本文選題：三維點(diǎn)云　切入點(diǎn)：點(diǎn)云分割　出處：《中國地質(zhì)大學(xué)》2017年博士論文

【摘要】：隨著地理空間信息服務(wù)產(chǎn)業(yè)的快速發(fā)展,對地理空間數(shù)據(jù)產(chǎn)品的要求也越來越高。地理空間數(shù)據(jù)正朝著大信息量、高精度、可視化和可挖掘的方向發(fā)展。三維激光掃描作為一門新興的測繪技術(shù),是測繪領(lǐng)域繼GPS技術(shù)之后的又一次技術(shù)革命。該技術(shù)又稱實(shí)景復(fù)制技術(shù),能在短時(shí)間內(nèi)對感興趣的區(qū)域建立詳盡的三維模型,并進(jìn)行定量分析,為廣大測繪領(lǐng)域的科研工作者和工程技術(shù)人員提供了解決問題的新手段。目前國內(nèi)三維激光掃描技術(shù)正逐漸應(yīng)用于文物保護(hù)、工程計(jì)算、地形測繪、虛擬現(xiàn)實(shí)、變形監(jiān)測等領(lǐng)域。然而,在運(yùn)用三維激光點(diǎn)云進(jìn)行三維場景重建時(shí)還存在著許多問題,例如,在地形繪制場景中,研究者更關(guān)注點(diǎn)云的繪制效率,而現(xiàn)有的三維點(diǎn)云重建方法雖然提出了點(diǎn)云精簡算法,但很少有人關(guān)注點(diǎn)云所代表的某類地物特性,缺少對點(diǎn)云數(shù)據(jù)進(jìn)行分類精簡和重建的方法;在文物場景重建過程中,研究者更關(guān)注對缺失數(shù)據(jù)部分的重建精度,而現(xiàn)有方法的預(yù)測方法僅采用了支持向量機(jī)模型對缺失數(shù)據(jù)進(jìn)行預(yù)測,對缺失數(shù)據(jù)部分的重建精度較低;在變形監(jiān)測中,研究者更關(guān)注不同場景之間的差異化描述,而現(xiàn)有方法缺少對變化場景的整體描述的方法,難以精確描述不同場景之間相同區(qū)域的的整體差異。為此,本文針對三維激光掃描場景重建過程中存在的問題進(jìn)行深入研究和探討,所做的主要研究工作及取得的研究成果如下:1.在進(jìn)行多幅場景數(shù)據(jù)重建時(shí),需要對不同場景的點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn),在系統(tǒng)地分析現(xiàn)有基于點(diǎn)云幾何特征的點(diǎn)云配準(zhǔn)方法基礎(chǔ)上,進(jìn)行了基于點(diǎn)云特征點(diǎn)的整體點(diǎn)云初配準(zhǔn),該方法通過對特征點(diǎn)SIFT的提取,首先得到一組匹配點(diǎn)對,然后運(yùn)用SVD矩陣分解算法求出初始旋轉(zhuǎn)矩陣R和初始平移矩陣T。在此基礎(chǔ)上對現(xiàn)有的ICP精配準(zhǔn)算法進(jìn)行改進(jìn),針對ICP算法在高斯-牛頓近似值誤差較大時(shí)收斂速度慢的問題,采用LM算法對其投影矩陣進(jìn)行優(yōu)化,提出了基于SIFT特征點(diǎn)的LM-ICP點(diǎn)云配準(zhǔn)算法。此外,在實(shí)際配準(zhǔn)過程中,由于多幅場景的比例尺不盡相同,針對現(xiàn)有的ICP算法不能進(jìn)行多尺度點(diǎn)云配準(zhǔn)的問題,提出了基于SIFT特征點(diǎn)的多尺度點(diǎn)云場景配準(zhǔn)算法。通過實(shí)驗(yàn)驗(yàn)證了算法的有效性,取得了良好的配準(zhǔn)效果。2.在進(jìn)行單幅點(diǎn)云場景數(shù)據(jù)重建時(shí),或者當(dāng)多幅點(diǎn)云場景數(shù)據(jù)配準(zhǔn)成為單幅點(diǎn)云場景時(shí),由于三維激光掃描儀掃描的點(diǎn)云數(shù)據(jù)通常都是海量的三維數(shù)據(jù),如何對點(diǎn)云數(shù)據(jù)進(jìn)行簡化將影響點(diǎn)云精簡的效率以及最終的點(diǎn)云重建效果。本文提出了一種點(diǎn)云數(shù)據(jù)精簡改進(jìn)算法,根據(jù)掃描對象外在屬性(如變形區(qū)域和非變形區(qū)域,重點(diǎn)描述區(qū)域或非重點(diǎn)描述區(qū)域)來對三維點(diǎn)云數(shù)據(jù)進(jìn)行分類,將非重點(diǎn)區(qū)域的點(diǎn)云數(shù)據(jù)采用包圍盒精簡,對非重點(diǎn)區(qū)域的點(diǎn)云數(shù)據(jù)則不進(jìn)行數(shù)據(jù)精簡。最后,將精簡后的點(diǎn)云和未精簡的點(diǎn)云采用三角網(wǎng)逐點(diǎn)插入法進(jìn)行三維場景重建。實(shí)驗(yàn)結(jié)果表明該方法三維點(diǎn)云場景的快速重建提供了新的解決思路和方法。3.在進(jìn)行變化點(diǎn)云場景重建時(shí),需要采用合理的方法提取變化場景的點(diǎn)云數(shù)據(jù)和描述變化場景的點(diǎn)云數(shù)據(jù)模型�，F(xiàn)有的基于GPS采集儀的變形觀測由于受到觀測點(diǎn)數(shù)的影響,不能對變化區(qū)域進(jìn)行整體描述,因此,本文提出并分別采用區(qū)域增長法和形態(tài)學(xué)濾波算法提取點(diǎn)云的地面部分?jǐn)?shù)據(jù)點(diǎn),將不同變化區(qū)域的場景數(shù)據(jù),采用數(shù)學(xué)模型進(jìn)行描述,利用不同場景數(shù)據(jù)之間的相互夾角變化來描述場景中相應(yīng)面數(shù)據(jù)面的整體變化情況。此外,由于現(xiàn)有的改進(jìn)形態(tài)學(xué)濾波算法不適用于起伏變化的地面數(shù)據(jù)提取,因此提出了改進(jìn)的形態(tài)學(xué)點(diǎn)云濾波算法,為三維場景變化描述提供了新的解決思路。4.在進(jìn)行缺失場景的點(diǎn)云數(shù)據(jù)重建時(shí),由于儀器本身不足或人為干擾,容易出現(xiàn)點(diǎn)云數(shù)據(jù)丟失的情況。因此,在進(jìn)行建模之前,需要對點(diǎn)云缺失部分?jǐn)?shù)據(jù)進(jìn)行修補(bǔ)。由于不同缺失部分的點(diǎn)云數(shù)據(jù)特征不同,采用何種方式正確對其進(jìn)行填補(bǔ)至關(guān)重要的問,本文選用了基于粒子群優(yōu)化的SVM模型和遺傳算法優(yōu)化的SVM模型對其缺失部分的點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)測。實(shí)驗(yàn)結(jié)果表明,該方法能正確預(yù)測點(diǎn)云數(shù)據(jù),為缺失點(diǎn)云數(shù)據(jù)的生成提供了新的有效方法。
