基于压缩感知的三维文物点云模型压缩及快速重建方法研究
发布时间：2022-01-10 01:30
文物数字化保护是传统文物在时空维度上的延伸,其在文化遗产传承与保护、文物展示与研究及服务体系中具有重大意义。三维文物点云模型以其快捷的获取途径和精准的纹理细节在计算机辅助文物保护领域得到广泛应用。由于通过激光扫描仪获得的三维文物点云数据巨大且密集,在数据存储、传输和处理方面都将导致大量资源被消耗,因此对三维文物点云数据的压缩非常有必要。针对现有压缩方法多为根据几何拓扑的有损压缩且压缩后重建耗时长,重建精度低的问题,本文将三维文物点云压缩重建问题转换到几何信号处理领域,使用压缩感知理论对其进行压缩和重建,并提出了两种快速重建方法。具体研究内容及创新点描述如下:（1）由于三维文物点云模型的几何信息可被视为离散几何信号,但文物点云散乱稠密且原始点云信号是非稀疏信号,无法直接使用压缩感知理论对其压缩,因而需要将文物点云几何信号进行稀疏投影,使得在变化域为稀疏信号。三维文物点云散乱无序且庞杂,本文使用三维离散拉普拉斯矩阵作为稀疏基。首先使用基于哈希散列的八叉树方法对三维文物点云构建邻域约束关系,然后通过点云邻接矩阵,构建三维离散拉普拉斯基。相较于离散傅里叶基,离散小波基和离散余弦基以及光谱变换基...
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
激光扫描获取三维文物点云模型示意图
西北大学硕士学位论文82.1.2三维文物点云模型离散几何信号表示杜卓明在对三维网格模型压缩重建时，将网格模型分解成一系列的三角形，而这些三角形就是不同的顶点之间通过拓扑结构信息连接成的。三维网格模型压缩重建的关键是恢复出每个顶点的坐标信息，而不是顶点之间的连接关系，所以杜卓明将所有的顶点看成一个n×3的矩阵V，n为网格模型中所有顶点的个数[32]。在常规三维坐标系下，每个顶点都可以被分解成x轴，y轴和z轴下投影的三个实数，那么可以将矩阵V中的每一列看成一个信号长度为n的一维离散几何信号，如图2所示。图2三维网格模型离散几何信号表示图文本借鉴三维网格模型离散几何信号表示的思想，由于通过激光扫描得到的三维文物点云是散乱稠密点云，且部分存储格式只有点云坐标信息，没有拓扑信息。我们可以将文物的散乱稠密点云看成分布在三维欧几里得几何空间的坐标点，如图3中黑色顶点所示，每个顶点都有对应的三维坐标实数值。假设该三维点云模型由n个顶点构成，我们可以将矩阵Vertices看成三维模型中所有点的坐标集合，那么矩阵Vertices是一个n×3的矩阵。对于Vertices中的每一列向量，根据通常的欧几里得几何空间表示，我们分别以X、Y、Z来代表新的几何向量。则对于X、Y、Z向量我们可以分布看成n×1的三个离散几何信号。图3三维点云模型离散几何信号表示图
西北大学硕士学位论文82.1.2三维文物点云模型离散几何信号表示杜卓明在对三维网格模型压缩重建时，将网格模型分解成一系列的三角形，而这些三角形就是不同的顶点之间通过拓扑结构信息连接成的。三维网格模型压缩重建的关键是恢复出每个顶点的坐标信息，而不是顶点之间的连接关系，所以杜卓明将所有的顶点看成一个n×3的矩阵V，n为网格模型中所有顶点的个数[32]。在常规三维坐标系下，每个顶点都可以被分解成x轴，y轴和z轴下投影的三个实数，那么可以将矩阵V中的每一列看成一个信号长度为n的一维离散几何信号，如图2所示。图2三维网格模型离散几何信号表示图文本借鉴三维网格模型离散几何信号表示的思想，由于通过激光扫描得到的三维文物点云是散乱稠密点云，且部分存储格式只有点云坐标信息，没有拓扑信息。我们可以将文物的散乱稠密点云看成分布在三维欧几里得几何空间的坐标点，如图3中黑色顶点所示，每个顶点都有对应的三维坐标实数值。假设该三维点云模型由n个顶点构成，我们可以将矩阵Vertices看成三维模型中所有点的坐标集合，那么矩阵Vertices是一个n×3的矩阵。对于Vertices中的每一列向量，根据通常的欧几里得几何空间表示，我们分别以X、Y、Z来代表新的几何向量。则对于X、Y、Z向量我们可以分布看成n×1的三个离散几何信号。图3三维点云模型离散几何信号表示图
