本文選題：三維激光掃描技術(shù) + 羊體點(diǎn)云��； 參考：《內(nèi)蒙古農(nóng)業(yè)大學(xué)》2017年碩士論文

【摘要】：利用三維激光點(diǎn)云數(shù)據(jù),實(shí)現(xiàn)實(shí)體的三維重構(gòu)模型具有重要的實(shí)用價(jià)值,成為測(cè)量測(cè)繪、圖形圖像處理等多領(lǐng)域的熱點(diǎn)研究?jī)?nèi)容。羊作為內(nèi)蒙古地區(qū)主要的家畜之一,具有非常重要的經(jīng)濟(jì)價(jià)值和研究意義,本文以羊體為例,實(shí)現(xiàn)了羊體三維激光點(diǎn)云數(shù)據(jù)的三維重構(gòu)。利用三維激光掃描儀對(duì)目標(biāo)物體進(jìn)行采樣的過(guò)程中,由于設(shè)備自身、目標(biāo)材質(zhì),以及掃描過(guò)程中手臂的抖動(dòng)等問(wèn)題,采集到的點(diǎn)集數(shù)據(jù)中不可避免的會(huì)存在錯(cuò)誤點(diǎn),即噪聲數(shù)據(jù),噪聲數(shù)據(jù)會(huì)影響后期羊體重建精度,造成羊體建模失真等問(wèn)題;伴隨著科研技術(shù)的不斷進(jìn)步,三維激光掃描的儀器設(shè)備不斷升級(jí),采集精度逐步提升,采樣的數(shù)據(jù)量隨之變大,數(shù)據(jù)量過(guò)多勢(shì)必會(huì)影響到數(shù)據(jù)處理速度和存儲(chǔ)效率。因此,在對(duì)羊體進(jìn)行點(diǎn)云數(shù)據(jù)進(jìn)行三維重構(gòu)之前,必須對(duì)其進(jìn)行去噪、精簡(jiǎn)處理。本文以羊體三維激光掃描數(shù)據(jù)為研究對(duì)象,對(duì)點(diǎn)云去噪、點(diǎn)云精簡(jiǎn)、點(diǎn)云三角剖分三方面進(jìn)行了探討研究,論文的主要內(nèi)容如下:(1)針對(duì)利用HandyScan 3D手持式三維激光掃描儀采集到的羊體模型點(diǎn)云數(shù)據(jù),含有離群噪聲數(shù)據(jù)的情況,提出了結(jié)合k-鄰域搜索去噪方法和中值濾波方法,實(shí)現(xiàn)離群噪聲數(shù)據(jù)的剔除。同時(shí),改進(jìn)了 k-鄰域搜索方法,以此改善點(diǎn)云數(shù)據(jù)中近鄰點(diǎn)的搜索效率。(2)分別利用均勻包圍盒方法、曲率精簡(jiǎn)方法和基于八叉樹(shù)編碼的區(qū)域重心方法對(duì)羊體點(diǎn)云數(shù)據(jù)樣本進(jìn)行數(shù)據(jù)精簡(jiǎn)處理,并對(duì)精簡(jiǎn)后的數(shù)據(jù)結(jié)果進(jìn)行分析,總結(jié)了各個(gè)方法的優(yōu)缺點(diǎn),對(duì)比得出靈活性更高的基于八叉樹(shù)編碼的區(qū)域重心數(shù)據(jù)精簡(jiǎn)方法更符合精簡(jiǎn)要求。(3)介紹了 Crust三角剖分方法,并以Crust三角剖分方法對(duì)羊體點(diǎn)云數(shù)據(jù)進(jìn)行剖分,得到較好的三角剖分效果,實(shí)現(xiàn)羊體三維重構(gòu)。
[Abstract]:Using 3D laser point cloud data to realize 3D reconstruction model of solid has important practical value and has become a hot research content in many fields, such as surveying and mapping, graphic and image processing and so on.Sheep, as one of the main livestock in Inner Mongolia, has very important economic value and research significance. In this paper, we take sheep body as an example to realize 3D reconstruction of goat body 3D laser point cloud data.In the process of sampling the target object by using 3D laser scanner, due to the problems of equipment itself, target material, and arm jitter during the scanning process, errors will inevitably exist in the collected point set data.That is, noise data and noise data will affect the accuracy of sheep weight building in the later period, resulting in the distortion of sheep body modeling, etc. With the development of scientific research technology, the equipment and equipment of 3D laser scanning are constantly upgraded, and the acquisition accuracy is gradually improved.The amount of data sampled becomes larger, and too much data will affect the speed of data processing and the efficiency of storage.Therefore, before the point cloud data can be reconstructed, it must be de-noised and reduced.In this paper, three aspects of point cloud denoising, point cloud reduction and point cloud triangulation are studied based on the three dimensional laser scanning data of sheep body.The main contents of this paper are as follows: (1) aiming at the point cloud data of sheep body model collected by HandyScan 3D handheld 3D laser scanner and containing outliers noise data, a new method of de-noising based on k-neighborhood search and median filtering method is proposed.The outlier noise data are eliminated.At the same time, the k-neighborhood search method is improved to improve the search efficiency of nearest neighbor points in point cloud data.The curvature reduction method and the region barycenter method based on octree coding are used to simplify the data of sheep body point cloud data, and the results are analyzed, and the advantages and disadvantages of each method are summarized.Compared with the more flexible regional barycenter data reduction method based on octree coding, this paper introduces the Crust triangulation method, and uses Crust triangulation method to divide the goat body point cloud data.A better triangulation effect is obtained and the three-dimensional reconstruction of sheep body is realized.
【學(xué)位授予單位】：內(nèi)蒙古農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TN249

