本文關鍵詞：不同視角下建筑物LiDAR點云配準技術的研究

  更多相關文章： 點云配準 建筑物LiDAR點云 FPFH描述子 ISS算法 CPD算法 模板匹配 降維 重采樣

【摘要】：激光掃描技術因具有連續(xù)、自動、不接觸和快速地采集高分辨率空間三維數(shù)據(jù)的特點,正逐步成為建筑物三維重建及數(shù)字城市中的新研究熱點。為構(gòu)建一個完整的建筑物LiDAR點云數(shù)據(jù)結(jié)構(gòu),需要對不同視角下獲取的建筑物LiDAR點云數(shù)據(jù)進行配準。為此,本文以建筑物的三維重建為背景,重點研究了不同視角下建筑物Li DAR點云數(shù)據(jù)的配準問題。主要工作如下:1.針對建筑物LiDAR點云數(shù)據(jù)采用基于FPFH特征描述子的點云配準算法進行配準時,僅采用距離閾值法剔除錯誤的對應關系后仍然存在著許多誤匹配點,導致配準精度不足的問題,提出了一種改進的配準算法。該算法在基于距離閾值法剔除誤匹配點的基礎上,加入了消除重復匹配點的約束條件,并利用特征點處的法向量進行約束,完成對剩余誤匹配點的剔除,最后對建筑物LiDAR點云進行配準。實驗表明,改進的配準算法可以很好地完成建筑物LiDAR點云的配準,提高配準的精度。2.針對傳統(tǒng)的CPD配準算法計算復雜度高,大規(guī)模點云數(shù)據(jù)難以直接采用此算法進行配準的問題,提出了一種基于ISS特征點的快速CPD建筑物LiDAR點云的配準算法。首先,對建筑物LiDAR點云數(shù)據(jù)采用ISS算法提取特征點,減少建筑物LiDAR點云的數(shù)據(jù)量規(guī)模;其次,將提取得到的不同視角下建筑物LiDAR點云的ISS特征點采用CPD算法進行配準。實驗結(jié)果表明,改進的配準算法簡單有效、穩(wěn)定可靠,提高了建筑物LiDAR點云采用CPD算法配準的效率。3.由二維圖像的配準算法與建筑物豐富的結(jié)構(gòu)信息得到啟發(fā),提出了一種基于降維的建筑物LiDAR點云配準算法。該方法采用降維的思想,首先,采用最小二乘法對建筑物的立面進行擬合,形成建筑物的投影面;其次,將建筑物LiDAR點云垂直投影到建筑物的投影面,最大限度的保持了建筑物固有的結(jié)構(gòu)信息;然后,將投影點進行重采樣生成二維圖像,利用模板匹配法求出圖像的同名點;最后,將圖像的同名點索引回到建筑物LiDAR點云數(shù)據(jù)中,完成配準。實驗表明,本文提出的配準算法,可以準確地獲取建筑物LiDAR點云的同名點,有效地完成建筑物LiDAR點云的配準。
【關鍵詞】：點云配準 建筑物LiDAR點云 FPFH描述子 ISS算法 CPD算法 模板匹配 降維 重采樣
【學位授予單位】：集美大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TU198;TN249
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-16
• 1.1 研究背景和研究意義9-10
• 1.2 點云配準的國內(nèi)外研究現(xiàn)狀及問題10-14
• 1.2.1 基于足點分布的配準算法11-12
• 1.2.2 基于特征的配準算法12-14
• 1.3 研究目標14
• 1.4 本文的結(jié)構(gòu)安排14-16
• 第2章 地面激光掃描儀簡介16-21
• 2.1 地面激光掃描儀的基本工作原理16-18
• 2.2 典型的地面激光掃描儀簡介18-21
• 第3章 基于 FPFH 特征描述子的建筑物 LiDAR 點云配準算法21-36
• 3.1 引言21
• 3.2 配準流程概述21-22
• 3.3 點云特征描述22-28
• 3.3.1 點云關鍵點提取22-24
• 3.3.2 點云的表面法線24
• 3.3.3 點特征直方圖（PFH）描述子24-26
• 3.3.4 快速點特征直方圖（FPFH）描述子26-28
• 3.3.5 PFH和FPFH的區(qū)別28
• 3.4 對應關系估計28-30
• 3.4.1 特征點對應估計28-29
• 3.4.2 奇異值法解變換矩陣29-30
• 3.5 實驗結(jié)果與分析30-35
• 3.6 本章小結(jié)35-36
• 第4章 基于ISS特征點的快速CPD建筑物LIDAR點云配準算法36-48
• 4.1 引言36
• 4.2 ISS算法36-37
• 4.3 CPD算法模型37-40
• 4.3.1 極大似然估計37-38
• 4.3.2 CPD配準算法目標函數(shù)的構(gòu)造38-39
• 4.3.3 EM算法解變換參數(shù)39-40
• 4.4 算法流程概述40-41
• 4.5 算法復雜度分析41
• 4.6 實驗結(jié)果與分析41-47
• 4.7 本章小結(jié)47-48
• 第5章 基于降維的建筑物LIDAR點云配準算法48-62
• 5.1 引言48
• 5.2 配準算法概述48-49
• 5.3 建筑物LIDAR點云的降維49-52
• 5.3.1 建筑物投影面的確定49-50
• 5.3.2 點云投影50-51
• 5.3.3 投影點采樣51-52
• 5.4 基于平方差的模板匹配52-53
• 5.5 點云同名點的索引53-54
• 5.6 實驗結(jié)果與分析54-61
• 5.7 本章小結(jié)61-62
• 第6章 總結(jié)與展望62-64
• 6.1 論文的工作總結(jié)62-63
• 6.2 問題與展望63-64
• 致謝64-66
• 參考文獻66-70
• 在學期間科研成果情況70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 高恩陽;鄭昊鴻;;點云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

