基于曲率特征信息的点云数据处理

发布时间：2017-10-14 15:31

  本文关键词：基于曲率特征信息的点云数据处理

  更多相关文章： 点云 高斯曲率 平均曲率 光顺 去噪 精简

【摘要】：三维光学扫描仪在数字化设计中发挥着重要的作用,随着三维光学扫描仪的普及应用,扫描测量数据的处理越来越重要。点云数据光顺和精简是扫描测量数据处理的重要环节,近年来一直是离散数据逆向重构的研究热点和难点。 本文分析了三维扫描测量数据中包含的各种误差,其中包括半导体激光器、CCD摄像机、图像采集卡、计算机主板等电子元器件的热噪声和机台振动引起的随机误差,也包括激光线宽度、CCD分辨率、图像采集卡分辨率、机台装配精度以及被测量物体表面粗糙度、颜色、纹理、材质等因素引起的误差。文中总结了国内外有关点云数据光顺和精简的研究现状,在此基础上重点研究基于曲率特征信息的点云数据光顺和精简方法。 论文以微分几何曲率计算公式为理论基础,系统地介绍了已有的离散点云曲率的估算方法,对常用的Nira Dyn离散点云曲率估算方法和Mark Mayer离散点云曲率估算方法进行了详细的研究,对比分析了两种算法应用于球面、柱面、抛物面、马鞍面的曲率计算结果,提出基于Voronoi区域面积的改进Mark Mayer算法,将该算法应用于球面、柱面、抛物面、马鞍面,计算结果表明该算法提高了离散点云曲率估算的精度和稳定性。 将改进的Mark Mayer离散点云曲率估算方法应用于实际扫描测量数据的曲率计算,分析了噪声点、凹坑、凸包、平坦区域数据点以及边缘轮廓点的曲率特征分布以及高度信息和法矢信息,总结了高度、法矢、曲率对物体形状的影响,设计了基于曲率特征信息的点云数据光顺算法,将该算法应用于实例数据的光顺处理,结果表明该算法能够较好地识别出边缘轮廓、形状细节特征,达到了在保持形状特征的前提下去除噪声的目的,点云数据光顺处理前后的曲率特征的统计结果表明,噪声数据引起的曲率突变得到有效抑制,除边缘轮廓之外,点云数据的曲率过渡平滑,不仅提高了物体表面的质量,而且有利于后续加工。 利用改进的Mark Mayer离散点云曲率估算方法计算实际扫描测量数据各个点的平均曲率,对数据点的平均曲率进行排序和统计分析,设计了基于曲率特征信息的点云数据精简算法,该算法能够根据精简点数的要求,计算点云分布密度,优先精简曲率小的平坦区域上的数据点,很好地保留了边缘轮廓点,在精简数据的同时,尽量减少了对轮廓细节的影响。 本文研究工作是在实验室自主开发的三维激光扫描测量软件的基础上进行的,针对扫描测量数据处理的去噪和精简两个环节进行了深入的研究,在离散点云曲率估算以及基于曲率特征信息进行点云数据光顺和精简两个方面取得了一些进展,增强了扫描测量软件的后续数据处理功能。
【关键词】：点云 高斯曲率 平均曲率 光顺 去噪 精简
【学位授予单位】：扬州大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP334.22
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-18
• 1.1 研究背景9-11
• 1.2 国内外研究现状11-16
• 1.2.1 点云光顺12-13
• 1.2.2 点云精简13-14
• 1.2.3 离散点云曲率估算14-16
• 1.3 本文研究内容16
• 1.4 论文结构16-18
• 2 曲率概念与离散点云曲率估算方法18-32
• 2.1 空间曲线基本知识18-19
• 2.2 空间曲面的基本知识19-22
• 2.3 离散点云曲率估算方法22-31
• 2.3.1 Moreton和Sequin的方法22-24
• 2.3.2 Chen和Schmitt的方法24
• 2.3.3 Watanbe和Belyaev的方法24-25
• 2.3.4 Taubin主曲率主方向的方法25-26
• 2.3.5 Nira Dyn和Kai Hormann的方法26-28
• 2.3.6 Mark Meyer的方法28-31
• 2.4 本章小结31-32
• 3 离散点云曲率估算方法对比与分析32-42
• 3.1 NIRA DYN算法具体流程32-33
• 3.2 MARK MAYER算法具体流程33-34
• 3.3 实验方案设计34-35
• 3.4 实验结果与分析35-41
• 3.4.1 球面35-37
• 3.4.2 柱面37-38
• 3.4.3 抛物面38-40
• 3.4.4 马鞍面40-41
• 3.5 本章小结41-42
• 4 基于VORONOI区域面积的改进MAYER算法42-50
• 4.1 MAYER算法VORONOI区域面积计算思路42-43
• 4.2 改进的MAYER算法VORONOI区域面积计算思路43-44
• 4.3 改进后的MAYER算法具体流程44-45
• 4.4 实验结果与分析45-49
• 4.5 本章小结49-50
• 5 基于曲率特征信息的点云光顺算法的设计与实现50-62
• 5.1 引言50-51
• 5.2 离散点云数据误差分析51-55
• 5.2.1 离散点云数据模型与扫描测量数据误差分析51-52
• 5.2.2 离散点云数据局部形状特征分析52-55
• 5.3 基于曲率特征信息的点云光顺算法55-58
• 5.3.1 算法设计思想55
• 5.3.2 算法设计具体步骤与流程图55-58
• 5.4 实例结果与分析58-61
• 5.5 本章小结61-62
• 6 基于曲率信息的点云数据精简算法62-70
• 6.1 引言62-63
• 6.2 基于曲率特征信息的点云数据精简算法63-67
• 6.2.1 算法设计思想63
• 6.2.2 基于曲率信息的特征点提取63-64
• 6.2.3 点云数据曲率精简原则64-65
• 6.2.4 基于曲率信息的点云精简算法具体步骤与流程图65-67
• 6.3 实例应用与结果分析67-69
• 6.4 本章小结69-70
• 7 总结与展望70-72
• 7.1 总结70
• 7.2 展望70-72
• 参考文献72-76
• 致谢76-77
• 攻读硕士学位期间参与的科研工作及发表的论文77-79

