保存特征的点云数据精简方法研究

保存特征的点云数据精简方法研究

论文摘要

随着激光扫描技术、计算机技术的快速发展,三维激光扫描仪可在短时间内获取大量高精度的三维点云模型,然而这些高精度的点云模型中包含了大量冗余数据,极大影响三维曲面建模以及特征判断。特征点是最基本的曲面几何形状的特征基元,同时也是精简后数据在模型重构中的关键数据点,特征提取的优劣直接影响后续模型的形状表达和匹配的准确性。本文以点云模型为研究对象,重点研究了散乱点云数据基于法矢的特征提取方法,并将特征保留应用于数据精简,旨在提高精简后模型重建的质量。主要研究内容和结论如下:(1)三维点云数据的邻域主要包括k邻域、Voronoi邻域和BSP邻域,k邻域计算需依据点云模型、点云密度以及均匀度来判断,因此本文在数据处理时选用更为可靠的k邻域。为了便于邻域构建,首先需要建立点云数据拓扑关系,论文分析了三种常见建立点云数据拓扑关系的方法,并研究了效率较高的八叉树法在构建k邻域时的具体步骤。(2)传统的基于局部曲面拟合法在法矢解算时,对邻域大小有较强的敏感性,并且法矢估算不准确,导致在用法矢信息提取特征点时存在误判。针对此问题,论文研究了一种基于移动最小二乘拟合局部曲面的法矢估算法。该方法首先在构建k邻域的基础上,用移动最小二乘拟合局部曲面;然后基于拟合的局部曲面估算点云法矢,并统一法矢方向;最后将采样点与k邻域法矢夹角余弦平均值作为特征权值,通过特征权值与设定阈值大小的对比,提取出点云数据中的特征点。通过实验表明,在模型合适的邻域选取范围之内,本文方法在法矢解算时受邻域点影响较小,与传统方法相比,精度更高,鲁棒性更强。(3)现有的精简方法在处理曲面变化较大的点云模型时,不易保存原有数据特征,导致重构后的模型与原始模型偏差较大。针对此问题,本文通过分析研究几种常用方法,提出了一种特征保留的数据精简法。该方法先确定原始数据中的特征点,并作为核心点保存不变;然后用包围盒重心压缩算法在非特征区建立包围盒,精简相应比例的数据;最后输出提取的特征点与包围盒重心压缩法精简后的非特征点集。通过实验表明,经过本方法精简后的点云数据在实现精简的同时保留了原始特征点,对比不同精简方法重构模型以及模型标准偏差,表明本文方法在数据精简时,相比传统方法具有一定的优势。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  •   1.1 研究背景及意义
  •   1.2 三维激光相应理论以及应用
  •     1.2.1 三维激光工作原理
  •     1.2.2 主要应用邻域
  •   1.3 国内外研究现状
  •     1.3.1 特征提取研究现状
  •     1.3.2 数据精简研究现状
  •   1.4 主要研究内容
  • 第二章 点云数据邻域构建
  •   2.1 点云数据的分类
  •   2.2 散乱点云数据特点
  •   2.3 点云数据的邻域
  •     2.3.1 k邻域
  •     2.3.2 Voronoi邻域
  •     2.3.3 BSP邻域
  •   2.4 建立点云数据拓扑关系
  •     2.4.1 K-D树法
  •     2.4.2 三维栅格法
  •     2.4.3 八叉树法
  •   2.5 邻域构建
  •   2.6 本章小结
  • 第三章 特征点的提取
  •   3.1 经典的曲面拟合法
  •     3.1.1 最小二乘法
  •     3.1.2 正交最小二乘法
  •   3.2 移动最小二乘曲面拟合
  •   3.3 基于法矢信息的数据特征点提取
  •     3.3.1 空间离散点法矢的解算
  •     3.3.2 法矢的估算
  •     3.3.3 法矢方向调整
  •     3.3.4 特征点的提取
  •   3.4 实验结果与分析
  •     3.4.1 邻域的敏感性
  •     3.4.2 特征提取结果
  •     3.4.3对比实验
  •   3.5 本章小结
  • 第四章 一种改进的包围盒重心压缩算法
  •   4.1 传统的数据精简方法
  •     4.1.1 随机采样法
  •     4.1.2 包围盒重心压缩采样法
  •     4.1.3 曲率采样法
  •   4.2 点云精简效果度量
  •   4.3 改进包围盒重心压缩算法
  •     4.3.1 基本思路
  •     4.3.2 基于特征保留的数据精简法
  •   4.4 实验结果与分析
  •     4.4.1 数据精简实验
  •     4.4.2 对比实验
  •     4.4.3 精度分析
  •   4.5 本章小结
  • 第五章 结论与展望
  •   5.1 结论
  •   5.2 展望
  • 参考文献
  • 致谢
  • 攻读学位期间的研究成果
  • 文章来源

    类型: 硕士论文

    作者: 吴光荣

    导师: 徐昌荣

    关键词: 点云,法矢,特征点,精简,八叉树

    来源: 江西理工大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 物理学,无线电电子学

    单位: 江西理工大学

    分类号: TN249

    总页数: 67

    文件大小: 5074K

    下载量: 141

    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:;  ;  ;  ;  ;  

    保存特征的点云数据精简方法研究
    下载Doc文档

    猜你喜欢