三維激光掃描系統(tǒng)作為目前空間數(shù)據(jù)采集的主要方式之一,能夠連續(xù)獲取掃描物體表面大量的三維點(diǎn)云數(shù)據(jù)。但隨著高精度、高密度點(diǎn)云的快速掃描的發(fā)展,也帶來了點(diǎn)云冗余的問題。為滿足不同精度的點(diǎn)云建模實(shí)際需求和提高點(diǎn)云后續(xù)處理的速度,用盡量少的點(diǎn)云盡可能地表達(dá)更詳細(xì)的物體特征,對點(diǎn)云進(jìn)行精簡壓縮成為了大規(guī)模點(diǎn)云數(shù)據(jù)處理中主要關(guān)鍵問題之一。在對目前點(diǎn)云壓縮方法研究的基礎(chǔ)上,針對經(jīng)典區(qū)域重心法的局限性,結(jié)合各種三維激光掃描系統(tǒng)獲得的點(diǎn)云數(shù)據(jù)的特點(diǎn)和三維空間分割理論對其進(jìn)行改進(jìn),在點(diǎn)云數(shù)據(jù)的驅(qū)動下,設(shè)計(jì)了基于八叉樹的點(diǎn)云區(qū)域重心精簡算法。首先,在數(shù)據(jù)驅(qū)動、壓縮比控制的條件下,分步建立自適應(yīng)八叉樹空間結(jié)構(gòu)。第一步,根據(jù)改進(jìn)的壓縮比相關(guān)公式確定的八叉樹的初始分辨率和樹深,初步劃分由點(diǎn)云數(shù)據(jù)確定的最外包圍盒空間,然后再將點(diǎn)云插入初始八叉樹。第二步,根據(jù)插入后最小包圍盒內(nèi)點(diǎn)云個數(shù)情況,在壓縮比控制下確定點(diǎn)數(shù)閾值范圍,對點(diǎn)云進(jìn)行自適應(yīng)的空間劃分。然后,在自適應(yīng)八叉樹的基礎(chǔ)上,遍歷節(jié)點(diǎn)建立線性八叉樹存貯結(jié)構(gòu)。線性八叉樹只存貯實(shí)葉節(jié)點(diǎn)的特性能夠減少樹深過深時帶來的內(nèi)存空間方面的占用,增加空間利用率的同時也提高留存的實(shí)葉節(jié)點(diǎn)的點(diǎn)云精簡的效率。最后,根據(jù)點(diǎn)云數(shù)據(jù)屬性內(nèi)容以及同種物體強(qiáng)度信息相同的理論,拓展“重心”概念,將強(qiáng)度信息加入精簡指標(biāo)中。利用歸一化思想將距離差值和強(qiáng)度差值去量綱化,做數(shù)據(jù)綜合處理以確定最合適的體素重心點(diǎn)。利用多源數(shù)據(jù)進(jìn)行各個程度壓縮比控制下的不同壓縮方法間的效果對照,發(fā)現(xiàn)分步劃分的自適應(yīng)線性八叉樹結(jié)構(gòu)壓縮在時間耗費(fèi)上比均勻劃分的三維柵格化體元陣列壓縮有明顯降低,大大提高了壓縮效率。同時,各種形式采集的點(diǎn)云數(shù)據(jù)在較低壓縮比時依然出色的精簡效果,也說明經(jīng)過自適應(yīng)八叉樹改進(jìn)的空間劃分形成的多細(xì)節(jié)層次包圍盒擴(kuò)大了方法的通用性,使其能夠適用于復(fù)雜場景的散亂點(diǎn)云精簡。綜合標(biāo)準(zhǔn)偏差的數(shù)據(jù)指標(biāo)分析,基于八叉樹的點(diǎn)云區(qū)域重心精簡方法在相同壓縮率下對點(diǎn)云的壓縮效果比傳統(tǒng)區(qū)域重心法亦有較大提升。
【學(xué)位單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TN249
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 點(diǎn)云數(shù)據(jù)處理
        1.2.2 點(diǎn)云數(shù)據(jù)精簡
        1.2.3 Octree在點(diǎn)云處理中的應(yīng)用
    1.3 研究內(nèi)容和技術(shù)路線
        1.3.1 研究內(nèi)容和方法
        1.3.2 技術(shù)路線
第二章 三維激光掃描及點(diǎn)云數(shù)據(jù)壓縮技術(shù)
    2.1 三維激光掃描系統(tǒng)及應(yīng)用
    2.2 點(diǎn)云獲取及壓縮
        2.2.1 不同采集方式點(diǎn)云特征
        2.2.2 點(diǎn)云數(shù)據(jù)壓縮
        2.2.3 數(shù)據(jù)壓縮方法
    2.3 PCL與CloudCompare
        2.3.1 PCL與CloudCompare概述
        2.3.2 PCL的結(jié)構(gòu)和內(nèi)容
        2.3.3 PCL中Octree模塊
第三章 基于Octree的區(qū)域重心法改進(jìn)
    3.1 區(qū)域重心法
    3.2 Octree基本理論
        3.2.1 Octree的定義
        3.2.2 Octree的節(jié)點(diǎn)
        3.2.3 分辨率與包圍盒
        3.2.4 Octree的遍歷
        3.2.5 節(jié)點(diǎn)編碼
    3.3 利用Octree思想對區(qū)域重心法改進(jìn)
        3.3.1 Octree空間劃分
        3.3.2 Octree分割停止條件
        3.3.3 葉節(jié)點(diǎn)內(nèi)數(shù)據(jù)“重心”精簡標(biāo)準(zhǔn)
第四章 基于Octree的點(diǎn)云區(qū)域重心精簡方法對比實(shí)驗(yàn)研究
    4.1 多源點(diǎn)云數(shù)據(jù)多種壓縮方法對比實(shí)驗(yàn)
        4.1.1 地面激光點(diǎn)云多方法壓縮對比
        4.1.2 車載激光點(diǎn)云多方法壓縮對比
        4.1.3 機(jī)載LiDAR點(diǎn)云多方法壓縮對比
    4.2 點(diǎn)云數(shù)據(jù)壓縮效果評比
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
攻讀碩士期間發(fā)表的學(xué)術(shù)論文

