三维激光扫描技术在地面沉降监测中的应用研究

发布时间：2017-08-08 05:09

  本文关键词：三维激光扫描技术在地面沉降监测中的应用研究

  更多相关文章： 三维激光扫描系统 点云数据 曲面重建 地面沉降 小波神经网络 拟合精度 变形监测

【摘要】：三维激光扫描测量技术在测绘领域提出了一种全新的获取空间数据的方法。它首先用三维激光扫描仪对被测物体进行扫描，获得物体表面点的三维坐标，然后对大量的空间数据进行后处理，最终建立被测物体的三维模型。三维激光扫描技术是继GPS之后的又一项测绘新技术，已成为空间数据获取的重要技术手段。本文将三维激光扫描技术引入到以地面沉降为代表的曲面变形监测领域，相当于对曲面布设了一个高密度的变形监测网，为变形监测研究提供了更全面的数据。 本文对地面三维激光扫描测量技术进行了比较系统介绍，主要包括仪器测量原理、应用领域和测量特点等；并以徕卡Leica ScanStation2为例阐述了三维激光扫描仪采集点云数据的步骤及需要注意的问题；以及点云数据预处理的内容，其中重点介绍了利用双三次插值方法对点云数据进行曲面拟合。随后提出的用小波神经网络方法进行曲面重建，使训练后的网络对点云数据进行非线性逼近，进而得到一个点云数据的隐式曲面；同时也用传统的BP神经网络对点云数据进行曲面重建，通过对比两种网络模型的拟合精度，，得出了小波神经网络拟合精度高的结论。最后对本文实验数据进行处理，以具有数学画图功能的MATLAB为平台，用小波神经网络的方法完成对点云数据的曲面拟合，并且成功的提取了地面沉降信息。
【关键词】：三维激光扫描系统 点云数据 曲面重建 地面沉降 小波神经网络 拟合精度 变形监测
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P225.2;P642.26
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 研究背景和意义9-10
• 1.2 国内外研究现状10-13
• 1.2.1 三维激光扫描技术国内外的发展现状10-11
• 1.2.2 点云数据曲面重建研究现状11-13
• 1.3 本文主要研究内容13-14
• 第二章 三维激光扫描测量技术14-24
• 2.1 基本概念和原理14-15
• 2.2 地面三维激光扫描系统测距的基本原理15-17
• 2.2.1 脉冲测距法原理16
• 2.2.2 干涉法测距原理16
• 2.2.3 激光三角法测距原理16-17
• 2.3 三维激光扫描系统的分类17-18
• 2.3.1 按承载平台划分17-18
• 2.3.2 按照扫描系统成像方式划分18
• 2.3.3 按照三维激光扫描系统的测距原理划分18
• 2.4 三维激光扫描仪技术特点18-19
• 2.5 三维激光扫描仪的应用领域19-21
• 2.6 Leica stationscan2 三维激光扫描仪简介21-24
• 2.6.1 扫描系统的硬件组成21-23
• 2.6.2 扫描系统配套软件 Cyclone 简介23-24
• 第三章 点云数据的采集与处理24-34
• 3.1 点云数据的外业采集24-26
• 3.1.1 现场踏勘与方案制定24-25
• 3.1.2 三维激光扫描仪的数据采集25-26
• 3.2 点云数据的预处理26-34
• 3.2.1 点云数据的拼接27
• 3.2.2 点云数据的滤波27-28
• 3.2.3 点云数据的缩减28-29
• 3.2.4 点云数据的分割29
• 3.2.5 曲面模型的建立29-34
• 第四章 小波神经网络的基本原理34-45
• 4.1 神经网络简介34-36
• 4.1.1 神经元结构模型34-35
• 4.1.2 神经网络的互联模式35-36
• 4.2 BP 神经网络36-39
• 4.2.1 BP 网络结构36
• 4.2.2 BP 神经网络的学习算法36-39
• 4.3 小波理论简介39-41
• 4.3.1 小波变换39
• 4.3.2 常用的小波函数39-41
• 4.4 小波神经网络41-45
• 4.4.1 小波神经网络概述41-42
• 4.4.2 小波神经网络的学习算法42-45
• 第五章 基于小波神经网络的地面曲面重建与沉降量的提取45-59
• 5.1 用小波神经网络进行曲面重建的思路45
• 5.2 小波神经网络的结构设计45-47
• 5.2.1 小波函数的选择45-46
• 5.2.2 小波网络隐含层的确定46-47
• 5.3 小波神经网络的训练47-50
• 5.3.1 样本数据的归一化47-48
• 5.3.2 小波神经网络的参数初始化48
• 5.3.3 小波神经网络模型的建立48-50
• 5.4 小波神经网络法曲面重建的实现与沉降量的提取50-59
• 5.4.1 实验数据介绍50-51
• 5.4.2 地面曲面的重建51-56
• 5.4.3 沉降量的提取56-59
• 结论与展望59-61
• 结论59
• 展望59-61
• 参考文献61-63
• 致谢63

【参考文献】

中国期刊全文数据库 前7条

1 郑德华,沈云中,刘春;三维激光扫描仪及其测量误差影响因素分析[J];测绘工程;2005年02期

2 王婷婷;靳奉祥;单瑞;;基于三维激光扫描技术的曲面变形监测[J];测绘通报;2011年03期

3 左东广;周帅;张欣豫;;小波神经网络[J];四川兵工学报;2012年05期

4 范彦革,刘旭敏,陈婧;基于RBF神经网络NURBS的散乱数据点自由曲面重建[J];计算机工程与应用;2005年11期

5 陈哲,冯天瑾,陈刚;一种基于BP算法学习的小波神经网络[J];青岛海洋大学学报(自然科学版);2001年01期

6 张红英,吴斌;小波神经网络的研究及其展望[J];西南工学院学报;2002年01期

7 程东旭;杨艳;;一种改进的散乱数据曲面拟合算法[J];中原工学院学报;2008年03期

中国博士学位论文全文数据库 前1条

1 张会霞;三维激光扫描点云数据组织与可视化研究[D];中国矿业大学（北京）;2010年

本文编号：638332