面。随着国内外公司不断的投入资金和研究人员长期的创新研究，使得三维激光扫描技术不论是硬件水平，还是数据处理软件都呈现出一种爆发式的发展。但随着扫描数据越来越精细，速度越来越快，在一定时间内采集成果数据越来越多，不论是管理这些空间点云数据，还是实际使用这些都成为一个越来越紧迫的问题。笔者根据自己的实际工作经历了解，外业采集获取的原始数据量是十分大的，并且有很多的数据在很多运用情况下是不需要的。以故宫云龙大石雕为例，点云数据上百个测站，数码影像几百张，总数据量占据存储空间多达十多个GB，这仅仅是故宫成千上万个文物中的一个，如果是整个故宫建筑物群，数据估测会多达几十TB，面对如此庞大的数据群，当今任何一台电脑任何一款软件都是无法同时整体处理这些数据。因此，本文从点云的不同使用目的出发，，通过对点云精简最大化的算法实现同时保持重要的特征信息，即用最少的点云描述实体的“真实”信息。 因为只有通过索引技术才能在如此多的点云数据中找到需要的点云，所以本文首先研究了索引技术，对比了KD-tree、R-tree、octree等几种常用索引在本文需求下的适用性。由于本文法向计算和曲面拟合设计到大量的邻域搜索，因此最后选取了KD-tree作为索引算法。然后继续选取点云精简的实际算法，同样也吸取了一些前人的思想，对比了曲面精简，栅格精简和随机精简的优缺点，由于本文是在保持点云真实性的前提下的点云精简，所以采用了特征信息保持最好的曲率精简。再进一步研究曲率精简后选取了能够很好表达曲面弯曲程度的Gauss曲率作为精简原则。由于在实际的算法实现中会发现，大量的非线性法向矩阵计算严重影响计算的速度，所以为了提高算法的实用性，对法向计算加入了CUDA框架下的多线程技术提速。 本文选用Visual Studio2010开发平台，基于CLR（公共语言）环境，利用C++开发语言，结合PostgreSQL数据库，在实验室TLiDAR_DPS系统中开发了数据库管理模块，完成了原始点云数据的输入输出、原始点云的索引构建、法向计算、建树后点云的曲率精简、栅格精简、随机精简等功能。在软件系统中设计了简单方便的交互操作，主要是为了能够更加直观的验证精简后的成果点云。最后，通过工程中的完整数据，验证了本文所做研究内容的可行性，更为重要的是本实验系统对数据精简的有效性。
【关键词】：三维激光扫描技术 KD-tree 三维空间数据 CUDA R-tree Octree
【学位授予单位】：北京建筑大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P208
【目录】：

• 摘要3-5
• Abstract5-9
• 第1章 绪论9-18
• 1.1 论文研究背景9-11
• 1.1.1 三维激光扫描技术9-10
• 1.1.2 三维激光扫描仪采集数据的特性10-11
• 1.2 点云精简的国内外研究现状11-14
• 1.3 论文的研究内容与技术路线14-16
• 1.3.1 主要研究内容14-16
• 1.4 论文的组织结构16-18
• 第2章 索引算法18-45
• 2.1 KD-tree18-27
• 2.1.1 KD-tree 查找算法19
• 2.1.2 KD-tree 插入19-20
• 2.1.3 Kd_tree 删除20-22
• 2.1.4 程序实现22-27
• 2.2 R-tree27-38
• 2.2.1 查询算法28-30
• 2.2.2 插入算法30-31
• 2.2.3 删除算法31-32
• 2.2.4 程序实现32-38
• 2.3 八叉树38-45
• 2.3.1 线性八叉树编码39-40
• 2.3.2 构建散乱点云八叉树流程40-41
• 2.3.3 程序实现41-45
• 第3章 点云采样45-51
• 3.1 Gauss 曲率采样原理45-47
• 3.1.1 曲面上的第二基本形式45
• 3.1.2 weingarten 变换与主曲率45-47
• 3.1.3 Gauss 曲率与平均曲率推导47
• 3.2 边界保护47-49
• 3.2.1 边界特征点的识别48-49
• 3.3 总结49-51
• 第4章 CUDA 编程51-65
• 4.1 并行计算架构 CUDATM51
• 4.2 内核51-54
• 4.3 CUDA 异步并发54-58
• 4.3.1 主机与设备之间的异步操作54-55
• 4.3.2 流55-56
• 4.3.3 事件56-57
• 4.3.4 计算模式57-58
• 4.4 程序实现法向计算加速58-65
• 4.4.1 加速核函数实现58-62
• 4.4.2 结果分析62-65
• 第5章 系统设计与实现65-75
• 5.1 系统总体设计65-68
• 5.1.1 系统设计65-66
• 5.1.2 系统统一数据结构设计66-68
• 5.2 系统实现与功能介绍68-70
• 5.2.1 系统的界面介绍68-70
• 5.3 实验对比分析70-75
• 5.3.1 分析对比70-71
• 5.3.2 大数据测试71-75
• 第6章 总结与展望75-78
• 6.1 总结75-76
• 6.2 展望76-78
• 参考文献78-84
• 附录84-85
• 致谢85

【参考文献】

中国期刊全文数据库 前10条

1 张瑞菊;王晏民;李德仁;;快速处理大数据量三维激光扫描数据的技术研究[J];测绘科学;2006年05期

2 惠文华,郭新成;3维GIS中的八叉树空间索引研究[J];测绘通报;2003年01期

3 袁庆;楼立志;陈玮娴;;基于加权总体最小二乘的平面点云拟合方法[J];测绘通报;2011年03期

4 肖乐斌,龚建华,谢传节;线性四叉树和线性八叉树邻域寻找的一种新算法[J];测绘学报;1998年03期

5 邵正伟;席平;;基于八叉树编码的点云数据精简方法[J];工程图学学报;2010年04期

6 杨容浩;岑敏仪;张同刚;郑平元;;格网划分的最邻近点搜索方法[J];测绘科学;2012年05期

7 付仲良;刘思远;田宗舜;徐华秒;;基于多级R-tree的分布式空间索引及其查询验证方法研究[J];测绘通报;2012年11期

8 ;2-Level R-tree Index Based on Spatial Grids and Hilbert R-tree[J];Geo-Spatial Information Science;2006年02期

9 熊云艳;毛宜军;闵华清;;有序的KD-tree在图像特征匹配上的应用[J];化工自动化及仪表;2010年10期

10 刘元朋;赵辉;陈良骥;王金凤;;基于有向点云数据的二次曲面拟合算法[J];机床与液压;2008年08期

中国博士学位论文全文数据库 前1条

1 赵煦;基于地面激光扫描点云数据的三维重建方法研究[D];武汉大学;2010年

  本文关键词：基于点云数据的精简算法研究，由笔耕文化传播整理发布。

本文编号：341094