2 龔書林;;三維激光點云處理軟件的若干關鍵技術[J];測繪通報;2014年06期

3 趙強;彭國華;王鋒;;點云精簡的一種方法[J];西南民族大學學報(自然科學版);2006年05期

4 李德江;張延波;于曼竹;姜麗麗;曲雪光;;基于掃描模式的點云修復技術研究[J];測繪與空間地理信息;2011年06期

5 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[J];測繪通報;2012年S1期

6 詹慶明;張海濤;喻亮;;古建筑激光點云-模型多層次一體化數(shù)據(jù)模型[J];地理信息世界;2010年04期

7 曾敬文;朱照榮;丁銳;;基于立方體網(wǎng)格的數(shù)據(jù)點云約簡和體積計算方法[J];測繪科學;2008年06期

8 楊欣;姚海燕;;平面點云邊界參數(shù)識別[J];中國西部科技;2009年27期

9 孫瑞;張彩霞;;點云數(shù)據(jù)壓縮算法綜述[J];科技信息;2010年32期

10 張毅;閆利;;地面激光點云強度噪聲的三維擴散濾波方法[J];測繪學報;2013年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點云生成和預處理[A];2011年全國通信安全學術會議論文集[C];2011年

2 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

3 馬國慶;陶萍萍;楊周旺;;點云空間曲線的微分信息計算及匹配方法[A];第四屆全國幾何設計與計算學術會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點云精簡算法[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機載激光點云快速繪制方法[A];第二十五屆全國空間探測學術研討會摘要集[C];2012年

6 李凱;張愛武;;基于激光點云的糧倉儲糧數(shù)量測量方法[A];第二屆“測繪科學前沿技術論壇”論文精選[C];2010年

7 朱曉強;余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點云的城市道路提取[A];全國第19屆計算機技術與應用（CACIS）學術會議論文集（上冊）[C];2008年

8 劉虎;;基于線性八叉樹的點云簡化與特征提取研究[A];促進科技經(jīng)濟結(jié)合，，服務創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學術年會論文集[C];2012年

9 李濱;王佳;;基于點云的建筑測繪信息提取[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點云切片技術研究[A];全國先進制造技術高層論壇暨第八屆制造業(yè)自動化與信息化技術研討會論文集[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 曹裕華 高化猛 江鴻賓;激光點云 亦真亦幻[N];解放軍報;2013年

2 中國工程院院士 劉先林;四維遠見的裝備創(chuàng)新[N];中國測繪報;2012年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學;2012年

2 劉涌;基于連續(xù)序列自動快速拼接的全方位三維測量技術研究[D];西南交通大學;2013年

3 袁小翠;產(chǎn)品表面缺陷視覺檢測數(shù)據(jù)處理關鍵技術研究[D];南昌大學;2015年

4 賴祖龍;基于LiDAR點云與影像的海岸線提取和地物分類研究[D];武漢大學;2013年

5 王瑞巖;計算機視覺中相機標定及點云配準技術研究[D];西安電子科技大學;2015年

6 段敏燕;機載激光雷達點云電力線三維重建方法研究[D];武漢大學;2015年

7 韓峰;基于點云信息的既有鐵路狀態(tài)檢測與評估技術研究[D];西南交通大學;2015年

8 金龍存;3D點云復雜曲面重構(gòu)關鍵算法研究[D];上海大學;2012年

9 李揚彥;基于點云的三維重建與形變事件分析[D];中國科學院深圳先進技術研究院;2013年

10 楊德賀;面向虛擬測方系統(tǒng)的點云聚類與擬合理論[D];中國礦業(yè)大學（北京）;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 段紅娟;點云圖像交互式曲線骨架提取技術及其應用[D];西南交通大學;2015年

2 張永恒;散亂點云數(shù)據(jù)配準方法研究[D];長安大學;2015年

3 吳愛;面向特征擬合的點云簡化方法研究[D];中國地質(zhì)大學(北京);2015年

4 薛廣順;基于立體視覺的牛體點云獲取方法研究與實現(xiàn)[D];西北農(nóng)林科技大學;2015年

5 呂超;異型面工件定位裝配系統(tǒng)測控技術研究[D];北京交通大學;2016年

6 劉婷玉;基于逆向工程的曲面模型數(shù)字化技術研究[D];華東理工大學;2016年

7 羅寒;地面激光掃描三維模型重建技術研究[D];東華理工大學;2016年

8 劉群;基于小光斑機載LiDAR數(shù)據(jù)的單木三維分割[D];北京林業(yè)大學;2016年

9 張巍;基于深度相機Kinect的植物葉片重建研究[D];江蘇大學;2016年

10 謝穎;基于三維激光掃描的糧倉儲量測量中點云數(shù)據(jù)處理技術的研究[D];華東師范大學;2016年

本文編號：1056117