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 易航;李浩;楊彪;韋立新;蔣建平;;基于聚類與重構(gòu)的河流區(qū)域?yàn)V波方法[J];地理空間信息;2017年10期

2 王培俊;呂東旭;陳鵬;高速道岔尖軌點(diǎn)云的復(fù)合拼接及數(shù)據(jù)處理優(yōu)化[J];西南交通大學(xué)學(xué)報(bào);年期

3 馬東嶺;王曉坤;李廣云;;一種基于高度差異的點(diǎn)云數(shù)據(jù)分類方法[J];測繪通報(bào);2018年06期

4 楊德山;董麗麗;梁倩倩;張望;許文海;;手提激光盤煤儀點(diǎn)云去噪[J];激光雜志;2017年05期

5 楊澤鑫;程效軍;丁瓊;程小龍;;面向室內(nèi)場景點(diǎn)云的對象重建[J];測繪通報(bào);2017年06期

6 翁福洲;黃鶴;;快速點(diǎn)云定向數(shù)學(xué)模型實(shí)際精度分析[J];北京測繪;2017年04期

7 黃楠;岳建平;;基于點(diǎn)云幾何約束的仿真安裝探討[J];地理空間信息;2017年09期

8 琚俏俏;王令文;;基于自適應(yīng)切片的點(diǎn)云壓縮算法[J];工程勘察;2017年09期

9 趙龍;韋群;;序列圖像三維重構(gòu)中點(diǎn)云精簡算法的研究與改進(jìn)[J];計(jì)算機(jī)工程與應(yīng)用;2016年08期

10 許寧;鐘友玲;;地面三維激光掃描點(diǎn)云重建技術(shù)研究[J];數(shù)碼世界;2017年08期

相關(guān)博士學(xué)位論文 前10條

1 付瑋;基于攝影測量系統(tǒng)的標(biāo)定與表面數(shù)據(jù)融合算法研究[D];南昌大學(xué);2018年

2 黃旭;LiDAR點(diǎn)云約束下的多視影像密集匹配與融合方法研究[D];武漢大學(xué);2016年

3 謝洪;基于地面三維激光掃描技術(shù)的海量點(diǎn)云模型重建關(guān)鍵算法研究[D];武漢大學(xué);2013年

4 劉立坤;基于流形理論的LiDAR多維點(diǎn)云分割方法研究[D];武漢大學(xué);2015年

5 武劍潔;基于點(diǎn)的散亂點(diǎn)云處理技術(shù)的研究[D];華中科技大學(xué);2004年

6 吳世雄;逆向工程中多傳感器集成的智能化測量研究[D];浙江大學(xué);2005年

7 陳曦;反求工程中基于點(diǎn)云的特征挖掘技術(shù)研究[D];浙江大學(xué);2005年

8 蔡勇;基于核機(jī)器學(xué)習(xí)方法的點(diǎn)云處理若干方法研究[D];西南交通大學(xué);2006年

9 何朝明;離散點(diǎn)云處理的關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2007年

10 龔珍;地面三維激光掃描點(diǎn)云場景重建方法研究[D];中國地質(zhì)大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 周桐;基于特征組合的地面站激光點(diǎn)云配準(zhǔn)方法[D];武漢大學(xué);2017年

2 吳永興;利用車載LiDAR點(diǎn)云的自動成圖技術(shù)研究[D];中國地質(zhì)大學(xué)(北京);2018年

3 宋爽;基于機(jī)載LiDAR點(diǎn)云的電力走廊三維要素提取技術(shù)[D];武漢大學(xué);2017年

4 莊恩澤;基于Kinect三維重建的相關(guān)算法研究[D];福建師范大學(xué);2017年

5 高寒;基于點(diǎn)云的大豆植株三維重建[D];黑龍江八一農(nóng)墾大學(xué);2018年

6 趙紹安;基于三維激光點(diǎn)云的移動機(jī)器人同步定位與構(gòu)圖算法研究[D];電子科技大學(xué);2018年

7 劉宴誠;人機(jī)環(huán)境深度交互機(jī)器人關(guān)鍵技術(shù)研究[D];北方工業(yè)大學(xué);2018年

8 王勝宇;基于深度相機(jī)的人體模型重建技術(shù)的研究[D];北方工業(yè)大學(xué);2018年

9 陳超奇;基于Intel Real sense 3D實(shí)感技術(shù)的三維腳型參數(shù)測量與重構(gòu)[D];安徽大學(xué);2018年

10 李徐然;三維激光點(diǎn)云數(shù)字化爆破質(zhì)量分析與評價[D];西南交通大學(xué);2018年

本文編號：2842988