基于Harris特征的点云配准方法研究

基于Harris特征的点云配准方法研究

论文摘要

近年来,随着三维激光扫描技术的快速发展,点云配准成为三维激光扫描技术研究的热点问题之一。点云配准是点云数据处理中的关键步骤,影响后续的数据处理工作及建模精度。现有的点云配准方法主要分为基于特征和无特征的配准,能较好的实现不同视角下的点云配准。但现有算法仍存在一些不足,基于特征的配准方法需要提取点云特征,配准精度依赖于特征提取精度,同时需要花费大量时间确定对应关系,配准效率不高。基于无特征的方法主要有最近点迭代算法、正态分布变换算法以及超四点快速鲁棒匹配算法,前两种算法依赖点云的初始位置,初始位置不好无法实现配准,效率比较低;第三种算法属于全局配准算法、不依赖点云初始位置,但当点云本身具有对称性时,容易出现错误配准结果。本文针对上述点云配准中存在的一些不足,主要研究内容及结果如下1)针对双边滤波算法无法滤除大范围噪声的问题,文中对双边滤波算法进行了优化。算法利用邻域点平均距离的均值和方差滤除点云离散噪声点,降低离散噪声点对双边滤波结果的影响,再利用双边滤波算法实现点云局部噪声的滤除;实验表明该方法能有效去除噪声,同时能更好的保留点云特征。在去噪的基础上,利用体素网格压缩方法对点云数据进行了压缩,算法在保证点云拓扑结构的同时有效缩减了点云数据量,能有效提高后期数据处理的效率。2)针对Harris角点提取速度慢,阈值需要人工设置的问题,文中对Harris算法进行了优化。算法利用点云的曲率信息进行角点的预筛选,提高了角点响应值计算效率;同时以点云曲率方差代替角点响应阈值,实现了角点响应阈值的自适应,确保角点实时提取,为基于特征的点云配准提供了一种新方法。3)针对正态分布变换算法海森矩阵求解效率低的问题,文中利用拟牛顿迭代法对正态分布变换算法进行了优化。算法避免了二阶导数求解,以及海森矩阵的求逆运算;确保迭代方向始终为目标函数值下降的方向。实验结果表明,本文算法在保证原算法配准精度的同时,提高了配准效率。4)针对对称点云下超四点快速鲁棒匹配算法的配准问题,文中利用Harris特征对算法进行了优化。算法对源点云进行Harris特征提取,凸显点云的局部特征,以特征点云作为源点基,能有效提高同名点匹配的准确率,算法不用遍历点云,只要搜索特征点集即可,提高了算法搜索效率。实验结果表明,本文算法能够快速准确地实现点云的初配准,为精配准提供一个良好的初始位置。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  •   1.1 研究背景及意义
  •   1.2 国内外研究现状
  •     1.2.1 基于特征的点云配准方法
  •     1.2.2 基于无特征的点云配准方法
  •   1.3 本文主要研究内容
  • 2 数据预处理及刚体运动参数估计方法
  •   2.1 概述
  •   2.2 点云数据滤波处理
  •     2.2.1 点云强度双边滤波算法
  •     2.2.2 改进点云双边滤波算法
  •     2.2.3 基于体素网格的点云压缩算法
  •     2.2.4 实验结果与分析
  •   2.3 点云的刚体运动参数求解方法
  •     2.3.1 单位四元数(UQD)
  •     2.3.2 奇异值分解法(SVD)
  •     2.3.3 正交分解法(OD)
  •     2.3.4 对偶四元数法(DQD)
  •     2.3.5 实验结果与分析
  •   2.4 本章小结
  • 3 点云的Harris角点自适应快速提取算法
  •   3.1 Harris算法原理
  •     3.1.1 2d-Harris算法
  •     3.1.2 3d-Harris算法
  •   3.2 改进的Harris特征提取算法原理
  •     3.2.1 Harris角点的自适应筛选
  •     3.2.2 角点响应阈值的自适应
  •   3.3 Harris特征在本文中的适用性
  •   3.4 实验结果与分析
  •     3.4.1 角点提取
  •     3.4.2 基于Harris特征的点云配准
  •   3.5 本章小结
  • 4 基于拟牛顿迭代法修正的正态分布变换点云配准方法
  •   4.1 正态分布变换原理
  •   4.2 改进的正态分布变换原理
  •   4.3 实验结果与分析
  •     4.3.1 手雕塑点云配准
  •     4.3.2 实测亭子数据
  •   4.4 本章小结
  • 5 一种结合Harris特征的Super4PCS点云配准方法
  •   5.1 Super4PCS算法原理
  •     5.1.1 4PCS算法
  •     5.1.2 Super4PCS算法
  •   5.2 改进Super4PCS算法
  •     5.2.1 3D-Harris特征点提取
  •     5.2.2 结合Harris特征点的Super4PCS算法
  •   5.3 实验结果与分析
  •     5.3.1 斯坦福兔子点云配准
  •     5.3.2 实测亭子点云配准
  •   5.4 本章小结
  • 6 总结与展望
  •   6.1 总结
  •   6.2 展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间的论文、主要学术活动及获奖情况
  • 文章来源

    类型: 硕士论文

    作者: 袁志聪

    导师: 鲁铁定

    关键词: 点云配准,特征,阈值自适应

    来源: 东华理工大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 自然地理学和测绘学,电信技术

    单位: 东华理工大学

    分类号: P225.2;TN958.98

    总页数: 73

    文件大小: 7321K

    下载量: 353

    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Harris特征的点云配准方法研究
    下载Doc文档

    猜你喜欢