【参考文献】

中国期刊全文数据库 前10条

1 陈璋雯;达飞鹏;;基于模糊熵迭代的三维点云精简算法[J];光学学报;2013年08期

2 曹爽;岳建平;马文;;基于特征选择的双边滤波点云去噪算法[J];东南大学学报(自然科学版);2013年S2期

3 贺强;张树生;白晓亮;李亮;;基于邻域相似性的三角网格光顺算法[J];计算机科学;2010年03期

4 张丽艳,周儒荣,蔡炜斌,周来水;海量测量数据简化技术研究[J];计算机辅助设计与图形学学报;2001年11期

5 王仁芳;张三元;叶修梓;;点模型的几何图像简化法[J];计算机辅助设计与图形学学报;2007年08期

6 刘仕庆;陈幼平;袁楚明;周祖德;;三角形网格模型顶点曲率的求解算法[J];计算机应用研究;2007年06期

7 周绿,林亨,钟约先,袁朝龙;曲面重构中测量点云精简方法的研究[J];中国制造业信息化;2004年05期

8 葛宝臻;项晨;田庆国;彭博;;基于曲率特征混合分类的高密度点云去噪方法[J];纳米技术与精密工程;2012年01期

9 李福强;蒋文杰;蔡涵鹏;蒋首进;胡英;;曲率计算公式的改进及应用效果[J];煤田地质与勘探;2013年02期

10 万军,鞠鲁粤;逆向工程中数据点云精简方法研究[J];上海大学学报(自然科学版);2004年01期

，

本文编号：1031839