综合机载与车载LiDAR数据的建筑物三维重建
本文关键词:综合机载与车载LiDAR数据的建筑物三维重建
更多相关文章: 机载LiDAR 车载LiDAR 点云配准 特征提取 融合建模
【摘要】:建筑物三维模型是数字城市建设的重要组成部分,在民用导航、城市管理等领域具有广泛的应用,如何快速建立包含建筑物细节特征的精细模型是当前三维建模技术亟需解决的关键问题之一。本文在总结和分析已有的基于机载和车载LiDAR点云数据三维重建技术的基础上,研究建立了一种综合利用机载与车载LiDAR点云数据实现建筑物三维精细模型重建的技术流程。论文以郑州市中原区桐柏南路街道为实验区,在机载和车载LiDAR点云数据空间配准的基础上,对建筑物屋顶特征和立面细节特征提取以及模型重建等相关技术展开研究,本文的主要研究内容包括以下四个部分。1.机载和车载LiDAR点云数据空间配准。本文首先利用实地测量的控制点对机载和车载点云数据之间的概略对应位置进行初步定位,分别在两种数据的控制点附近的概略对应位置选取一定范围的点云数据进行平面拟合,通过拟合的多对平面特征解算配准的平移参数和旋转参数,实现机载与车载点云数据的精确配准。2.基于机载LiDAR数据提取屋顶特征。文中首先采用渐进三角网滤波算法,通过计算激光点云数据候选点到TIN插值面的距离作为判断该点是否属于地面的条件,分离出地面点和非地面点;然后在非地面点中利用邻近高差及辅助平面的TIN过滤方法提取出建筑物点云;利用相邻点法向量相似聚类的区域增长算法对屋顶数据进行面片分割,进一步采用Alpha Shape检测建筑物边缘点方法提取轮廓线,并对轮廓线进行规则化处理,得到建筑物轮廓矢量图。3.建筑物立面提取。基于车载LiDAR数据提取建筑物立面以及窗户等细节特征,首先利用点云高程并结合点云的投影点密度来提取建筑物轮廓线。为了充分利用车载LiDAR数据所反映的建筑物立面细节特征,文中采用扩展的投影点密度的方法,通过提取窗户轮廓点、建立格网并进行分类聚类等处理得到窗户四个角点坐标,构建建筑物窗户模型。4.结合实验区域的街景影像和建筑物呈现的特点对提取得到建筑物顶面和底面轮廓矢量图进行融合,并完善建筑物的细节特征,实现实验区建筑物的精细建模。
【关键词】:机载LiDAR 车载LiDAR 点云配准 特征提取 融合建模
【学位授予单位】:河南理工大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TP391.41
【目录】:
- 致谢4-5
- 摘要5-6
- Abstract6-10
- 1 绪论10-22
- 1.1 研究背景和意义10-11
- 1.2 国内外研究现状11-18
- 1.2.1 LiDAR点云数据配准12-13
- 1.2.2 机载LiDAR数据处理及建筑物模型三维重建13-17
- 1.2.3 车载LiDAR数据的建筑物立面重建17-18
- 1.2.4 机载与车载LiDAR数据融合的相关研究18
- 1.3 研究内容与技术路线18-20
- 1.3.1 研究内容18-19
- 1.3.2 技术路线19-20
- 1.4 论文组织结构20-22
- 2 机载与车载LiDAR数据预处理22-34
- 2.1 实验区与实验数据的获取22-24
- 2.2 实验数据的预处理24-26
- 2.3 机载与车载LiDAR点云数据特点比较26
- 2.4 机载与车载LiDAR数据配准26-32
- 2.4.1 数据配准处理技术路线27-29
- 2.4.2 配准实验分析29-30
- 2.4.3 配准精度分析30-32
- 2.5 本章小结32-34
- 3 机载LiDAR数据的建筑物屋顶特征提取34-48
- 3.1 机载LiDAR数据滤波处理及实验分析34-38
- 3.2 建筑物点云提取方法及实验分析38-40
- 3.3 建筑物屋顶面片分割及轮廓线规则化40-47
- 3.3.1 屋顶面片分割40-41
- 3.3.2 屋顶轮廓线提取及规则化41-45
- 3.3.3 轮廓线精度分析45-47
- 3.4 本章小结47-48
- 4 车载LiDAR数据的建筑物立面特征提取48-58
- 4.1 基于高程和投影点密度的建筑物立面提取48-52
- 4.1.1 建筑物立面提取方法原理48-49
- 4.1.2 实验分析49-52
- 4.2 建筑物底面轮廓矢量图52
- 4.3 窗户特征提取52-55
- 4.4 窗户特征提取实验与分析55-56
- 4.5 本章小结56-58
- 5 建筑物轮廓线对比分析及模型重建58-66
- 5.1 建筑物顶面和底面轮廓图对比分析58-60
- 5.2 建筑物三维重建60-65
- 5.2.1 无屋檐的平顶建筑物三维模型重建61-62
- 5.2.2 具有屋檐的人字形建筑物三维重建62-63
- 5.2.3 测区范围内建筑物的三维重建63-65
- 5.3 本章小结65-66
- 6 结论与展望66-68
- 6.1 结论66-67
- 6.2 研究展望67-68
- 参考文献68-74
- 作者简历74-76
- 学位论文数据集76
【相似文献】
中国期刊全文数据库 前10条
1 闫龙;;摄影测量点云数据精简研究[J];制造技术与机床;2010年07期
