數(shù)字城市主要特征之一就是三維城市模型的建立,建筑物是城市中的重要組成部分。在利用地面三維激光掃描儀獲取一個(gè)完整建筑物點(diǎn)云數(shù)據(jù)時(shí),需要在不同視角下對建筑物進(jìn)行掃描。在對建筑物點(diǎn)云數(shù)據(jù)的重建過程中,點(diǎn)云配準(zhǔn)技術(shù)發(fā)揮著關(guān)鍵作用,為此,本文重點(diǎn)研究了多視點(diǎn)下建筑物三維點(diǎn)云數(shù)據(jù)的配準(zhǔn)問題。主要工作如下:(1)實(shí)現(xiàn)了多種對建筑物多平面結(jié)構(gòu)的提取算法。這些算法包括基于RANSAC(隨機(jī)采樣一致性)平面提取算法、基于區(qū)域生長的平面提取算法、基于J-Linkage平面提取算法和基于聯(lián)合聚類的平面提取算法。論文表明了基于聯(lián)合聚類的平面提取算法不需要設(shè)置先驗(yàn)參數(shù),同時(shí)避免了過分類和欠分類問題,適合建筑物點(diǎn)云平面提取。(2)提出了一種新的基于建筑物平面的點(diǎn)云配準(zhǔn)方法,該算法利用了建筑物含有大量平面結(jié)構(gòu)的特點(diǎn)。首先,使用聯(lián)合聚類方法提取建筑物平面結(jié)構(gòu),再對這些平面結(jié)構(gòu)進(jìn)行正射投影生成二維圖片;然后,采用SIFT描述子對多站點(diǎn)云形成的多張二維圖片進(jìn)行對應(yīng)點(diǎn)匹配,并與它們在點(diǎn)云中的三維坐標(biāo)關(guān)聯(lián);最后,使用三點(diǎn)RANSAC算法和最小二乘法求解點(diǎn)云變換矩陣,完成建筑物點(diǎn)云配準(zhǔn)。通過實(shí)驗(yàn)證明本文提出的方法具有很高的配準(zhǔn)精...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-5論文結(jié)構(gòu)以及各章節(jié)之間的關(guān)系

西南交通大學(xué)博士研究生學(xué)位論文第20頁第二章、第三章以及第四章為本研究的核心與方法，第五章為本研究的總結(jié)與展望。各章節(jié)的詳細(xì)安排如下：圖1-5論文結(jié)構(gòu)以及各章節(jié)之間的關(guān)系第一章為緒論。主要介紹論文的研究背景，并從點(diǎn)云面片提娶點(diǎn)云配準(zhǔn)以及建筑物三維重建三個(gè)方面詳細(xì)分析了國內(nèi)外相關(guān)研....

圖5-5不同視角的建筑物L(fēng)iDAR點(diǎn)云數(shù)據(jù)

集美大學(xué)碩士學(xué)位論文不同視角下建筑物L(fēng)iDAR點(diǎn)云配準(zhǔn)技術(shù)的研究為了避免二維圖像的同名點(diǎn)索引回到三維點(diǎn)云時(shí)出現(xiàn)的誤匹配問題，本章對降維得到的二維圖像采用模板匹配法找到的同名點(diǎn)，對其所處的同名格里的點(diǎn)進(jìn)行統(tǒng)計(jì)，若同名格里的點(diǎn)不止一個(gè)點(diǎn)，則就將此同名點(diǎn)剔除，放棄此找到的二維圖像....

圖2.4生成關(guān)鍵點(diǎn)特征向量

高斯加權(quán)運(yùn)算。然后，如圖將的窗口均勻分為4塊，在每塊內(nèi)做8個(gè)梯度方向的統(tǒng)計(jì)，這樣，最終得到一個(gè)唯一用于標(biāo)識的多維特征描述子，如圖2.4所示。圖2.4生成關(guān)鍵點(diǎn)特征向量

圖3.6窗戶點(diǎn)云數(shù)據(jù)

可以將設(shè)置為半稠密點(diǎn)云中點(diǎn)的采樣平均間隔。本文所采集目標(biāo)的平面結(jié)構(gòu)包含豐富的幾何特征或顏色特征，所以將設(shè)置為很小時(shí)也能完成后續(xù)對應(yīng)點(diǎn)提取工作。圖3.6窗戶點(diǎn)云數(shù)據(jù)

本文編號：3890783