【参考文献】：
期刊论文
[1]基于曲率分级的点云数据压缩方法[J]. 李金涛,程效军,杨泽鑫,杨荣淇. 激光与光电子学进展. 2019(14)
[2]采用密度空间聚类的散乱点云特征提取方法[J]. 张雨禾,耿国华,魏潇然,石晨晨,张顺利. 西安电子科技大学学报. 2017(02)
[3]国内外文物数字化保护标准现状及趋势研究[J]. 魏利伟,李文武,刘俊华. 中国标准化. 2016(06)
[4]激光扫描点云准确快速去噪方法[J]. 李明磊,李广云,宗文鹏. 测绘通报. 2015(12)
[5]一种压缩感知信号的快速恢复方法[J]. 杜卓明,李洪安,康宝生. 计算机辅助设计与图形学学报. 2014(12)
[6]基于统计特性的非局部均值去噪算法[J]. 陈明举. 液晶与显示. 2014(03)
[7]基于压缩感知理论的波段重构方法[J]. 尹继豪,孙建颖. 红外与激光工程. 2014(04)
[8]文物保护中海量点云数据库设计与开发[J]. 宋红霞,侯妙乐,胡云岗. 城市勘测. 2014(01)
[9]改进邻域结构与轮廓分析的LiDAR点云立交桥提取[J]. 陈卓,马洪超,张良. 遥感学报. 2013(05)
[10]基于自适应八叉树分割点云的表面模型重建[J]. 杨客,张志毅,董艳. 计算机应用与软件. 2013(06)
博士论文
[1]三维模型检索与压缩关键技术研究[D]. 杜卓明.西北大学 2012
[2]基于点的散乱点云处理技术的研究[D]. 武剑洁.华中科技大学 2004
硕士论文
[1]图像压缩感知中结构化观测矩阵和高性能重构算法研究[D]. 李红兵.重庆邮电大学 2017
[2]三维点云处理及隐式曲面三维重构技术的研究与实现[D]. 武敬民.中北大学 2014
[3]跳频压缩采样中的测量矩阵分析与设计[D]. 邢加军.杭州电子科技大学 2014
本文编号：3579807
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
激光扫描获取三维文物点云模型示意图
西北大学硕士学位论文82.1.2三维文物点云模型离散几何信号表示杜卓明在对三维网格模型压缩重建时，将网格模型分解成一系列的三角形，而这些三角形就是不同的顶点之间通过拓扑结构信息连接成的。三维网格模型压缩重建的关键是恢复出每个顶点的坐标信息，而不是顶点之间的连接关系，所以杜卓明将所有的顶点看成一个n×3的矩阵V，n为网格模型中所有顶点的个数[32]。在常规三维坐标系下，每个顶点都可以被分解成x轴，y轴和z轴下投影的三个实数，那么可以将矩阵V中的每一列看成一个信号长度为n的一维离散几何信号，如图2所示。图2三维网格模型离散几何信号表示图文本借鉴三维网格模型离散几何信号表示的思想，由于通过激光扫描得到的三维文物点云是散乱稠密点云，且部分存储格式只有点云坐标信息，没有拓扑信息。我们可以将文物的散乱稠密点云看成分布在三维欧几里得几何空间的坐标点，如图3中黑色顶点所示，每个顶点都有对应的三维坐标实数值。假设该三维点云模型由n个顶点构成，我们可以将矩阵Vertices看成三维模型中所有点的坐标集合，那么矩阵Vertices是一个n×3的矩阵。对于Vertices中的每一列向量，根据通常的欧几里得几何空间表示，我们分别以X、Y、Z来代表新的几何向量。则对于X、Y、Z向量我们可以分布看成n×1的三个离散几何信号。图3三维点云模型离散几何信号表示图
