玉米植株三维点云处理及重构方法研究

发布时间：2017-08-17 21:27

  本文关键词：玉米植株三维点云处理及重构方法研究

  更多相关文章： 玉米植株 三维点云 精简 去噪平滑 三维重建

【摘要】：作物生长过程数字化与可视化表达技术对科学精准的大田管理具有重要的理论意义和应用价值,建立作物三维模型是作物生长过程可视化的重要基础。在三维点云处理及重构方面,目前仍然存在点云模型数据量大、处理效率低和重建结果受噪声影响大等问题。针对上述问题,本文以穗期玉米植株为研究对象,研究三维点云处理及重构方法,并开发玉米植株点云精简、去噪平滑和重构系统。首先使用八叉树建立点云之间的空间关系,在此基础上对三维点云数据进行精简,然后采用分步处理策略对点云模型进行去噪和平滑,最后使用Delaunay三角剖分方法对三维点云数据进行三维重构。论文主要研究内容和结论如下:(1)针对玉米植株三维点云中含大量冗余数据,占用存储空间大,且会降低处理速度的问题,研究了基于八叉树空间划分的点云精简算法。该算法利用八叉树建立点云之间的空间关系,并在此基础上对三维点云数据进行精简。在八叉树的每一个体素中,用其内部所有点各个维度均值所构成的点来代替体素中的所有点。设置不同的精简阈值进行点云精简的试验结果表明,当精简率达到95.88%时,精简后的点云模型仍可保持原始点云的形状特征。(2)针对玉米植株点云中的噪声会影响重建表面效果,甚至导致重建模型变形的问题,研究并提出了基于自适应密度聚类和双边滤波的玉米点云去噪平滑方法。该方法采用分步处理策略,首先用自适应密度聚类算法去除点云模型中与目标点云距离较大的噪声点,然后用双边滤波方法对点云模型进行平滑。玉米植株点云模型的去噪平滑试验结果表明,精简后的玉米点云模型可以更快地完成去噪平滑处理,当精简阈值从10增加到80,去噪平滑时间从101.162s缩短到1.779s;而且该方法可以有效去除三维点云模型中的噪声,同时使点云模型表面更加光滑。(3)实现了玉米点云三维重构,并对重建效率进行了分析。分别对原始三维点云模型和精简、去噪平滑之后的点云模型进行三维重构,分析重建后的点云模型效果并比较模型重建的效率。试验结果表明,经过精简的玉米点云模型可以有效提高三维重建的效率,精简阈值为80的点云模型三维重建耗时比原始点云模型减少了0.7s;经过精简及去噪平滑处理的三维点云模型,可以在保持原始三维点云模型形状特征的前提下,快速实现效果更好的三维模型。(4)基于MFC和OpenGL开发了玉米植株点云处理及重构系统。该系统实现了三维点云数据的读取、点云模型的调整(平移、旋转和局部缩放等)、模型的八叉树划分、点云精简、去噪平滑和Delaunay三角剖分等功能。
【关键词】：玉米植株 三维点云 精简 去噪平滑 三维重建
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-18
• 1.1 研究背景与意义10-11
• 1.2 国内外研究现状11-15
• 1.2.1 国外研究现状11-13
• 1.2.2 国内研究现状13-15
• 1.3 研究内容15-16
• 1.4 研究方法和技术路线16-17
• 1.4.1 研究方法16
• 1.4.2 技术路线16-17
• 1.5 论文结构组织17-18
• 第二章 基于八叉树空间划分的玉米植株点云精简方法18-31
• 2.1 点云数据概述18
• 2.2 点云数据获取技术18-22
• 2.2.1 点云数据的采集19-20
• 2.2.2 玉米植株三维点云获取方法20-22
• 2.3 玉米植株点云存储22-26
• 2.3.1 KD树22-24
• 2.3.2 空间单元格24
• 2.3.3 八叉树24-25
• 2.3.4 三种存储结构的比较25-26
• 2.4 玉米植株点云精简26-28
• 2.4.1 玉米点云精简原理及方法26-27
• 2.4.2 玉米植株点云精简实现步骤27-28
• 2.5 点云精简实验结果及分析28-29
• 2.5.1 实验设计28
• 2.5.2 精简方法有效性评价指标28
• 2.5.3 试验结果及讨论28-29
• 2.6 本章小结29-31
• 第三章 玉米植株点云去噪平滑方法31-40
• 3.1 自适应密度聚类算法31-34
• 3.1.1 密度聚类算法分析31-33
• 3.1.2 密度聚类算法的改进33-34
• 3.2 双边滤波方法34-37
• 3.2.1 k近邻的搜索34-35
• 3.2.2 法向量计算35-36
• 3.2.3 双边滤波因子的计算36-37
• 3.3 自适应密度聚类与双边滤波融合方法37
• 3.4 去噪平滑试验结果与分析37-38
• 3.5 本章小结38-40
• 第四章 玉米植株点云重构方法40-50
• 4.1 散乱点云三角网格化方法40-41
• 4.1.1 区域增长法40-41
• 4.1.2 局部Delaunay三角剖分方法41
• 4.2 三维Delaunay三角剖分方法41-44
• 4.2.1 Power Crust算法43
• 4.2.2 逐点插入的Lawson算法43
• 4.2.3 Bowyer-Watson算法43-44
• 4.3 玉米植株点云重构方法44-45
• 4.4 实验结果及分析45-49
• 4.4.1 实验设计45
• 4.4.2 实验结果与讨论45-49
• 4.5 本章小结49-50
• 第五章 玉米植株点云处理及重构系统开发50-55
• 5.1 软件开发工具50
• 5.2 系统框架及功能设计50-51
• 5.2.1 系统框架50-51
• 5.2.2 系统功能模块设计51
• 5.3 系统功能实现51-54
• 5.4 本章小结54-55
• 第六章 结论与展望55-57
• 6.1 结论55
• 6.2 展望55-57
• 参考文献57-61
• 致谢61-62
• 作者简介62

