点云法向量估计研究

发布时间：2022-04-23 17:59

　　点云数据是通过三维扫描仪对现实世界的真实物体表面采样得到的三维坐标信息,随着三维激光扫描仪的应用,越来越多的点云数据可以获得到,由于其灵活的获取方式、简单的模型数据结构,三维的点云数据成为常用的几何模型的表示方法。其中点云法向量是点云数据最重要的几何属性,准确的法向量估计可广泛应用在曲面重建、点云渲染、点云分割上。然而在扫描仪获取数据的时候,受设备本身的物理限制及被扫描物体会有外界等因素影响,获得的点云数据常伴有噪声、不均匀采样、数据缺失等问题,能够高效、鲁棒且能能够很好的保持尖锐特的点云法向量估计是需要重要解决的。许多法向估计的算法在特征点进行法向估计构造的邻域常包含两个及以上的光滑曲面所构成,位于不同曲面的点参与当前点的法向估计会有较大的误差,本文提出了一种基于邻域分割的法向估计算法,在特征点的周围构造各向异性的邻域,且该邻域的中心是偏离当前点,这样构造的邻域不仅可以真实反应当前点的邻域信息,而且能够很好的保持尖锐特征,具体设计了两种具体的邻域分割技术:边点邻域分割和角点邻域分割。提出了改进的点对一致性投票的方法,在之前的投票函数上增加了新的交叉熵权重,提出的新的投票函数平衡了点到... 

【文章页数】：47 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 研究现状及存在的问题
    1.3 本文的主要工作
    1.4 论文的章节安排
2 预备知识
    2.1 点云法向量
    2.2 最小二乘法法向量估计
    2.3 法向量重定向
    2.4 点云特征点提取
3 基于邻域重构的法向量估计算法
    3.1 候选特征点的选择
    3.2 候选特征点的邻域构造
        3.2.1 邻域选择的标准
        3.2.2 针对边点的方向约束邻域构造
        3.2.3 针对角点的自适应邻域构造
    3.3 法向量估计
    3.4 实验结果
        3.4.1 尖锐特征保持上的比较
        3.4.2 对噪声和采样密度鲁棒性的比较
4 改进的点对一致性投票的法向量估计算法
    4.1 选特征点的选择
    4.2 现有的点云投票算法
    4.3 改进的点对一致性投票的法向量估计
    4.4 点对一致性投票的多法向量估计
    4.5 实验参数
    4.6 实验结果
        4.6.1 对带有细节模型的比较
        4.6.2 对噪声、非均匀采样鲁棒性的比较
        4.6.3 对尖锐特征保持上的比较
    4.7 点云特征点提取
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]特征提取的点云自适应精简[J]. 刘迎,王朝阳,高楠,张宗华.  光学精密工程. 2017(01)
[2]三维点云法向量估计综述[J]. 李宝,程志全,党岗,金士尧.  计算机工程与应用. 2010(23)
[3]基于Prewitt算法的图像分割法及其应用[J]. 鲍官军,计时鸣,张利,沈建冰.  计算机工程与设计. 2003(03)

硕士论文
[1]点云法向估计与匹配技术的研究[D]. 陈赫.大连理工大学 2018
[2]点云的特征线提取算法研究及应用[D]. 贺彤.中北大学 2018
[3]三维点云法向量估计方法研究[D]. 刘正.华北电力大学 2015
[4]激光雷达点云特征分析与数据分割[D]. 李恒星.西安电子科技大学 2014



本文编号：3647697