基于BBF改进的kd-tree算法及其在点云配准中的应用研究
发布时间：2021-10-23 10:29
随着逆向工程的发展,三维点云配准技术作为逆向工程技术的重要分支,也得到了越来越广泛的应用。三维点云配准的目的是通过建模得到完整的目标物体,但是在实际的测量过程中,由于客观因素的存在只能得到部分视角的数据,想要得到完整的物体模型就要对不同视角测得的点云数据进行配准。配准算法的优与劣会直接影响最终配准结果。所以越来越多的研究人员对配准算法了不同方向的改进。尤其是当前随着生产要求的需要,海量点云数据的出现给配准算法带来了算法效率和精度的要求。ICP（Iterative Closest Point）算法因为有优秀的配准原理被越来越广泛的应用于点云配准,但是当前基于kd-tree的ICP算法因为kd-tree的搜索无关问题导致在配准过程中消耗了很多不必要的时间。鉴于这一点的不足之处,本文针对优化算法的搜索无关问题展开研究工作。针对kd-tree搜索算法回溯查询效率低的问题,提出基于BBF算法原理的改进优化,通过建立优先级序列存放查询路径的点来改变搜索算法的回溯结构方式,以此减少算法回溯时间,提高算法效率。BBF算法是对kd-tree算法的一种改进算法,它的原理是改变kd-tree的回溯结构,依据...
【文章来源】：东华理工大学江西省
【文章页数】：64 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 国内外研究现状
1.3 当前现状存在的不足
1.4 研究内容及技术路线
1.4.1 研究内容
1.4.2 技术路线
1.5 论文组织结构
2 点云配准基础理论知识
2.1 点云的概念
2.2 点云配准概念
2.2.1 初始配准
2.2.2 精确配准
2.3 刚体变换理论
2.3.1 刚体变换模型
2.3.2 刚性变换参数
2.3.3 最小二乘法
2.4 本章小结
3 基于BBF改进的kd-tree算法研究
3.1 k近邻算法
3.2 kd-tree简介
3.3 kd-tree算法原理
3.3.1 kd-tree构建算法
3.3.2 kd-tree的最近邻搜索算法
3.4 基于BBF算法改进的kd-tree最近邻搜索算法
3.5 算法效率分析
3.6 实验验证分析
3.6.1 数据预处理
3.6.2 配准拼接实验
3.7 本章小结
4 基于改进的kd-tree在点云配准中的应用研究
4.1 PointCloudLibrary库
4.2 点云配准技术
4.2.1 初始配准算法
4.2.2 FPFH特征估算
4.3 ICP配准算法
4.3.1 ICP算法的数据结构
4.3.2 ICP算法一般实现
4.4 ICP算法求解
4.4.1 SVD解法
4.4.2 单位四元数法
4.5 ICP算法的改进
4.6 实验与结果分析
4.6.1 滤波预处理
4.6.2 初始配准参数计算
4.6.3 特征点提取
4.6.4 特征对应点对
4.6.5 实验结果
4.6.6 实验分析
4.7 本章小结
5 结论与展望
5.1 结论
5.2 工作展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于改进ICP的点云配准算法[J]. 赵夫群. 信息技术. 2017(05)
[2]大型复杂零件的三维扫描测量精度研究[J]. 郑鹏,韩雨萌. 电大理工. 2016(03)
[3]K近邻和Logistic回归分类算法比较研究[J]. 万会芳,杜彦璞. 洛阳理工学院学报(自然科学版). 2016(03)
[4]计算机图形学的发展及其应用前景[J]. 郁鹏. 科技风. 2015(03)
[5]改进的高维搜索算法在图像匹配中的应用[J]. 王佩文. 现代计算机(专业版). 2015(04)
[6]三维激光扫描技术在变形监测中的应用[J]. 朱磊,王健,毕京学. 北京测绘. 2014(05)
[7]基于改进Kd-Tree构建算法的k近邻查询[J]. 陈晓康,刘竹松. 广东工业大学学报. 2014(03)
[8]基于线性八叉树的点云数据存贮与索引[J]. 韩慧民,郑少开. 大众科技. 2014(06)
[9]改进的多视图点云数据配准方法[J]. 牛丹华,刘桂华,雷清云,牛振启. 工具技术. 2012(10)
[10]基于特征点和改进ICP的三维点云数据配准算法[J]. 张晓娟,李忠科,王先泽,吕培军,王勇. 传感器与微系统. 2012(09)
博士论文
[1]计算机视觉中相机标定及点云配准技术研究[D]. 王瑞岩.西安电子科技大学 2015
硕士论文
[1]基于最近迭代点（ICP）优化算法的多视角点云配准[D]. 葛毓琴.南京邮电大学 2016
[2]基于并行计算的点云配准算法研究[D]. 刘忠建.北方工业大学 2016
[3]三维模型简化算法与渐进式传输方法研究[D]. 孙中轩.电子科技大学 2016
[4]K-均值聚类算法改进及在服装生产的应用研究[D]. 殷君伟.苏州大学 2013