[Abstract]:With the rapid development of information service industry in the geographic space of geospatial data products are increasingly high requirements. Geospatial data is facing the large amount of information, high accuracy, visualization and mining direction. A new survey technology for 3D laser scanning is a technology revolution after GPS the field of Surveying and mapping. The technology is also called real copy technology, can be established for the region of interest of 3D model detailed in a short period of time, and quantitative analysis, provides a new solution for the majority of the field of Surveying and mapping scientific researchers and engineers. At present, the 3D laser scanning technology is gradually applied to the protection of cultural relics and the engineering calculation, topographic mapping, virtual reality, the field of deformation monitoring. However, 3D scene reconstruction using 3D laser point cloud when there are still many problems, for example, in the terrain Draw the scene, researchers pay more attention to the rendering efficiency of point cloud, and the 3D point cloud reconstruction method although the existing point cloud simplification algorithm, but few people pay attention to features some characteristics of point cloud is represented by the lack of classification and reconstruction of streamlining point cloud data; in the process of cultural reconstruction, researchers pay more attention to the lack of data part of the reconstruction accuracy, and the prediction method of existing methods only using a support vector machine model to predict the missing data, the lower part of the missing data on the reconstruction accuracy; in deformation monitoring, the researchers pay more attention to the differences between different scenes of the description, and the existing methods lack method the overall change of scene description, it is difficult to accurately describe the same region of the overall differences between different scenes. Therefore, in view of the existing 3D laser scanning scene reconstruction problem in the process of in-depth The research and discussion, the main research work and achievements are as follows: 1. in the multi scene data reconstruction, the need for registration of different scenes of point cloud data, the systematic analysis of the existing cloud point cloud registration method based on geometric features based on points, in the overall point cloud feature the initial point cloud registration based on this method, the feature extraction of SIFT, first get a set of matching points, then use the SVD matrix to calculate the initial rotation matrix R and the initial translation matrix T. based on the ICP precise registration algorithm, improved the existing decomposition algorithm, ICP algorithm for Gauss Newton approximation the value of the slow convergence speed of large error, LM algorithm is used to optimize the projection matrix, the SIFT feature points LM-ICP algorithm based on point cloud registration. In addition, in the actual registration