首页> 正文

建筑物三维点云边界特征提取算法研究

2020-12-08阅读(774)

建筑物三维点云边界特征提取算法研究

论文摘要

随着数字城市,计算机等技术的蓬勃发展,城市实景三维成为可能,其中建筑物三维重建一直是数字城市的重要目标。三维激光扫描技术为建筑物三维重建提供了新的数据获取手段和处理方法。在三维激光点云数据处理过程中,特征提取是建筑物三维重建的前提和基础。通过对点云数据特征提取和三维重建理论进行研究,提出了优化的α-shapes边界提取算法和结合超体素与区域增长的建筑物特征提取算法。主要研究工作和结论如下:（1）针对当前平面点云边界提取算法对点云的噪声、散乱程度和形状具有提取结果不稳定性、算法效率不高、难以保证提取边界的精细度和完整性等问题,着重研究α-shapes算法,并分析其研究现状与缺点,提出优化的α-shapes算法。该算法首先将数据网格化,排除非边界网格,然后对边界网格内的点采用α-shapes算法提取点云边界,并通过P点的k个邻近点的平均距离这一特征值设置滚动圆半径α。通过对k值、点云形状、点云密度、点云孔洞和点云离散度进行了分析,归纳了调节因子的最佳范围。经实验证明:该算法在保证点云边界的精度下能够快速提取完整点云边界,具有良好的稳健性,能提高后续点云重建速度与效率。（2）针对三维点云特征算法存在的问题,提出一种结合超体素与区域增长的建筑物特征点提取算法。首先对三维点云数据进行八叉树体素化,以非空叶子节点为种子点数据,通过点集分布概率的空间维度特征描述符进行种子点筛选,选取点集呈面状分布概率高的种子点;以选取的非空叶子节点宽度进行搜索和初步聚类,以欧氏距离和几何特征来衡量点间的聚类距离进行K均值聚类,得到具有边界信息的超体素;在空间连通性和表面光滑性两个约束条件下,对超体素进行区域增长形成聚类区域;以聚类区域建立局部坐标系,并投影至XOY平面,采用优化的α-shapes算法对聚类区域进行边界提取,将边界点映射回原始坐标系。经实验证明:该算法能够减少计算量和复杂度,提高运行效率,能够有效、快速的提取建筑物结构特征。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 研究背景及意义
  •     1.1.1 研究背景
  •     1.1.2 研究意义
  •   1.2 国内外平面点云边界提取研究现状
  •   1.3 国内外三维点云特征提取研究现状
  •   1.4 论文的研究内容及结构安排
  •     1.4.1 主要研究内容
  •     1.4.2 论文结构安排
  •   1.5 本章小结
  • 第二章 非规则点云几何特性和数据结构组织
  •   2.1 点云几何特性
  •     2.1.1 点云法向量估计
  •     2.1.2 点云曲率估计
  •   2.2 点云数据结构组织
  •     2.2.1 点云数据
  •     2.2.2 体素数据和体素化
  •     2.2.3 超体素数据
  •   2.3 本章小结
  • 第三章 平面点云边界特征点提取
  •   3.1 概述
  •   3.2 点集的几何特性分析
  •   3.3 优化的α-shapes边界提取算法
  •     3.3.1 α-shapes算法基本原理
  •     3.3.2 优化的α-shapes算法步骤
  •   3.4 参数取值实验及分析
  •     3.4.1 不同密度点云边界提取
  •     3.4.2 不同点云形状边界提取
  •     3.4.3 含孔洞复杂点云边界提取
  •     3.4.4 非规则点云边界提取
  •   3.5 对比实验及分析
  •     3.5.1 规则点云对比实验
  •     3.5.2 非规则点云对比实验
  •   3.6 本章小结
  • 第四章 建筑物特征点提取
  •   4.1 常见点云特征提取算法
  •     4.1.1 点云几何特性特征提取算法
  •     4.1.2 基于RANSAC算法的点云特征提取算法
  •   4.2 建筑物特征提取算法流程
  •     4.2.1 超体素数据生成
  •     4.2.2 基于超体素的区域增长算法
  •     4.2.3 分割区域边界特征点提取
  •   4.3 实验与分析
  •     4.3.1 对比实验分析
  •     4.3.2 建筑物特征提取实验
  •   4.4 本章小结
  • 总结与展望
  •   研究工作总结
  •   不足与展望
  • 参考文献
  • 致谢
  • 附录A （攻读学位期间所发表的学术论文）
  • 附录B （攻读学位期间参与科研项目）

