点云配准方法及变形分析方法研究

点云配准方法及变形分析方法研究

论文摘要

三维激光扫描技术作为新兴的测量技术,突破传统的单点测量方式,以其高效率、高精度、高密度、自动化和数字化等特点,被广泛应用于文物保护、数字城市、室内设计、灾害评估和变形监测等领域。但由于三维激光扫描技术为无合作目标测量的原因,使得提取同名点变得略显困难,同时,点云配准精度对变形精度的影响可达厘米级,因此,三维激光扫描技术在变形监测领域的应用大打折扣。目前,尽管在点云配准与变形提取方面已经取得一定的成果,但仍然需要做更进一步的研究。本文在详细介绍点云数据预处理与变形监测方法的基础上,对点云配准方法与变形提取方法展开深入研究,其主要内容有:首先,在球标靶配准方面,针对“目前所有球标靶特征提取算法仅考虑倾向参数而忽略信号”的不足,构建基于最小二乘配置的球标靶特征提取模型及其解算方法,并通过实验检验算法的有效性;然后,针对“目前点云配准算法均为间接配准法,其配准精度与旋转平移参数的求解精度有关”的不足,提出基于三正交平面的点云直接配准算法,并通过实验检验算法的有效性;最后,在变形提取算法方面,针对同一目标的多期点云数据不具备重复性,且扫描数据具有一定厚度的问题,构建基于平面格网划分的点云类几何中心目标变形分析方法,并通过实验检验算法的有效性。

论文目录

  • 中文摘要
  • Abstract
  • 1 绪论
  •   1.1 引言
  •   1.2 国内外研究现状
  •     1.2.1 标靶特征提取
  •     1.2.2 点云配准研究现状
  •     1.2.3 点云变形监测研究现状
  •   1.3 研究内容及文章结构图
  • 2 理论基础
  •   2.1 点云滤波
  •   2.2 点云配准
  •     2.2.1 ICP配准
  •     2.2.2 标靶配准
  •   2.3 点云法向量
  •   2.4 点云曲率
  •   2.5 点云边界
  •   2.6 点云格网划分
  •   2.7 本章小结
  • 3 球标靶特征提取算法
  •   3.1 球标靶模型
  •   3.2 最小二乘解算算法
  •   3.3 整体最小二乘法
  •   3.4 最小二乘配置算法
  •     3.4.1 配置模型
  •     3.4.2 实验步骤
  •   3.5 实验分析
  •     3.5.1 模拟实验
  •     3.5.2 乒乓球扫描实验
  •     3.5.3 结果分析
  •   3.6 本章小结
  • 4 点云配准算法
  •   4.1 三正交面基本原理
  •   4.2 基于三正交面的配准算法(TOP)
  •   4.3 实验分析
  •     4.3.1 模拟实验
  •     4.3.2 扫描实验
  •     4.3.3 结果分析
  •   4.4 本章小结
  • 5 点云变形分析
  •   5.1 常用变形分析方法
  •     5.1.1 重心法
  •     5.1.2 模型比较法
  •     5.1.3 特征拟合法
  •     5.1.4 中值法
  •   5.2 基于平面格网划分的类几何中心分析方法
  •   5.3 实验分析
  •     5.3.1 模拟实验
  •     5.3.2 扫描实验
  •     5.3.3 结果分析
  •   5.4 本章小结
  • 6 总结与展望
  •   6.1 总结
  •   6.2 展望
  • 参考文献
  • 附录
  •   A 作者在攻读硕士学位期间所发表的文章
  •   B 作者在攻读硕士学位期间所参与的科研项目
  •   C 高斯噪声下三种算法结果精度比较
  •   D 瑞利噪声下三种算法结果精度比较
  •   E 伽马噪声下三种算法结果精度比较
  •   F 两期模拟数据的同名区域变形计算结果
  •   G 学位论文数据集
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 方西南

    导师: 杨荣华

    关键词: 三维激光扫描技术,点云配准,球标靶,变形监测

    来源: 重庆大学

    年度: 2019

    分类: 基础科学

    专业: 自然地理学和测绘学

    单位: 重庆大学

    分类号: P225.2

    DOI: 10.27670/d.cnki.gcqdu.2019.000823

    总页数: 73

    文件大小: 6492k

    下载量: 32

    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].一种基于高度差异的点云数据分类方法[J]. 测绘通报 2018(06)
    • [15].手提激光盘煤仪点云去噪[J]. 激光杂志 2017(05)
    • [16].面向室内场景点云的对象重建[J]. 测绘通报 2017(06)
    • [17].快速点云定向数学模型实际精度分析[J]. 北京测绘 2017(04)
    • [18].基于点云几何约束的仿真安装探讨[J]. 地理空间信息 2017(09)
    • [19].基于自适应切片的点云压缩算法[J]. 工程勘察 2017(09)
    • [20].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)
    • [21].地面三维激光扫描点云重建技术研究[J]. 数码世界 2017(08)
    • [22].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)
    • [23].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)
    • [24].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)
    • [25].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)
    • [26].电力巡检点云分布式异构处理的研究[J]. 湖北电力 2019(05)
    • [27].点云重建的并行算法[J]. 计算机工程与应用 2020(06)
    • [28].基于深度学习的点云匹配[J]. 计算机工程与设计 2020(06)
    • [29].基于环境点云的矿用挖掘机器人自主作业规划[J]. 机械工程师 2020(09)
    • [30].基于无人机激光点云的树障检测与砍伐树木数量估算[J]. 中国科学院大学学报 2020(06)

    标签:;  ;  ;  ;  

    点云配准方法及变形分析方法研究
    下载Doc文档

    猜你喜欢