【相似文献】

中国期刊全文数据库 前10条

1 段红娟;;简述三维点云处理技术的研究[J];电子技术与软件工程;2013年14期

2 马牧运;张爱武;王书民;崔营营;;手持数码相机获取场景三维点云的实现[J];光学与光电技术;2011年03期

3 徐胜攀;刘正军;左志权;;大规模三维点云快速拾取技术研究[J];计算机工程与设计;2013年08期

4 王震;刘进;;基于激光影像的物体三维点云获取系统[J];城市勘测;2013年06期

5 钟晨;王伟;庄严;;基于三维点云的阶梯目标检测与参数估计[J];控制理论与应用;2013年06期

6 马彩虹;程昱;何明光;曾阳发;刘东峰;;海德堡视网膜断层扫描仪的三维点云去噪方法研究[J];计算机工程与科学;2010年08期

7 王丽辉;罗晓玲;张娜;;三维点云模型的参数化方法[J];信息与电脑(理论版);2013年05期

8 周勇飞;徐昱琳;吕晓梦;王明;;基于双目的三维点云数据的获取与预处理[J];计算机技术与发展;2014年03期

9 杨蕾;;一种高效的支持向量回归三维点云修补算法[J];计算机应用研究;2009年10期

10 谭志国;鲁敏;郭裕兰;左超;;基于投影分布熵的多视点三维点云场景拼接方法[J];中国激光;2012年11期

中国重要会议论文全文数据库 前1条

1 陈宝权;;Towards Building a Live Digital City through Laser Scanning[A];第四届全国几何设计与计算学术会议论文集[C];2009年

中国博士学位论文全文数据库 前3条

1 王丽辉;三维点云数据处理的技术研究[D];北京交通大学;2011年

2 安毅;三维点云数据的几何特性估算与特征识别[D];大连理工大学;2011年

3 万国伟;面向建筑物的三维点云生成、增强和重建技术研究[D];国防科学技术大学;2011年

中国硕士学位论文全文数据库 前10条

1 梁士超;三维点云预处理技术研究[D];西南科技大学;2015年

2 可杨;基于相位轮廓术的三维重建技术研究[D];西南科技大学;2015年

3 邓军;三维点云处理和规则曲面拟合算法研究[D];西南科技大学;2015年

4 宋立鹏;室外场景三维点云数据的分割与分类[D];大连理工大学;2015年

5 赵鹏;三维点云数据的离群点检测和模型重建[D];大连理工大学;2015年

6 王建东;基于奶牛乳房子空间特征向量的三维点云相似性分析[D];天津科技大学;2013年

7 张楠;铁路场景下三维点云识别与分类算法研究[D];北京交通大学;2016年

8 杨小青;基于法向量的三维点云配准方法研究[D];中北大学;2016年

9 王洪宝;基于车辆变形三维点云数据的碰撞事故再现[D];江苏大学;2016年

10 蒋峥;室外三维点云采集系统研究[D];南京大学;2016年

，

本文编号：691203