建筑物三维点云边界特征提取算法研究

发布时间：2024-05-19 00:49

　　随着数字城市,计算机等技术的蓬勃发展,城市实景三维成为可能,其中建筑物三维重建一直是数字城市的重要目标。三维激光扫描技术为建筑物三维重建提供了新的数据获取手段和处理方法。在三维激光点云数据处理过程中,特征提取是建筑物三维重建的前提和基础。通过对点云数据特征提取和三维重建理论进行研究,提出了优化的α-shapes边界提取算法和结合超体素与区域增长的建筑物特征提取算法。主要研究工作和结论如下:(1)针对当前平面点云边界提取算法对点云的噪声、散乱程度和形状具有提取结果不稳定性、算法效率不高、难以保证提取边界的精细度和完整性等问题,着重研究α-shapes算法,并分析其研究现状与缺点,提出优化的α-shapes算法。该算法首先将数据网格化,排除非边界网格,然后对边界网格内的点采用α-shapes算法提取点云边界,并通过P点的k个邻近点的平均距离这一特征值设置滚动圆半径α。通过对k值、点云形状、点云密度、点云孔洞和点云离散度进行了分析,归纳了调节因子的最佳范围。经实验证明:该算法在保证点云边界的精度下能够快速提取完整点云边界,具有良好的稳健性,能提高后续点云重建速度与效率。(2)针对三维点云特征...

【文章页数】：68 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
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外平面点云边界提取研究现状
    1.3 国内外三维点云特征提取研究现状
    1.4 论文的研究内容及结构安排
        1.4.1 主要研究内容
        1.4.2 论文结构安排
    1.5 本章小结
第二章 非规则点云几何特性和数据结构组织
    2.1 点云几何特性
        2.1.1 点云法向量估计
        2.1.2 点云曲率估计
    2.2 点云数据结构组织
        2.2.1 点云数据
        2.2.2 体素数据和体素化
        2.2.3 超体素数据
    2.3 本章小结
第三章 平面点云边界特征点提取
    3.1 概述
    3.2 点集的几何特性分析
    3.3 优化的α-shapes边界提取算法
        3.3.1 α-shapes算法基本原理
        3.3.2 优化的α-shapes算法步骤
    3.4 参数取值实验及分析
        3.4.1 不同密度点云边界提取
        3.4.2 不同点云形状边界提取
        3.4.3 含孔洞复杂点云边界提取
        3.4.4 非规则点云边界提取
    3.5 对比实验及分析
        3.5.1 规则点云对比实验
        3.5.2 非规则点云对比实验
    3.6 本章小结
第四章 建筑物特征点提取
    4.1 常见点云特征提取算法
        4.1.1 点云几何特性特征提取算法
        4.1.2 基于RANSAC算法的点云特征提取算法
    4.2 建筑物特征提取算法流程
        4.2.1 超体素数据生成
        4.2.2 基于超体素的区域增长算法
        4.2.3 分割区域边界特征点提取
    4.3 实验与分析
        4.3.1 对比实验分析
        4.3.2 建筑物特征提取实验
    4.4 本章小结
总结与展望
    研究工作总结
    不足与展望
参考文献
致谢
附录A (攻读学位期间所发表的学术论文)
附录B (攻读学位期间参与科研项目)



本文编号：3977400