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張炳超;夏娟;李志偉;張敬業(yè);夏紅梅;;面向摘取的番木瓜三維重構(gòu)與特征參數(shù)提取[J];農(nóng)機(jī)化研究;2016年12期

2 李泉;程效軍;;自定位手持式三維激光掃描儀精度測(cè)試與分析[J];測(cè)繪通報(bào);2016年10期

3 麻衛(wèi)峰;周興華;徐文學(xué);潘光江;;一種基于局部曲率特征的點(diǎn)云精簡(jiǎn)算法[J];測(cè)繪工程;2015年11期

4 楊林;盛業(yè)華;王波;;利用三維激光掃描技術(shù)進(jìn)行建筑物室內(nèi)外一體建模方法研究[J];測(cè)繪通報(bào);2014年07期

5 徐亞軍;魏永超;;基于最小曲面距離的快速點(diǎn)云精簡(jiǎn)算法[J];光電工程;2013年08期

6 李寶;程志全;黨崗;金士堯;;一種基于RANSAC的點(diǎn)云特征線提取算法[J];計(jì)算機(jī)工程與科學(xué);2013年02期

7 王瑜;劉西濤;王照星;薛勇;;三維激光掃描技術(shù)在石化企業(yè)的應(yīng)用[J];測(cè)繪通報(bào);2011年11期

8 袁方;唐杰;武港山;;一種基于三維Delaunay三角化的曲面重建算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年10期

9 吳莉莉;;Delaunay三角剖分的幾種算法綜述[J];科技信息;2011年28期

10 姚吉利;劉科利;張磊;劉守忠;;基于3D激光掃描的金屬礦測(cè)量方法研究[J];金屬礦山;2011年07期

相關(guān)博士學(xué)位論文 前3條

1 劉同海;基于雙目視覺(jué)的豬體體尺參數(shù)提取算法優(yōu)化及三維重構(gòu)[D];中國(guó)農(nóng)業(yè)大學(xué);2014年

2 王麗輝;三維點(diǎn)云數(shù)據(jù)處理的技術(shù)研究[D];北京交通大學(xué);2011年

3 李寶;三維點(diǎn)云的魯棒處理技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 文瑞潔;三維激光點(diǎn)云的處理及重建技術(shù)研究[D];北京工業(yè)大學(xué);2016年

2 史秦哲;基于地面三維激光掃描數(shù)據(jù)的地表曲面重建研究[D];江西理工大學(xué);2015年

3 唐靖;三維重建過(guò)程中的點(diǎn)云數(shù)據(jù)處理技術(shù)研究[D];重慶理工大學(xué);2015年

4 孫鵬飛;基于坐標(biāo)增量的點(diǎn)云數(shù)據(jù)精簡(jiǎn)壓縮分析與實(shí)踐[D];西安科技大學(xué);2014年

5 蔡志敏;基于點(diǎn)云數(shù)據(jù)的精簡(jiǎn)算法研究[D];北京建筑大學(xué);2014年

6 李勇;無(wú)人飛行器在特高壓交流輸電線路巡視中的應(yīng)用模式研究[D];華北電力大學(xué);2014年

7 張夢(mèng)澤;三維點(diǎn)云數(shù)據(jù)的精簡(jiǎn)與平滑處理算法[D];中國(guó)海洋大學(xué);2014年

8 陶茂枕;基于BP神經(jīng)網(wǎng)絡(luò)的三維激光掃描點(diǎn)云數(shù)據(jù)的濾波方法研究[D];長(zhǎng)安大學(xué);2014年

9 魏玫;散亂點(diǎn)云精簡(jiǎn)及三角網(wǎng)格重構(gòu)技術(shù)研究[D];南昌大學(xué);2014年

10 郭超;三維激光掃描數(shù)據(jù)處理及在礦區(qū)大壩沉陷監(jiān)測(cè)中的應(yīng)用研究[D];吉林大學(xué);2014年

，

本文編號(hào)：1733165