基于机器学习的室外大场景激光点云分类研究
发布时间:2021-05-06 01:54
随着激光扫描技术的快速发展,在室外大场景下,能够获取的稠密三维点云数据也越来越多。近年来,三维点云数据在自动驾驶、智慧城市以及逆向工程等领域的应用也受到广泛的关注,而三维点云分类是这些领域中的关键步骤,因此,对室外大场景下的点云进行分类具有十分重要的意义。本文主要研究并改进了点云预处理中的地面滤波算法、基于点的点云分类算法以及基于对象的点云分类算法。在点云预处理阶段,本文在对原始点云建立空间索引、去除噪声点和降采样之后,提出了 一种基于区域生长的地面滤波算法,该算法结合主成分分析法剔除了大量非地面点,提高了地面滤波精度,实验证明该地面滤波算法能够在提取地面过程中保证非地面点的完整性。接着研究了基于点的点云分类,首先利用最小熵模型选择邻域范围,之后在支撑区域内提取多种特征并融合,包括本文提出的法线夹角分布直方图和纬度方向采样直方图两种特征,然后使用支持向量机进行训练和分类,并在分类之后根据多尺度下近邻标签优化分类结果。实验结果证明本文提出的基于点的点云分类框架能有效处理点云分类问题,同时具有较高的准确度。最后深入研究了基于对象的点云分类算法,本文运用密度聚类算法进行初步的点云分割后,再利...
【文章来源】:东北大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】:81 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于点的点云分类
1.2.2 基于对象的点云分类
1.3 研究内容及组织结构
1.3.1 本文研究内容
1.3.2 本文组织结构
第2章 三维点云数据预处理
2.1 空间索引的建立
2.2 点云滤波
2.2.1 噪声去除
2.2.2 数据抽稀
2.3 基于区域生长的地面滤波
2.3.1 地面粗提取
2.3.2 区域生长提取地面
2.3.3 基于主成分分析的错误区域剔除
2.4 实验验证
2.4.1 实验数据集
2.4.2 实验及对比分析
2.5 本章小结
第3章 基于多特征融合的单点分类算法
3.1 单点的特征提取
3.1.1 参数自适应邻域
3.1.2 局部特征的选择
3.2 基于机器学习的点云分类
3.2.1 支持向量机
3.2.2 基于SVM的点云分类
3.3 多尺度近邻优化
3.4 实验验证
3.4.1 实验数据集
3.4.2 实验对比及分析
3.5 本章小结
第4章 基于条件随机场的点云对象分类算法
4.1 基于聚类的点云分割
4.1.1 DBSCAN聚类点云
4.1.2 基于Kmeans的点云对象生成
4.1.3 基于对象的点云初分类
4.1.4 基于类别的MeanShift聚类
4.2 基于条件随机场的点云分类
4.2.1 条件随机场模型
4.2.2 团的构建
4.2.3 能量函数及优化
4.3 实验验证
4.4 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
攻读硕士期间发表的论文
【参考文献】:
期刊论文
[1]基于点云数据的逆向工程技术研究综述[J]. 王鑫龙,孙文磊,张建杰,黄勇,黄海博. 制造技术与机床. 2018(02)
[2]一种利用曲率约束的改进K-means三维点云数据分割方法[J]. 杨永涛,黄国言,张坤,吴培良. 小型微型计算机系统. 2017(11)
[3]基于spin image的人脸点云特征定位[J]. 朱思豪,张灵,罗源,陈云华. 计算机工程与设计. 2017(08)
[4]基于曲率特征的迭代最近点算法配准研究[J]. 曾繁轩,李亮,刁鑫鹏. 激光与光电子学进展. 2017(01)
[5]平滑度欧式聚类算法分割点云数据[J]. 吴燕雄,李峰,刘芳,程丽娜,郭丽丽. 测控技术. 2016(03)
[6]点云数据滤波方法综述[J]. 高恩阳,郑昊鸿. 科技资讯. 2012(33)
[7]三维散乱点云分割技术综述[J]. 欧新良,匡小兰,倪问尹. 湖南工业大学学报. 2010(05)
[8]车载式城市信息采集与三维建模系统[J]. 卢秀山,李清泉,冯文灏,李成明,陈鹰,李贻斌,韩晓冬,靳奉祥. 武汉大学学报(工学版). 2003(03)
硕士论文
[1]机载LIDAR数据特征选择与精确分类技术研究[D]. 梁小伟.中北大学 2015
本文编号:3171007
【文章来源】:东北大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】:81 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于点的点云分类
1.2.2 基于对象的点云分类
1.3 研究内容及组织结构
1.3.1 本文研究内容
1.3.2 本文组织结构
第2章 三维点云数据预处理
2.1 空间索引的建立
2.2 点云滤波
2.2.1 噪声去除
2.2.2 数据抽稀
2.3 基于区域生长的地面滤波
2.3.1 地面粗提取
2.3.2 区域生长提取地面
2.3.3 基于主成分分析的错误区域剔除
2.4 实验验证
2.4.1 实验数据集
2.4.2 实验及对比分析
2.5 本章小结
第3章 基于多特征融合的单点分类算法
3.1 单点的特征提取
3.1.1 参数自适应邻域
3.1.2 局部特征的选择
3.2 基于机器学习的点云分类
3.2.1 支持向量机
3.2.2 基于SVM的点云分类
3.3 多尺度近邻优化
3.4 实验验证
3.4.1 实验数据集
3.4.2 实验对比及分析
3.5 本章小结
第4章 基于条件随机场的点云对象分类算法
4.1 基于聚类的点云分割
4.1.1 DBSCAN聚类点云
4.1.2 基于Kmeans的点云对象生成
4.1.3 基于对象的点云初分类
4.1.4 基于类别的MeanShift聚类
4.2 基于条件随机场的点云分类
4.2.1 条件随机场模型
4.2.2 团的构建
4.2.3 能量函数及优化
4.3 实验验证
4.4 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
攻读硕士期间发表的论文
【参考文献】:
期刊论文
[1]基于点云数据的逆向工程技术研究综述[J]. 王鑫龙,孙文磊,张建杰,黄勇,黄海博. 制造技术与机床. 2018(02)
[2]一种利用曲率约束的改进K-means三维点云数据分割方法[J]. 杨永涛,黄国言,张坤,吴培良. 小型微型计算机系统. 2017(11)
[3]基于spin image的人脸点云特征定位[J]. 朱思豪,张灵,罗源,陈云华. 计算机工程与设计. 2017(08)
[4]基于曲率特征的迭代最近点算法配准研究[J]. 曾繁轩,李亮,刁鑫鹏. 激光与光电子学进展. 2017(01)
[5]平滑度欧式聚类算法分割点云数据[J]. 吴燕雄,李峰,刘芳,程丽娜,郭丽丽. 测控技术. 2016(03)
[6]点云数据滤波方法综述[J]. 高恩阳,郑昊鸿. 科技资讯. 2012(33)
[7]三维散乱点云分割技术综述[J]. 欧新良,匡小兰,倪问尹. 湖南工业大学学报. 2010(05)
[8]车载式城市信息采集与三维建模系统[J]. 卢秀山,李清泉,冯文灏,李成明,陈鹰,李贻斌,韩晓冬,靳奉祥. 武汉大学学报(工学版). 2003(03)
硕士论文
[1]机载LIDAR数据特征选择与精确分类技术研究[D]. 梁小伟.中北大学 2015
本文编号:3171007
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3171007.html
最近更新
教材专著