基于激光扫描测距技术地貌可视化研究

基于激光扫描测距技术地貌可视化研究

论文摘要

三维激光扫描可视化技术,是以三维激光雷达对目标进行采集的数据为基础,经过预处理、曲面重建等过程实现目标物体在计算机内重现的技术。这项技术正随着激光雷达技术飞速发展,并在军用车辆、飞机等实际应用中得到世界各国的重视和认可。对点云重构的研究著作有很多,但在基于单线激光雷达采集的大范围稀疏点云重构上有所欠缺。本文在对所研制的单线激光雷达结构分析的基础上以采集的地貌稀疏点云做为实验数据对散乱点云的预处理和可视化技术进行讨论。本文针对激光雷达点云仿真方面,分析了研制的单线扫描脉冲激光雷达的采集原理和结构,建立雷达模型并搭建单线脉冲激光雷达的三维扫描平台,提出并完善了单线激光雷达三维扫描方式下的点云仿真方法,经试验成功得到任意模型的理想化的三维点云实验数据。针对数据预处理和可视化方面,对于采集的地貌数据中地面随机噪声振幅过大影响建模效果的问题,采用分离地面单独处理的思想,实现即平整地面数据又不影响目标物体的处理方法。分离树的点云过程中找到基于检测点云法向量并查询统计范围内地面点数量的识别方法。对于单行离群特征点识别和可视化过程中不显示或重构错误的问题,提出特征提取与临近点统计的方法找出单行特征点,并在单行特征点的临近范围补充随机点方式实现重构显示单行特征的目的。重构过程中不同目标之间直接曲面拟合会相互影响的问题,采用分块进行插值后限制拟合参数的曲面拟合思想,解决了整体插值中产生的相互影响的问题并成功分离地面目标与地面。最后对整个地貌可视化系统进行整合,制作出包含地貌可视化和点云仿真功能的系统,在系统中采用C#调用MATLAB三维点云图的方式实现系统软件的三维可化,经试验证明可以稳定运行。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  •   1.1 引言
  •   1.2 国内外发展现状
  •     1.2.1 国外发展现状
  •     1.2.2 国内发展现状
  •   1.3 研究内容及文章结构
  • 第2章 地貌可视化系统总体设计
  •   2.1 系统工作原理
  •   2.2 系统构成
  •   2.3 系统平台搭建
  •     2.3.1 平台组成
  •     2.3.2 平台控制方案
  •     2.3.3 三维坐标变换
  •   2.4 本章小结
  • 第3章 地貌数据采集模块设计
  •   3.1 数据采集模块规划
  •   3.2 数据采集系统建模
  •   3.3 地貌数据采集仿真
  •     3.3.1 地貌采集模型仿真
  •     3.3.2 采集目标处理
  •   3.4 模型采集效果验证
  •   3.5 本章小结
  • 第4章 地貌数据预处理及可视化模块设计
  •   4.1 地貌数据预处理模块
  •     4.1.1 复合滤波平滑法
  •     4.1.2 去噪效果分析
  •   4.2 数据可视化模块
  •     4.2.1 数据网格重建
  •     4.2.2 采集数据可视化
  •     4.2.3 可视化结果分析
  •   4.3 本章小结
  • 第5章 数据采集界面设计
  •   5.1 软件功能模块
  •   5.2 操作界面设计
  •   5.3 系统工作效果
  •   5.4 本章小结
  • 第6章 总结与展望
  •   总结
  •   展望
  • 参考文献
  • 攻读学位期间取得的成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 陈风龙

    导师: 王振宏

    关键词: 成像激光雷达,点云数据处理,仿真,可视化

    来源: 长春理工大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 自然地理学和测绘学,自然地理学和测绘学,电信技术

    单位: 长春理工大学

    分类号: TN958.98;P225.2;P931

    总页数: 79

    文件大小: 5223K

    下载量: 92

    相关论文文献

    • [1].基于卷积神经网络的非等效点云分割方法[J]. 东华大学学报(自然科学版) 2019(06)
    • [2].点云智能研究进展与趋势[J]. 测绘学报 2019(12)
    • [3].基于深度学习的点云分割方法综述[J]. 计算机工程与应用 2020(01)
    • [4].点云数据预处理研究[J]. 现代信息科技 2020(02)
    • [5].基于地基激光雷达点云的植被表型特征测量[J]. 生态学杂志 2020(01)
    • [6].机载点云空洞的修复方法[J]. 北京测绘 2020(02)
    • [7].基于深度学习的零件点云分割算法研究[J]. 机电工程 2020(03)
    • [8].基于深度学习的点云语义分割综述[J]. 激光与光电子学进展 2020(04)
    • [9].基于神经网络的航空行李点云检测方法研究[J]. 电子世界 2020(07)
    • [10].基于二维截面筛选标记的点云简化方法研究[J]. 机电工程 2020(05)
    • [11].三维点云补全方法的现状和发展趋势[J]. 信息记录材料 2020(05)
    • [12].新型激光远程点云装置研究[J]. 机电信息 2020(17)
    • [13].一种简化的输电线路点云电塔自动定位方法[J]. 北京建筑大学学报 2020(03)
    • [14].一种改进的区域增长彩色3D点云分割算法[J]. 国外电子测量技术 2018(11)
    • [15].面向反光工件点云缺陷的点云增强算法[J]. 计算机辅助设计与图形学学报 2019(07)
    • [16].一种基于高度差异的点云数据分类方法[J]. 测绘通报 2018(06)
    • [17].手提激光盘煤仪点云去噪[J]. 激光杂志 2017(05)
    • [18].面向室内场景点云的对象重建[J]. 测绘通报 2017(06)
    • [19].快速点云定向数学模型实际精度分析[J]. 北京测绘 2017(04)
    • [20].基于点云几何约束的仿真安装探讨[J]. 地理空间信息 2017(09)
    • [21].基于自适应切片的点云压缩算法[J]. 工程勘察 2017(09)
    • [22].序列图像三维重构中点云精简算法的研究与改进[J]. 计算机工程与应用 2016(08)
    • [23].地面三维激光扫描点云重建技术研究[J]. 数码世界 2017(08)
    • [24].三维环境下交互式点云对象提取方法[J]. 计算机工程与应用 2019(24)
    • [25].换流站激光点云密度对土石方计算的影响[J]. 电力勘测设计 2020(01)
    • [26].融合个体识别的3D点云语义分割方法研究[J]. 黑龙江工业学院学报(综合版) 2019(12)
    • [27].机载激光点云与摄影测量点云非监督建筑物变化检测[J]. 测绘科学技术学报 2019(05)
    • [28].电力巡检点云分布式异构处理的研究[J]. 湖北电力 2019(05)
    • [29].点云重建的并行算法[J]. 计算机工程与应用 2020(06)
    • [30].基于深度学习的点云匹配[J]. 计算机工程与设计 2020(06)

    标签:;  ;  ;  ;  

    基于激光扫描测距技术地貌可视化研究
    下载Doc文档

    猜你喜欢