三维激光点云的处理及重建技术研究

发布时间：2017-08-15 15:13

  本文关键词：三维激光点云的处理及重建技术研究

  更多相关文章： 点云滤波 简化 包围盒 曲率 快速增量 三维重建

【摘要】：随着计算机技术在相关领域的使用,逆向工程的优势得到进一步凸显。逆向工程主要包括点云数据的采集、点云数据预处理、点云三维重建等方面内容。其中,点云数据的预处理及三维模型重建具有非常重要的基础性地位,以此为课题进行研究对于提高点云数据的处理效率及三维重建效率有非常重要的理论和实际意义。本文针对点云处理中的散乱点云去噪、简化以及三维曲面重建中的关键技术进行重点研究。主要工作如下:(1)点云信息在采集过程中无法规避地会混入一些噪声点,这些点的存在会对后续的三维重建效果产生影响,所以应该先对噪声点进行去除。幅度较大的离群点的存在会对后期的法向与曲率估计产生影响,所以首先应将这类离群点进行去除;接着对点云进行法矢修正,将邻域点限制在法向最相似的区域;最后对噪声点云在法矢修正的基础上进行位置滤波。这样不仅可以保证滤波方向的正确性,同时有利于保持目标物表面的几何特征。(2)海量的空间点云会影响到后期点云处理的效率和复杂度,本文采用了一种组合的点云简化算法,基于点云简化的精度、简度和速度三方面综合考虑的基础上实现海量点云的精简。首先利用包围盒对点云进行均匀划分,然后分别在每个分区内使用点云曲率精简算法。这种方法可以在保证点云模型表面细节特征的前提下实现对大规模点云数据的精简,方便后续的点云处理。(3)使用基于快速增量的三角网格化方法对点云进行三角网格构建。在候选点的选取策略上进行了新的尝试,本文引入了动态球策略将候选点自适应地集中在动态球内,明显缩短了候选点的寻找时间;接下来基于多种约束原则寻找最优点对边界边进行扩展,在约束过程中采用距离计算代替三角函数计算以提高计算效率;最后通过设计独到的最优点评价函数对候选点进行量化,从中选择出最优点,与边界边进行连接,逐步形成三角网格,最终实现了点云的三维重建。论文中通过实验对上述去噪、简化和重建算法进行了验证分析,说明了上述所用算法的可行性与有效性,展现了本研究的实际意义。
【关键词】：点云滤波 简化 包围盒 曲率 快速增量 三维重建
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN249;TP391.7
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-13
• 1.1 研究背景与意义9-10
• 1.2 研究现状10-12
• 1.2.1 点云去噪研究现状10-11
• 1.2.2 点云简化研究现状11
• 1.2.3 点云曲面重构研究现状11-12
• 1.3 课题来源12
• 1.4 论文的组织结构12-13
• 第2章 点云理论基础及相关算法概述13-23
• 2.1 三维点云数据13-15
• 2.1.1 点云数据的采集13-14
• 2.1.2 点云数据类型及特点14-15
• 2.1.3 噪声点的分类15
• 2.2 点云的K邻域搜索15-19
• 2.2.1 点云数据的空间划分16-18
• 2.2.2 K-邻域搜索18
• 2.2.3 数据存储18-19
• 2.3 曲率与法向量估计19-22
• 2.3.1 法向量估计及修正19-20
• 2.3.2 曲率估计20-22
• 2.4 本章小结22-23
• 第3章 基于空间分布的组合去噪算法研究23-33
• 3.1 双边滤波思想23-24
• 3.2 组合去噪算法24
• 3.3 基于邻域距离和半径的离群点去除24-26
• 3.3.1 基于半径滤波的离群点去除24-25
• 3.3.2 基于邻域距离的离群点去除25-26
• 3.4 基于法矢修正的噪声点去除26-29
• 3.4.1 改进的协方差分析法27
• 3.4.2 点云法矢修正27-29
• 3.4.3 点云平滑29
• 3.5 算法流程29-30
• 3.6 实验结果分析30-32
• 3.7 本章小结32-33
• 第4章 一种组合的点云简化算法33-39
• 4.1 常用的点云简化方法33-35
• 4.1.1 包围盒算法33-34
• 4.1.2 基于曲率的简化算法34-35
• 4.2 组合的点云精简算法35-37
• 4.2.1 算法思想35-36
• 4.2.2 算法流程36-37
• 4.3 实验结果及分析37-38
• 4.4 本章小结38-39
• 第5章 快速增量三角网格化39-53
• 5.1 三角网格化理论知识39-40
• 5.1.1 Voronoi图39
• 5.1.2 Delaunay三角剖分39-40
• 5.2 常见的点云重建算法分析40-42
• 5.2.1 基于Delaunay三角化方法40-41
• 5.2.2 基于隐式曲面方法41
• 5.2.3 基于区域增长的重建方法41
• 5.2.4 网格常见算法分析41-42
• 5.3 快速增量三角网格化42-49
• 5.3.1 初始三角形构建42
• 5.3.2 候选点范围确定42-44
• 5.3.3 最优点选取44-49
• 5.3.4 三角网格化算法的步骤49
• 5.4 数据存储49-50
• 5.5 实验结果及分析50-51
• 5.6 本章小结51-53
• 结论53-55
• 参考文献55-59
• 攻读硕士学位期间发表的学术论文59-61
• 致谢61