process, due to multiple scene proportion Size is not the same, the multi-scale ICP algorithm for point cloud registration not existing problems, put forward some multi-scale SIFT feature point cloud registration algorithm based on scene. Through the experiments verify the effectiveness of the algorithm, and achieved good effect of registration.2. in the single point cloud reconstruction of scene data, or when multiple point cloud registration has a single scene data point cloud scene, the 3D laser scanning point cloud data are usually 3D data, how to simplify the point cloud simplification will affect the efficiency and the effect of point cloud reconstruction of point cloud data. This paper presents an improved algorithm of point cloud data reduction. According to the scanning object external attributes (such as deformation zone and non deformation area, focusing on regional or non key zone) to classify the 3D point cloud data, the point cloud data in key areas with the package Box streamlined for non key areas of point cloud data is data reduction. Finally, the point cloud streamline the point cloud and not streamlined with triangular net point insertion method for 3D scene reconstruction. Experimental results show that the method of rapid reconstruction of three-dimensional point cloud scene provides new ideas and methods to solve.3. the change of point cloud reconstruction, point cloud data model to extract the changing scene using reasonable methods of point cloud data and describe the change of the scene. Based on the existing deformation observation GPS acquisition instrument due to the impact of observation points, not overall description of the change area therefore, this paper proposes and ground data points using region growing method and morphological filtering algorithm to extract the point cloud, the scene data of different regional variations, a mathematical model is described, using the mutual data between different scenes The change in angle to describe the change of the whole scene in the corresponding data. In addition, because the ground data improved morphological filtering algorithm is not suitable for the existing fluctuating extraction, therefore proposed morphological point cloud filtering algorithm, described provides a new solution for.4. in the absence of scene reconstruction for point cloud data the 3D scene changes, because the instrument itself is insufficient or prone to jamming, point cloud data loss. Therefore, in the modeling before the need to repair the missing part of point cloud data. Because of the different part of the point cloud data characteristics are different, the manner in which the correct fill in this paper is asked. The prediction of particle swarm optimization SVM model and genetic algorithm to optimize the SVM model for the missing part of the point cloud data. Based on the experimental results show that this method is able to The prediction of point cloud data provides a new and effective method for the generation of missing point cloud data.

