建筑物激光点云平面特征提取技术的研究

发布时间：2017-03-17 10:01

  本文关键词：建筑物激光点云平面特征提取技术的研究，由笔耕文化传播整理发布。

【摘要】：激光扫描技术因具有高分辨率空间数据获取的特点，正逐步成为建筑物三维重建以及数字城市中新的研究热点。然而激光扫描仪采集的点云数据量巨大，给计算机处理带来挑战。目前针对海量的点云数据，研究高效准确的重建方法仍处于探索阶段。为此，本文以建筑物的三维重建为背景，重点研究了地面激光扫描数据中建筑物点云的分割以及建筑物立面结构中平面特征提取方法，主要工作如下： 1.针对地物点云相连问题，本文提出了基于圆柱体邻域的非地面点分割算法，实现地面点（包含低矮地物）与非地面点的分离。该算法根据地面和地物的点云分布特征，首先设计圆柱体邻域，对每个点云数据，计算其邻域点的高程差，并利用设定的阈值实现对地面点与非地面点初步分割。由于初步分割容易将原本属于非地面点（如：零星分布的树叶）错分到地面点上，故对初步分割后留下的地面点采用欧拉距离聚类算法，获得真正地面点，并将其余的错分割的地面点与初步分割后的非地面点合并为非地面点。实验验证了该方法的可行性，并分析了分割算法中圆柱体半径参数对分割结果的影响； 2.针对基于图像方法分割出的建筑物点云不完整问题，本文提出了基于目标曲率直方图的建筑物点云分割算法。首先，对非地面点云进行欧拉距离聚类算法，将满足一定空间距离的点聚为一类，实现地物目标聚类。然后，对每一类进行体积计算，，排除体积小的目标。最后，由于剩余的目标中还含有非建筑物，如成群的树，故对剩余的目标进行曲率直方图统计，按照直方图中曲率为零的概率最大，分割出建筑物点云。实验表明，该方法能有效解决建筑物点云分割的不完整问题； 3.引入多结构快速生成算法用于建筑物点云平面提取的方法。该算法在随机产生一组平面模型之后，首先通过每个点相对于模型的残差排序信息，计算条件内点概率分布，然后利用得到的内点先验分布概率指导模型采样，从而加快有效模型的生成，有利于准确检测出点云平面。实验结果表明，该算法能准确地检测出点云数据中的平面，相比RANSAC算法具有更好的采样效率，尤其在多结构点云数据中。
【关键词】：点云平面特征 地面激光点云数据 建筑物点云分割 多结构快速生成 RANSAC
【学位授予单位】：集美大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH744.5;TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-15
• 1.1 研究背景和意义9-10
• 1.2 国内外研究现状10-13
• 1.2.1 建筑物点云的分割11-12
• 1.2.2 平面特征检测与提取12-13
• 1.3 研究目标13
• 1.4 论文的结构安排13-15
• 第2章 基于圆柱体邻域的非地面点分割15-26
• 2.1 引言15-17
• 2.1.1 基于迭代最小二乘线性内插分割方法16
• 2.1.2 基于数学形态学分割算法16
• 2.1.3 基于坡度的分割算法16-17
• 2.1.4 基于聚类分割的分割算法17
• 2.2 点云数据的索引方法17-19
• 2.2.1 八叉树的构建17-18
• 2.2.2 八叉树编码18-19
• 2.2.3 八叉树邻域点的查找19
• 2.3 基于圆柱体邻域的非地面点分割算法19-25
• 2.3.1 地面激光点云数据特点20
• 2.3.2 邻域的构造20-21
• 2.3.3 欧拉距离聚类算法21
• 2.3.4 分割算法的流程21-22
• 2.3.5 实验结果及分析22-25
• 2.4 本章小结25-26
• 第3章 基于目标曲率直方图的建筑物点云分割26-37
• 3.1 基于点云特征图像的建筑物分割算法26-30
• 3.1.1 点云特征图像的生成26-27
• 3.1.2 基于最大类间方差的非地面点提取27-28
• 3.1.3 建筑物点云的分割28-30
• 3.2 基于目标曲率直方图的建筑物点云分割算法30-33
• 3.2.1 基于欧拉距离聚类算法的目标聚类30
• 3.2.2 体积分析30-32
• 3.2.3 曲率直方图分析32-33
• 3.3 实验比较以及分析33-36
• 3.4 本章小结36-37
• 第4章 基于多结构快速生成的建筑物平面提取37-44
• 4.1 引言37
• 4.2 多结构快速假设生成算法37-39
• 4.2.1 残差排序信息37-38
• 4.2.2 计算两点相似38
• 4.2.3 基于条件内点概率的采样38-39
• 4.3 点云数据的平面提取39-40
• 4.4 实验结果及分析40-43
• 4.5 本章小结43-44
• 第5章 总结与展望44-46
• 5.1 研究工作总结44
• 5.2 进一步研究工作与展望44-46
• 致谢46-47
• 参考文献47-51
• 在学期间发表的学术论文51
• 在学期间参加的科研项目51

【参考文献】

中国期刊全文数据库 前10条

1 管海燕;张剑清;邓非;钟良;;基于扫描线的城区机载激光扫描数据滤波算法研究[J];测绘通报;2007年12期

2 史文中,李必军,李清泉;基于投影点密度的车载激光扫描距离图像分割方法[J];测绘学报;2005年02期

3 程亮;龚健雅;李满春;刘永学;宋小刚;;集成多视航空影像与LiDAR数据重建3维建筑物模型[J];测绘学报;2009年06期

4 杨必胜;魏征;李清泉;毛庆洲;;面向车载激光扫描点云快速分类的点云特征图像生成方法[J];测绘学报;2010年05期

5 周春霖;朱合华;李晓军;;随机抽样一致性平面拟合及其应用研究[J];计算机工程与应用;2011年07期

6 李云帆;马洪超;;从LiDAR数据中提取建筑物平面目标的新方法[J];计算机工程与应用;2011年10期

7 林承达;翟瑞芳;;LiDAR和航空影像集成的复杂建筑物重建研究[J];计算机工程与应用;2013年02期

8 刘经南,张小红;激光扫描测高技术的发展与现状[J];武汉大学学报(信息科学版);2003年02期

9 卢秀山;黄磊;;基于激光扫描数据的建筑物信息格网化提取方法[J];武汉大学学报(信息科学版);2007年10期

10 戴楠;李传荣;苏国中;姜小光;;激光点云提取建筑物平面目标算法研究[J];微计算机信息;2010年07期

中国博士学位论文全文数据库 前2条

1 魏征;车载LiDAR点云中建筑物的自动识别与立面几何重建[D];武汉大学;2012年

2 管海燕;LiDAR与影像结合的地物分类及房屋重建研究[D];武汉大学;2009年

  本文关键词：建筑物激光点云平面特征提取技术的研究，由笔耕文化传播整理发布。

本文编号：252687