首页> 正文

基于地面三维激光的溶洞点云数据处理及应用研究

2020-12-08阅读(760)

基于地面三维激光的溶洞点云数据处理及应用研究

论文摘要

溶洞景观主要记录了喀斯特地貌特征的形成过程,且为其提供了保存和研究场所。喀斯特地貌下的溶洞景观不仅具有地质学研究意义,在旅游景点上同样也极具吸引力。织金洞位于贵州省织金县,被评为“中国最美六大旅游洞穴”之首。为加强溶洞景观的研究、保护与开发,运用三维激光扫描技术,建立数字化三维模型,具有一定的理论意义和经济实用价值。本文通过使用地面三维激光扫描仪技术,借助实地测绘、算法设计和仿真实验等方法,对织金洞溶洞点云进行数据预处理和模型重建等工作。围绕溶洞点云数据处理及建模技术,对点云数据滤波去噪、数据精简以及模型重建等关键问题进行了深入研究,主要成果如下:(1)提出了基于弦高比的点云数据滤波算法。三维点云数据采集时,因受到测量仪器、外部环境以及被测物体本身等因素影响,测得的数据会出现小幅噪声点或离群点,影响数据处理效率,重建后的模型也会粗糙不堪,甚至发生变形。为了有效滤除噪声点,提出了一种结合自适应分层技术和弦高比的点云数据去噪算法。实验分析与对比表明该算法可有效去除噪声数据,且能在保持模型的细节数据和几何特征的基础上提升处理效率。(2)提出了一种点到拟合曲面距离的点云数据精简算法。随着扫描仪器不断优化升级,其数据获取能力也逐步提升,使得大规模复杂场景建模工作成为可能。因此要处理的模型数据越来越庞大,对点云数据进行精简压缩是数据处理必不可少的重要步骤。针对溶洞点云数据精简问题,对数据点进行局部曲面拟合,再依据点到拟合曲面距离的判别方法来保留特征点云,同样结合快速成型领域里的自适应分层技术来实现大场景点云的自适应简化。实验表明,该方法避免了传统算法中注重保留特征但压缩率较低或者追求压缩率但忽略细节特征的缺点,点云数据的压缩率和特征效果达到了较好的平衡效果,并具有较快的简化速度。(3)在点云数据经过上述系列处理后,对点云的模型重建问题进行了深入探讨和实验研究,在分析MC重构、贪婪投影三角化重构与泊松重构等算法的基础上,通过PCL开源库中的PCL_visualization模块对重构模型进行可视化处理,并对不同算法的重构模型进行了分析与评价。综上所述,本文对溶洞点云数据处理和三维模型重建相关技术进行了研究,通过实验验证了本文提出的滤波和精简算法在点云数据处理上的可行性与优势性,并在此基础上对溶洞景观进行了三维模型可视化重建,总体实验效果良好。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  •   1.1 论文研究背景与意义
  •     1.1.1 研究背景
  •     1.1.2 研究意义
  •   1.2 国内外研究现状
  •     1.2.1 点云数据去噪研究现状
  •     1.2.2 点云数据精简研究现状
  •     1.2.3 三维重建技术研究现状
  •   1.3 研究内容与组织结构
  •     1.3.1 研究内容
  •     1.3.2 组织结构
  •     1.3.3 章节安排
  • 第二章 三维激光扫描技术及点云数据处理相关理论
  •   2.1 引言
  •   2.2 三维激光扫描技术
  •     2.2.1 三维激光扫描系统及其工作原理
  •     2.2.2 三维激光扫描系统分类
  •   2.3 点云数据处理相关理论
  •     2.3.1 点云数据概念
  •     2.3.2 点云数据处理流程
  •     2.3.3 点云数据保存格式
  •   2.4 本章小结
  • 第三章 点云数据的噪声滤除算法研究
  •   3.1 引言
  •   3.2 噪声点及其产生原因
  •   3.3 几种典型的去噪算法
  •     3.3.1 Laplace算法
  •     3.3.2 双边滤波算法
  •     3.3.3 基于统计学的点云去噪算法
  •   3.4 基于弦高比的点云数据去噪算法
  •     3.4.1 自适应分层技术
  •     3.4.2 点云领域的建立与kd-tree法
  •     3.4.3 投影点云径向宽度
  •     3.4.4 弦高比算法与阈值选取
  •   3.5 噪声点滤除实验及分析
  •     3.5.1 本文算法实验及分析
  •     3.5.2 对比实验及分析
  •   3.6 本章小结
  • 第四章 点云数据的精简算法研究
  •   4.1 引言
  •   4.2 点云数据精简的相关工作
  •     4.2.1 点云数据精简的定义和质量评价标准
  •     4.2.2 点云精简算法分类
  •     4.2.3 曲面拟合方法
  •   4.3 基于点到拟合曲面距离的点云数据精简算法
  •     4.3.1 算法原理
  •     4.3.2 点到拟合曲面的距离计算
  •     4.3.3 算法流程
  •   4.4 算法实现与分析
  •     4.4.1 分层厚度的确立
  •     4.4.2 点到拟合曲面距离阈值的确立
  •     4.4.3 不同算法比较与评价
  •   4.5 本章小结
  • 第五章 三维建模技术研究与应用
  •   5.1 三维建模概述
  •     5.1.1 三维建模分类
  •     5.1.2 三维建模方法
  •   5.2 常用建模软件
  •   5.3 三维重构算法
  •     5.3.1 MC重构
  •     5.3.2 贪婪投影三角化重构
  •     5.3.3 泊松重构
  •   5.4 点云处理库应用
  •     5.4.1 PCL处理库
  • visualization模块及类介绍'>    5.4.2 PCLvisualization模块及类介绍
  •   5.5 实例
  •     5.5.1 织金洞概况
  •     5.5.2 实验数据采集
  •     5.5.3 数据处理流程
  •     5.5.4 建模实验
  •   5.6 本章小结
  • 第六章 总结与展望
  •   6.1 总结
  •   6.2 展望
  • 参考文献
  • 致谢
  • 附录A