    • 文章来源

    类型: 硕士论文

    作者: 陈立

    导师: 廖中平

    关键词: 点云,平面边界提取,体素,超体素,区域增长,特征提取

    来源: 长沙理工大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 物理学,自然地理学和测绘学,无线电电子学,计算机软件及计算机应用

    单位: 长沙理工大学

    分类号: P208;TN249

    DOI: 10.26985/d.cnki.gcsjc.2019.000154

    总页数: 68

    文件大小: 5172K

    下载量: 48

    相关论文文献

    • [1].基于双目立体视觉的远距离目标实时三维点云成像技术[J]. 激光杂志 2019(12)
    • [2].面向钢铁工业场景的三维点云技术研究[J]. 现代信息科技 2020(07)
    • [3].基于视点的三维点云自适应多细节层次模型动态绘制[J]. 科学技术与工程 2019(12)
    • [4].战地三维点云采集方法和方案[J]. 中国科技信息 2020(02)
    • [5].基于散乱三维点云的缺陷检测和三维重构方法[J]. 应用光学 2016(03)
    • [6].基于ArcGIS的三维点云数据处理方法研究[J]. 硅谷 2015(02)
    • [7].基于2D-3D语义传递的室内三维点云模型语义分割[J]. 武汉大学学报(信息科学版) 2018(12)
    • [8].三维点云数据拾取与可视化技术[J]. 测绘与空间地理信息 2019(07)
    • [9].利用连续变形技术的三维点云简化方法[J]. 遥感信息 2018(05)
    • [10].白噪声干扰下三维点云数据重建方法仿真[J]. 计算机仿真 2017(05)
    • [11].基于三维点云的机场道面指标检测研究[J]. 中国水运(下半月) 2017(09)
    • [12].基于区域生长的稠密三维点云重建方法[J]. 计算机工程与设计 2016(02)
    • [13].基于多源信息融合的果树冠层三维点云拼接方法研究[J]. 光学学报 2014(12)
    • [14].基于激光影像的物体三维点云获取系统[J]. 城市勘测 2013(06)
    • [15].一种特征感知的三维点云简化算法[J]. 激光与光电子学进展 2019(11)
    • [16].多松量模型三维点云数据标准化处理[J]. 北京服装学院学报(自然科学版) 2017(03)
    • [17].船舶电网系统三维点云数据聚类提取[J]. 舰船科学技术 2018(12)
    • [18].冷却塔倾斜监测三维点云数据分析[J]. 北京工业职业技术学院学报 2018(04)
    • [19].三维点云的两步校准法及其应用研究[J]. 工程设计学报 2020(05)
    • [20].嵌入式三维点云数据采集与传输系统的设计[J]. 自动化技术与应用 2014(04)
    • [21].三维点云模型的参数化方法[J]. 信息与电脑(理论版) 2013(10)
    • [22].植物三维点云模型的处理应用[J]. 中国农村小康科技 2011(02)
    • [23].基于三维点云的苹果树冠层点-叶模型重建方法[J]. 农业机械学报 2020(04)
    • [24].三维点云模型高鲁棒性多重盲水印算法研究[J]. 包装工程 2016(19)
    • [25].车载激光雷达三维点云重构与漫游方法[J]. 太赫兹科学与电子信息学报 2015(04)
    • [26].简述三维点云处理技术的研究[J]. 电子技术与软件工程 2013(14)
    • [27].基于纹理特征的三维点云数据配准算法研究[J]. 现代计算机(专业版) 2012(30)
    • [28].随机抽样一致性算法在三维点云数据中轴线拟合中的应用研究[J]. 测绘地理信息 2018(03)
    • [29].基于三维点云的叶面积估算方法[J]. 农业机械学报 2019(12)
    • [30].基于切片采样和质心距直方图特征的室外大场景三维点云分类[J]. 中国激光 2018(10)

    标签：;  ;  ;  ;  ;  ;  

    建筑物三维点云边界特征提取算法研究
    下载Doc文档

    猜你喜欢

    © 2025 毕论降 版权所有 鄂ICP备12018319号-6