【學(xué)位授予單位】：中國地質(zhì)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：P225.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李海亮;鄧非;李剛;;攝影測量激光點(diǎn)云空洞修補(bǔ)[J];測繪科學(xué);2010年05期

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

3 龔書林;;三維激光點(diǎn)云處理軟件的若干關(guān)鍵技術(shù)[J];測繪通報(bào);2014年06期

4 趙強(qiáng);彭國華;王鋒;;點(diǎn)云精簡的一種方法[J];西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年05期

5 李德江;張延波;于曼竹;姜麗麗;曲雪光;;基于掃描模式的點(diǎn)云修復(fù)技術(shù)研究[J];測繪與空間地理信息;2011年06期

6 蔡來良;李儒;;點(diǎn)云數(shù)據(jù)處理算法與實(shí)現(xiàn)初步研究[J];測繪通報(bào);2012年S1期

7 詹慶明;張海濤;喻亮;;古建筑激光點(diǎn)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

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

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

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

相關(guān)會議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點(diǎn)云生成和預(yù)處理[A];2011年全國通信安全學(xué)術(shù)會議論文集[C];2011年

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

3 馬國慶;陶萍萍;楊周旺;;點(diǎn)云空間曲線的微分信息計(jì)算及匹配方法[A];第四屆全國幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點(diǎn)云精簡算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機(jī)載激光點(diǎn)云快速繪制方法[A];第二十五屆全國空間探測學(xué)術(shù)研討會摘要集[C];2012年

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

7 朱曉強(qiáng);余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點(diǎn)云的城市道路提取[A];全國第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2008年

8 劉虎;;基于線性八叉樹的點(diǎn)云簡化與特征提取研究[A];促進(jìn)科技經(jīng)濟(jì)結(jié)合，服務(wù)創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學(xué)術(shù)年會論文集[C];2012年

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

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

相關(guān)重要報(bào)紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點(diǎn)云 亦真亦幻[N];解放軍報(bào);2013年

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

相關(guān)博士學(xué)位論文 前10條

1 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

2 彭檢貴;融合點(diǎn)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(xué);2012年

3 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(shù)研究[D];西南交通大學(xué);2013年

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

5 王瑞巖;計(jì)算機(jī)視覺中相機(jī)標(biāo)定及點(diǎn)云配準(zhǔn)技術(shù)研究[D];西安電子科技大學(xué);2015年

6 段敏燕;機(jī)載激光雷達(dá)點(diǎn)云電力線三維重建方法研究[D];武漢大學(xué);2015年

7 李艷紅;車載移動測量系統(tǒng)數(shù)據(jù)配準(zhǔn)與分類識別關(guān)鍵技術(shù)研究[D];武漢大學(xué);2014年

8 崔婷婷;結(jié)合車載點(diǎn)云和全景影像的建筑物立面重建[D];武漢大學(xué);2015年

9 戴玉成;基于UAV傾斜影像匹配點(diǎn)云的城市建筑物信息提取方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

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

相關(guān)碩士學(xué)位論文 前10條

1 龔碩然;基于Delaunay三角剖分的點(diǎn)云三維網(wǎng)格重構(gòu)[D];河北大學(xué);2015年

2 楊紅粉;頻域技術(shù)應(yīng)用于點(diǎn)云配準(zhǔn)研究[D];北京建筑大學(xué);2015年

3 段紅娟;點(diǎn)云圖像交互式曲線骨架提取技術(shù)及其應(yīng)用[D];西南交通大學(xué);2015年

4 張永恒;散亂點(diǎn)云數(shù)據(jù)配準(zhǔn)方法研究[D];長安大學(xué);2015年

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

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

7 胡誠;精度約束下地表LiDAR點(diǎn)云抽稀方法研究[D];西南交通大學(xué);2015年

8 余明;三維離散點(diǎn)云數(shù)據(jù)處理技術(shù)研究[D];南京理工大學(xué);2015年

9 陳星宇;基于三維彩色點(diǎn)云的地形分類方法研究[D];南京理工大學(xué);2015年

10 朱東方;基于復(fù)雜拓?fù)浣Y(jié)構(gòu)點(diǎn)云的曲線擬合研究與應(yīng)用[D];山東大學(xué);2015年

，

本文編號：1676130