基于重心Voronoi剖分的高质量点云重采样研究

发布时间：2024-12-22 05:34

　　点云即空间中大量点的集合,随着各种扫描工具的出现,我们可以越来越轻松地获取身边物体的点云信息。无论是从简单的摄像测量原理得到的低精度点云,还是从精密的激光雷达获得的高精度点云,都普遍存在点分布质量不高的问题。主要存在的问题有:受到观测点和测量面之间空间关系,导致点分布不均;受到动态物体的干扰,致使噪点的出现;受到遮挡物的掩盖,静态测量工具无法测量完整的物体,从而出现空洞等。怎样从有缺陷的大量点云数据中提炼出最有效的、最有代表性的数据一直是点云初步处理中的重点和难点,进一步的研究和应用同时也期望着高质量的点云输入,例如:3D物体重建、逆向工程和有限元分析等。面对种种需求和挑战,就催生了本文的研究:本文的工作主要就是从一个已知的密集点云出发,用较少数量的稀疏点云来逼近这个密集点云所要表达的曲面。本文提出了一种新颖的点云重采样方法,能对一个较为光滑的输入点云进行重采样,本文的主要理论贡献是将网格上的重心Voronoi剖分(centroidal Voronoi tessellation)扩展到点云的重采样上来。首先,根据输入点云数据进行一次初步的随机采样,然后计算每一个采样点的局部最佳估计曲面,...

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 概述
    1.2 相关工作
        1.2.1 点云获取
        1.2.2 点云重采样技术
    1.3 本文主要研究内容
    1.4 论文组织结构
第二章 背景知识介绍
    2.1 Voronoi图
        2.1.1 受限Voronoi图
        2.1.2 重心Voronoi剖分
        2.1.3 Voronoi图的构造
    2.2 本章小结
第三章 基于重心Voronoi剖分方法的高质量点云重采样
    3.1 点云重采样算法流程
    3.2 点云初采样
    3.3 局部估计网格
        3.3.1 最近邻查找
        3.3.2 局部最佳估计曲面
        3.3.3 生成离散网格
    3.4 RVD的计算
    3.5 优化
        3.5.1 Lloyd方法
        3.5.2 拟牛顿法
    3.6 投影
    3.7 点云二次初采样
    3.8 本章小结
第四章 实验结果
    4.1 均匀重采样
    4.2 带权输出
    4.3 各向异性输出
    4.4 带有边界的模型处理
    4.5 补洞
    4.6 点云去噪
    4.7 应用:点云重构网格模型
    4.8 本章小结
第五章 结论及研究展望
    5.1 总结
    5.2 展望
参考文献
硕士期间发表文章目录
致谢



本文编号：4019520