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

保存特征的点云数据精简方法研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