【相似文献】

中国期刊全文数据库 前10条

1 高恩阳;郑昊鸿;;点云数据滤波方法综述[J];科技资讯;2012年33期

2 龚书林;;三维激光点云处理软件的若干关键技术[J];测绘通报;2014年06期

3 赵强;彭国华;王锋;;点云精简的一种方法[J];西南民族大学学报(自然科学版);2006年05期

4 李德江;张延波;于曼竹;姜丽丽;曲雪光;;基于扫描模式的点云修复技术研究[J];测绘与空间地理信息;2011年06期

5 蔡来良;李儒;;点云数据处理算法与实现初步研究[J];测绘通报;2012年S1期

6 詹庆明;张海涛;喻亮;;古建筑激光点云-模型多层次一体化数据模型[J];地理信息世界;2010年04期

7 曾敬文;朱照荣;丁锐;;基于立方体网格的数据点云约简和体积计算方法[J];测绘科学;2008年06期

8 杨欣;姚海燕;;平面点云边界参数识别[J];中国西部科技;2009年27期

9 孙瑞;张彩霞;;点云数据压缩算法综述[J];科技信息;2010年32期

10 张毅;闫利;;地面激光点云强度噪声的三维扩散滤波方法[J];测绘学报;2013年04期

中国重要会议论文全文数据库 前10条

1 李文涛;韦群;杨海龙;;基于图像的点云生成和预处理[A];2011年全国通信安全学术会议论文集[C];2011年

2 蔡来良;李儒;;点云数据处理算法与实现初步研究[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

3 马国庆;陶萍萍;杨周旺;;点云空间曲线的微分信息计算及匹配方法[A];第四届全国几何设计与计算学术会议论文集[C];2009年

4 江倩殷;刘忠途;李熙莹;;一种有效的点云精简算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 解辉;张爱武;孟宪刚;;机载激光点云快速绘制方法[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年

6 李凯;张爱武;;基于激光点云的粮仓储粮数量测量方法[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

7 朱晓强;余烨;刘晓平;袁晓辉;Bill P.Buckles;;基于航拍图像和LiDAR点云的城市道路提取[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

8 刘虎;;基于线性八叉树的点云简化与特征提取研究[A];促进科技经济结合，服务创新驱动发展——蚌埠市科协2012年度学术年会论文集[C];2012年

9 李滨;王佳;;基于点云的建筑测绘信息提取[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

10 杨雪春;;反求工程建模中点云切片技术研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年

中国重要报纸全文数据库 前2条

1 曹裕华 高化猛 江鸿宾;激光点云 亦真亦幻[N];解放军报;2013年

2 中国工程院院士 刘先林;四维远见的装备创新[N];中国测绘报;2012年

中国博士学位论文全文数据库 前10条

1 彭检贵;融合点云与高分辨率影像的城区道路提取与表面重建研究[D];武汉大学;2012年

2 刘涌;基于连续序列自动快速拼接的全方位三维测量技术研究[D];西南交通大学;2013年

3 袁小翠;产品表面缺陷视觉检测数据处理关键技术研究[D];南昌大学;2015年

4 赖祖龙;基于LiDAR点云与影像的海岸线提取和地物分类研究[D];武汉大学;2013年

5 王瑞岩;计算机视觉中相机标定及点云配准技术研究[D];西安电子科技大学;2015年

6 韩峰;基于点云信息的既有铁路状态检测与评估技术研究[D];西南交通大学;2015年

7 金龙存;3D点云复杂曲面重构关键算法研究[D];上海大学;2012年

8 李扬彦;基于点云的三维重建与形变事件分析[D];中国科学院深圳先进技术研究院;2013年

9 杨德贺;面向虚拟测方系统的点云聚类与拟合理论[D];中国矿业大学（北京）;2014年

10 何朝明;离散点云处理的关键技术研究[D];西南交通大学;2007年

中国硕士学位论文全文数据库 前10条

1 段红娟;点云图像交互式曲线骨架提取技术及其应用[D];西南交通大学;2015年

2 张永恒;散乱点云数据配准方法研究[D];长安大学;2015年

3 吴爱;面向特征拟合的点云简化方法研究[D];中国地质大学(北京);2015年

4 薛广顺;基于立体视觉的牛体点云获取方法研究与实现[D];西北农林科技大学;2015年

5 吕超;异型面工件定位装配系统测控技术研究[D];北京交通大学;2016年

6 刘婷玉;基于逆向工程的曲面模型数字化技术研究[D];华东理工大学;2016年

7 罗寒;地面激光扫描三维模型重建技术研究[D];东华理工大学;2016年

8 刘群;基于小光斑机载LiDAR数据的单木三维分割[D];北京林业大学;2016年

9 张巍;基于深度相机Kinect的植物叶片重建研究[D];江苏大学;2016年

10 谢颖;基于三维激光扫描的粮仓储量测量中点云数据处理技术的研究[D];华东师范大学;2016年

，

本文编号：678837