[5]三维点云配准方法的研究[D]. 宋林霞.济南大学 2013
[6]基于点云的零件模型在毛坯中的定位[D]. 蔡旭.重庆大学 2013
[7]基于形状加权的三维模型检索方法[D]. 毛瑞.西南大学 2013
[8]基于Kinect的三维重建[D]. 范哲.西安电子科技大学 2013
[9]基于邻域特征的点云配准算法研究[D]. 贺永兴.湖南工业大学 2012
[10]三维激光扫描系统的误差分析与标定技术的研究[D]. 覃遵涛.东北林业大学 2010
本文编号：3453022
【文章来源】：东华理工大学江西省
【文章页数】：64 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 国内外研究现状
1.3 当前现状存在的不足
1.4 研究内容及技术路线
1.4.1 研究内容
1.4.2 技术路线
1.5 论文组织结构
2 点云配准基础理论知识
2.1 点云的概念
2.2 点云配准概念
2.2.1 初始配准
2.2.2 精确配准
2.3 刚体变换理论
2.3.1 刚体变换模型
2.3.2 刚性变换参数
2.3.3 最小二乘法
2.4 本章小结
3 基于BBF改进的kd-tree算法研究
3.1 k近邻算法
3.2 kd-tree简介
3.3 kd-tree算法原理
3.3.1 kd-tree构建算法
3.3.2 kd-tree的最近邻搜索算法
3.4 基于BBF算法改进的kd-tree最近邻搜索算法
3.5 算法效率分析
3.6 实验验证分析
3.6.1 数据预处理
3.6.2 配准拼接实验
3.7 本章小结
4 基于改进的kd-tree在点云配准中的应用研究
4.1 PointCloudLibrary库
4.2 点云配准技术
4.2.1 初始配准算法
4.2.2 FPFH特征估算
4.3 ICP配准算法
4.3.1 ICP算法的数据结构
4.3.2 ICP算法一般实现
4.4 ICP算法求解
4.4.1 SVD解法
4.4.2 单位四元数法
4.5 ICP算法的改进
4.6 实验与结果分析
4.6.1 滤波预处理
4.6.2 初始配准参数计算
4.6.3 特征点提取
4.6.4 特征对应点对
4.6.5 实验结果
4.6.6 实验分析
4.7 本章小结
5 结论与展望
5.1 结论
5.2 工作展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于改进ICP的点云配准算法[J]. 赵夫群. 信息技术. 2017(05)
[2]大型复杂零件的三维扫描测量精度研究[J]. 郑鹏,韩雨萌. 电大理工. 2016(03)
[3]K近邻和Logistic回归分类算法比较研究[J]. 万会芳,杜彦璞. 洛阳理工学院学报(自然科学版). 2016(03)
[4]计算机图形学的发展及其应用前景[J]. 郁鹏. 科技风. 2015(03)
[5]改进的高维搜索算法在图像匹配中的应用[J]. 王佩文. 现代计算机(专业版). 2015(04)
[6]三维激光扫描技术在变形监测中的应用[J]. 朱磊,王健,毕京学. 北京测绘. 2014(05)
[7]基于改进Kd-Tree构建算法的k近邻查询[J]. 陈晓康,刘竹松. 广东工业大学学报. 2014(03)
[8]基于线性八叉树的点云数据存贮与索引[J]. 韩慧民,郑少开. 大众科技. 2014(06)
[9]改进的多视图点云数据配准方法[J]. 牛丹华,刘桂华,雷清云,牛振启. 工具技术. 2012(10)
[10]基于特征点和改进ICP的三维点云数据配准算法[J]. 张晓娟,李忠科,王先泽,吕培军,王勇. 传感器与微系统. 2012(09)
博士论文
[1]计算机视觉中相机标定及点云配准技术研究[D]. 王瑞岩.西安电子科技大学 2015
硕士论文
[1]基于最近迭代点（ICP）优化算法的多视角点云配准[D]. 葛毓琴.南京邮电大学 2016
[2]基于并行计算的点云配准算法研究[D]. 刘忠建.北方工业大学 2016
[3]三维模型简化算法与渐进式传输方法研究[D]. 孙中轩.电子科技大学 2016
[4]K-均值聚类算法改进及在服装生产的应用研究[D]. 殷君伟.苏州大学 2013
[5]三维点云配准方法的研究[D]. 宋林霞.济南大学 2013
[6]基于点云的零件模型在毛坯中的定位[D]. 蔡旭.重庆大学 2013
[7]基于形状加权的三维模型检索方法[D]. 毛瑞.西南大学 2013
[8]基于Kinect的三维重建[D]. 范哲.西安电子科技大学 2013
[9]基于邻域特征的点云配准算法研究[D]. 贺永兴.湖南工业大学 2012
[10]三维激光扫描系统的误差分析与标定技术的研究[D]. 覃遵涛.东北林业大学 2010
本文编号：3453022
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3453022.html
