三维点云数据预处和分割算法的研究

发布时间：2021-03-09 06:05

　　近几年来,随着计算机视觉、无人驾驶、三维城市、智能机器人等领域的蓬勃发展,三维点云数据以其特有的空间结构优势,在这些领域得到了广泛的应用。对扫描设备获取的原始点云数据进行高质量快速的重建和有效的分割,是当前三维点云数据处理技术中关键部分。有效的点云预处理可以大大提高重建的速度和精度,高质量的分割是机器视觉技术的基础,本文主要对点云数据的精简、平滑、重建、配准、分割做了如下研究:（1）为了解决采集点云数据时存在的冗余,噪声及空洞等因素影响其快速高质量重建的问题,提出了一种新的点云重建方法。该方法对于初步去噪的点云数据,首先使用体素栅格对点云进行精简,然后利用改进的移动最小二乘法对精简后的点云进行平滑处理,最后利用投影三角化对点云进行快速重建。实验结果表明,该方法可以有效的对点云的局部空洞进行修补及获得平滑的流形面,使重建结果更接近于现实,最终实现对点云数据高质量的重建。（2）在点云的精配准过程中,迭代最近点算法（Iterative Closest Points,ICP）因配准精度高,成为目前点云配准中常用的算法。但传统的ICP算法随着迭代次数的增加,运行时间较长,且存在的偏差较大的最近点... 

【文章来源】：西安工程大学陕西省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

PCL点云库模块分类论文以Kinect扫描的三维点云数据为研究对象，选用PCL作为点云数据处理的主要工具，着重研究了点云数据预处理和分割方面的问题

往需要还需要对数据进行平滑处理，目前的平滑处理主要分为基于重建或者直接对点云数据进行平滑处理。本章在平滑阶段分别采用基于网滑，和基于改进移动最小二乘法（Moving Least Square，MLS）的点云平不同类型的平滑算法进行对比，确定对于点云数据平滑处理更优的算法效的预处理策略，实现对点云数据的精准快速重建，得到良好的可视化效法流程点云进行重建中，本文先对点云数据进行初步去噪，然后使用体素栅格余数据，且可以在保持点云的局部特征下加快重建速度，但精简后的数局部空洞、细小噪声、误差等[38,39]。对精简过的数据直接重建，得到的光滑，且存在局部空洞。如果对重建表面进行局部网格平滑，可以一定重建网格的光滑程度，但效果并不理想，且对网格平滑并无法修复重建因此，本文在对点云进行初步去噪[40,41]，对点云使用体素栅格进行精简最小二乘法对点云数据进行预处理，并采用加权的协差矩阵来计算局部取高质量流形点云，最后利用贪婪投影三角化对点云进行快速网格化，量的曲面重建[42]，算法流程图如 2-1 所示。

图 2-2 统计滤波示意图波 PCL 中的参数设置如下：eanK(100)，根据点云的密度分布，将近邻点的个数设MulThresh(1.0)，将标准差倍数阈值 std 设置为 1.0，在波对待查询点的近邻点的个数进行判断，将不满足近进行删除。在对点云进行半径滤波时，需要对球体搜数进行设定。规定的球体半径内当前查询点 k 近邻的个数，记为 m 时，该点则作为孤立点被删除。验，一般将按 M=(2%-5%)·m， r / M CloudResoluti数进行设定。，在设定半径（绿圆表示）指定条件至少要有 3 个近指定至少要有 5 个邻居，e 和 f 点都将被删除。


本文编号：3072383