西北大学硕士学位论文82.1.2三维文物点云模型离散几何信号表示杜卓明在对三维网格模型压缩重建时，将网格模型分解成一系列的三角形，而这些三角形就是不同的顶点之间通过拓扑结构信息连接成的。三维网格模型压缩重建的关键是恢复出每个顶点的坐标信息，而不是顶点之间的连接关系，所以杜卓明将所有的顶点看成一个n×3的矩阵V，n为网格模型中所有顶点的个数[32]。在常规三维坐标系下，每个顶点都可以被分解成x轴，y轴和z轴下投影的三个实数，那么可以将矩阵V中的每一列看成一个信号长度为n的一维离散几何信号，如图2所示。图2三维网格模型离散几何信号表示图文本借鉴三维网格模型离散几何信号表示的思想，由于通过激光扫描得到的三维文物点云是散乱稠密点云，且部分存储格式只有点云坐标信息，没有拓扑信息。我们可以将文物的散乱稠密点云看成分布在三维欧几里得几何空间的坐标点，如图3中黑色顶点所示，每个顶点都有对应的三维坐标实数值。假设该三维点云模型由n个顶点构成，我们可以将矩阵Vertices看成三维模型中所有点的坐标集合，那么矩阵Vertices是一个n×3的矩阵。对于Vertices中的每一列向量，根据通常的欧几里得几何空间表示，我们分别以X、Y、Z来代表新的几何向量。则对于X、Y、Z向量我们可以分布看成n×1的三个离散几何信号。图3三维点云模型离散几何信号表示图
【参考文献】：
期刊论文
[1]基于曲率分级的点云数据压缩方法[J]. 李金涛,程效军,杨泽鑫,杨荣淇. 激光与光电子学进展. 2019(14)
[2]采用密度空间聚类的散乱点云特征提取方法[J]. 张雨禾,耿国华,魏潇然,石晨晨,张顺利. 西安电子科技大学学报. 2017(02)
[3]国内外文物数字化保护标准现状及趋势研究[J]. 魏利伟,李文武,刘俊华. 中国标准化. 2016(06)
[4]激光扫描点云准确快速去噪方法[J]. 李明磊,李广云,宗文鹏. 测绘通报. 2015(12)
[5]一种压缩感知信号的快速恢复方法[J]. 杜卓明,李洪安,康宝生. 计算机辅助设计与图形学学报. 2014(12)
[6]基于统计特性的非局部均值去噪算法[J]. 陈明举. 液晶与显示. 2014(03)
[7]基于压缩感知理论的波段重构方法[J]. 尹继豪,孙建颖. 红外与激光工程. 2014(04)
[8]文物保护中海量点云数据库设计与开发[J]. 宋红霞,侯妙乐,胡云岗. 城市勘测. 2014(01)
[9]改进邻域结构与轮廓分析的LiDAR点云立交桥提取[J]. 陈卓,马洪超,张良. 遥感学报. 2013(05)
[10]基于自适应八叉树分割点云的表面模型重建[J]. 杨客,张志毅,董艳. 计算机应用与软件. 2013(06)
博士论文
[1]三维模型检索与压缩关键技术研究[D]. 杜卓明.西北大学 2012
[2]基于点的散乱点云处理技术的研究[D]. 武剑洁.华中科技大学 2004
硕士论文
[1]图像压缩感知中结构化观测矩阵和高性能重构算法研究[D]. 李红兵.重庆邮电大学 2017
[2]三维点云处理及隐式曲面三维重构技术的研究与实现[D]. 武敬民.中北大学 2014
[3]跳频压缩采样中的测量矩阵分析与设计[D]. 邢加军.杭州电子科技大学 2014
本文编号：3579807
本文链接：https://www.wllwen.com/kejilunwen/wulilw/3579807.html