2 郑德华;;点云数据直接缩减方法及缩减效果研究[J];测绘工程;2006年04期
3 张量;王敏;;基于k邻域离散扩张的点云数据分割[J];软件导刊;2009年12期
4 周怡;周顾盛;;三维GIS数据的处理与提取方法的研究—以点云数据中提取树木为例[J];计算机应用与软件;2010年10期
5 李凤霞;饶永辉;刘陈;介飞;;基于法向夹角的点云数据精简算法[J];系统仿真学报;2012年09期
6 嵇俊;云挺;薛联凤;张浩平;;基于激光点云数据的复杂植物叶片重建方法[J];西北林学院学报;2014年05期
7 吴福生,丁玉成,卢秉恒;基于点云数据复杂曲面产品的快速开发[J];西安交通大学学报;2002年11期
8 胡雪芬,陈爱萍,童水光,单新潮;基于点云数据的鞋楦数控编程及其仿真[J];组合机床与自动化加工技术;2004年07期
9 陈飞舟;陈志杨;丁展;叶修梓;张三元;;基于径向基函数的残缺点云数据修复[J];计算机辅助设计与图形学学报;2006年09期
10 刘志军;;基于三坐标测量机的点云数据测量规划研究[J];黑龙江科技信息;2008年20期
中国重要会议论文全文数据库 前10条
1 闫龙;;摄影测量点云数据精简研究[A];第二十九届中国控制会议论文集[C];2010年
2 吴美金;;基于薄壁构件的点云数据提取[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年
3 段文国;张爱武;蔡广杰;;基于VTK的点云数据绘制研究与实现[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
4 宋碧波;卢小平;卢遥;;基于点云数据的建筑物三维重建[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年
5 张伟忠;张顺海;于德敏;;点云数据与建模软件的接口设计[A];全国第13届计算机辅助设计与图形学(CAD/CG)学术会议论文集[C];2004年
6 吕琼琼;杨晓晖;杨唐文;韩建达;庄严;;激光雷达点云数据的三维建模技术[A];2009年中国智能自动化会议论文集(第二分册)[C];2009年
7 刘佳;张爱武;杨丽萍;;室内场景激光点云数据的三维建模[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
8 隋立春;张熠斌;赵旦;;基于MicroStation的机载LiDAR点云数据分类处理软件[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年
9 黄承亮;吴侃;刘虎;;基于三维TIN的格网化点云数据特征提取[A];数字测绘与GIS技术应用研讨交流会论文集[C];2008年
10 杨铭;陈建峰;;基于CUDA的海量点云数据kNN查询算法[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年
中国博士学位论文全文数据库 前10条
1 赵江洪;古建筑散乱点云基准面的提取与拟合[D];武汉大学;2012年
2 谷晓英;三维重建中点云数据处理关键技术研究[D];燕山大学;2015年
3 胡峰俊;三维离散点云数据的预处理和配准技术研究[D];浙江工业大学;2015年
4 董秀军;三维空间影像技术在地质工程中的综合应用研究[D];成都理工大学;2015年
5 李晓捷;基于深度相机的三维人体重建及在服装展示方面的技术研究[D];天津工业大学;2016年
6 张学昌;基于点云数据的复杂型面数字化检测关键技术研究及其系统开发[D];上海交通大学;2006年
7 王果;不同平台激光点云数据面状信息自动提取研究[D];中国矿业大学(北京);2014年
8 赵煦;基于地面激光扫描点云数据的三维重建方法研究[D];武汉大学;2010年
9 张会霞;三维激光扫描点云数据组织与可视化研究[D];中国矿业大学(北京);2010年
10 孙晓东;人体点云数据处理中若干问题的研究[D];北京工业大学;2012年
中国硕士学位论文全文数据库 前10条
1 张磊;大型钢结构建筑安装质量检测与变形监测软件系统设计与实现[D];北京建筑大学;2015年
2 饶杰;基于激光点云数据的建筑物快速三维建模[D];中国地质大学(北京);2015年
3 李俊宝;TLS在古建筑物测绘及建模中的应用研究[D];长安大学;2015年
4 谢金坤;基于事故车辆车身变形的碰撞速度研究[D];长安大学;2015年
5 顾品荧;基于点云数据的基本款女西装样板生成系统研究[D];苏州大学;2015年
6 李国瑞;车载LiDAR点云中的车辆自动检测技术[D];长安大学;2015年
7 江静;建筑物LiDAR点云数据特征检测及配准关键技术研究[D];集美大学;2015年
8 梁子瑜;基于TLS点云数据的林分调查因子测定及收获估计[D];南京林业大学;2015年
9 喻W毶,
本文编号:1055946
本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/1055946.html