    • 文章来源

    类型: 硕士论文

    作者: 徐光禹

    导师: 杜宁

    关键词: 溶洞点云,数据滤波,点云精简,模型重构

    来源: 贵州大学

    年度: 2019

    分类: 基础科学

    专业: 自然地理学和测绘学,自然地理学和测绘学

    单位: 贵州大学

    分类号: P225.2;P931.5

    总页数: 76

    文件大小: 9219K

    下载量: 218

    相关论文文献

    • [1].基于激光点云数据的卫星导航定位研究[J]. 数字通信世界 2020(06)
    • [2].基于球域膨胀的点云数据平面提取研究[J]. 测绘与空间地理信息 2020(07)
    • [3].点云数据稀疏区域建筑物立面重建方法[J]. 应用科学学报 2017(02)
    • [4].利用激光点云数据绘制仿古建筑立面图[J]. 淮海工学院学报(自然科学版) 2019(04)
    • [5].基于激光点云数据的卫星导航定位研究[J]. 激光杂志 2020(02)
    • [6].一种古建筑点云数据的语义分割算法[J]. 武汉大学学报(信息科学版) 2020(05)
    • [7].利用激光点云数据检测特征表面平整度[J]. 科技创新与应用 2020(32)
    • [8].基于球域膨胀的点云数据平面提取[J]. 工程技术研究 2018(11)
    • [9].海量点云数据分布式并行处理技术综述[J]. 信息工程大学学报 2018(05)
    • [10].三维激光扫描点云数据盲区边界识别与应用[J]. 有色金属(矿山部分) 2019(05)
    • [11].地面激光点云数据质量评价与三维模型快速重建技术研究[J]. 测绘学报 2017(12)
    • [12].三维激光扫描点云数据的精简方法探讨[J]. 黄河水利职业技术学院学报 2018(02)
    • [13].点云数据生成软件的设计及其在月饼模具逆向设计与制造中的应用[J]. 制造技术与机床 2017(03)
    • [14].点云数据提取二次曲面特征算法研究[J]. 信息通信 2017(05)
    • [15].一种改进的激光点云数据精简算法[J]. 激光与红外 2016(06)
    • [16].广式古家具的逆向点云数据采集研究[J]. 包装工程 2016(16)
    • [17].基于二维的地面点云数据组织研究[J]. 兵工自动化 2016(07)
    • [18].基于点云数据的道路特征参数提取方法研究[J]. 矿山测量 2014(06)
    • [19].密度聚类方法在点云数据分割中的应用研究[J]. 测绘与空间地理信息 2015(01)
    • [20].基于多源点云数据融合的单木树形重建[J]. 桂林理工大学学报 2020(03)
    • [21].多片点云数据拼接处理技术的研究[J]. 水利与建筑工程学报 2014(01)
    • [22].压缩感知点云数据压缩[J]. 应用科学学报 2014(05)
    • [23].多视点云数据快速对齐方法[J]. 机械设计与研究 2009(01)
    • [24].基于地铁隧道点云数据的组合滤波算法[J]. 沈阳建筑大学学报(自然科学版) 2020(03)
    • [25].三维激光点云数据精简算法[J]. 吉首大学学报(自然科学版) 2018(05)
    • [26].基于颜色取样的苹果树枝干点云数据提取方法[J]. 农业机械学报 2019(10)
    • [27].基于法矢修正的点云数据去噪平滑算法[J]. 哈尔滨理工大学学报 2018(05)
    • [28].一种改进的点云数据精简算法[J]. 现代制造工程 2016(12)
    • [29].新的点云数据压缩法在舞动治理工程中的应用研究[J]. 山西建筑 2017(26)
    • [30].欧氏聚类算法支持下的点云数据分割[J]. 测绘通报 2017(11)

    标签：;  ;  ;  ;  

    基于地面三维激光的溶洞点云数据处理及应用研究
    下载Doc文档

    猜你喜欢

    © 2024 毕论降 版权所有 鄂ICP备12018319号-6