隨著激光掃描技術(shù)的成熟,三維激光點(diǎn)云數(shù)據(jù)由于其精度高、獲取速度快的優(yōu)點(diǎn)已越來(lái)越廣泛的用于城市規(guī)劃、建設(shè)、管理等工作中。然而,點(diǎn)云同時(shí)也存在著噪聲干擾性高、單次采集區(qū)域有限、識(shí)別算法復(fù)雜等缺點(diǎn),這給研究帶來(lái)了一定的難度。如何能夠針對(duì)點(diǎn)云數(shù)據(jù)的局限性,解決點(diǎn)云數(shù)據(jù)的快速拼接以及城市地物要素自動(dòng)化提取是目前基于點(diǎn)云數(shù)據(jù)研究的重要課題。本文從城市典型地物的點(diǎn)云數(shù)據(jù)配準(zhǔn)與要素提取的兩個(gè)環(huán)節(jié)入手,在解決集效率與精度于一體的點(diǎn)云數(shù)據(jù)配準(zhǔn)基礎(chǔ)上,通過(guò)點(diǎn)云精細(xì)特征表達(dá)充分挖掘潛在的點(diǎn)云信息,實(shí)現(xiàn)基于MLS數(shù)據(jù)的城市道路和行道樹的高精度提取。論文完成的工作以及創(chuàng)新點(diǎn)如下:（1）針對(duì)經(jīng)典ICP算法在三維點(diǎn)云配準(zhǔn)中的有效性進(jìn)行了界定針對(duì)點(diǎn)云配準(zhǔn)中傳統(tǒng)的迭代最鄰近點(diǎn)（Iterative Closest Point,ICP）算法缺點(diǎn),以算法是否陷入局部最優(yōu)解為依據(jù),基于兩幅點(diǎn)云數(shù)據(jù)集的重合度、夾角以及間隔距離三個(gè)重要參數(shù)進(jìn)行算法驗(yàn)證,總結(jié)出了ICP算法在不同參數(shù)閾值下的變化規(guī)律,并給出了該算法能夠取得正確配準(zhǔn)結(jié)果的有效參數(shù)范圍,為點(diǎn)云配準(zhǔn)中是否需要增加全局配準(zhǔn)環(huán)節(jié)的工作提供參考依據(jù)。此外,在算法有效范圍內(nèi)針對(duì)不同... 

【文章來(lái)源】：中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：171 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

二維原始數(shù)據(jù)與節(jié)點(diǎn)關(guān)系

2 點(diǎn)云數(shù)據(jù)處理基本理論分為右子樹，包含點(diǎn){(9,6), (8,1)}；右子樹中未構(gòu)建節(jié)點(diǎn)的數(shù)據(jù)重復(fù)上述 和 c 顯示了一個(gè)二維點(diǎn)集構(gòu)建 kd 樹結(jié)果。(9,6)(8,1)(4,7)(5,4)(2,3)(9,6)(8,1)(7,2)(2,（b） 圖 2-2 二維 kd 樹劃分過(guò)程e 2-2 Process of dividing a two-dimensional

圖 2-7 基于八叉樹的點(diǎn)云分割結(jié)果（圖片來(lái)源網(wǎng)絡(luò)）Figure 2-7 Octree-based point cloud segmentation (image source netwo八叉樹存儲(chǔ)結(jié)構(gòu)叉樹的存儲(chǔ)結(jié)構(gòu)主要有三種，即規(guī)則八叉樹、線性八叉樹則八叉樹用 9 個(gè)字段存儲(chǔ)每個(gè)節(jié)點(diǎn)，其中 1 個(gè)字段描述節(jié)存放指向 8 個(gè)子節(jié)點(diǎn)的指針。這種方式的最大問(wèn)題是占用八叉樹采用線性表方式存儲(chǔ)節(jié)點(diǎn)，表中直接存儲(chǔ)每個(gè)節(jié)點(diǎn)的相對(duì)規(guī)則八叉樹雖然節(jié)省了存儲(chǔ)空間，但運(yùn)算效率降低。種數(shù)據(jù)結(jié)構(gòu)對(duì)比分析一般僅用于三維空間，而 K-d 樹則可以用于 k 維空間。八單，但其對(duì)于點(diǎn)云數(shù)據(jù)集的最小粒度的確定較為困難。粒數(shù)過(guò)大，查詢的效率也較低；反之，則增加了八叉樹的深間增加的弊端。K-d 樹在鄰域查詢中具有優(yōu)勢(shì)，但其效率長(zhǎng)的關(guān)系。此外，維度越大，則效率越低。有學(xué)者將兩種

【參考文獻(xiàn)】：
期刊論文
[1]基于坡度和區(qū)域生長(zhǎng)的城市LiDAR點(diǎn)云濾波方法[J]. 張寧寧,楊英寶,于雙.  地理空間信息. 2016(03)
[2]地基SAR與三維激光掃描數(shù)據(jù)融合方法研究[J]. 鄒進(jìn)貴,田徑,陳艷華,毛慶華,李琴.  測(cè)繪地理信息. 2015(03)
[3]一種基于改進(jìn)區(qū)域增長(zhǎng)的行道樹點(diǎn)云提取方法[J]. 張恒,許君一,劉如飛,岳國(guó)偉.  測(cè)繪科學(xué)技術(shù)學(xué)報(bào). 2015(02)
[4]結(jié)合LiDAR點(diǎn)云和航空影像的建筑物三維變化檢測(cè)[J]. 彭代鋒,張永軍,熊小東.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2015(04)
[5]高光譜遙感影像與機(jī)載LiDAR數(shù)據(jù)融合的地物提取方法研究[J]. 董彥芳,龐勇,許麗娜,陳立澤.  遙感信息. 2014(06)
[6]基于多源信息融合的果樹冠層三維點(diǎn)云拼接方法研究[J]. 周薇,馬曉丹,張麗嬌,郭彩玲,劉剛.  光學(xué)學(xué)報(bào). 2014(12)
[7]三維坐標(biāo)轉(zhuǎn)換的通用整體最小二乘算法[J]. 方興,曾文憲,劉經(jīng)南,姚宜斌.  測(cè)繪學(xué)報(bào). 2014(11)
[8]基于多傳感器融合的移動(dòng)測(cè)繪系統(tǒng)應(yīng)用評(píng)述[J]. 徐工,曲國(guó)慶,盧鑫.  傳感器與微系統(tǒng). 2014(08)
[9]基于特征的機(jī)載激光點(diǎn)云與影像數(shù)據(jù)的融合[J]. 徐勇,裴海龍.  計(jì)算機(jī)測(cè)量與控制. 2014(02)
[10]點(diǎn)云模型法矢調(diào)整優(yōu)化算法[J]. 孫金虎,周來(lái)水,安魯陵.  中國(guó)圖象圖形學(xué)報(bào). 2013(07)

博士論文
[1]機(jī)載LiDAR點(diǎn)云與遙感影像融合的地物分類技術(shù)研究[D]. 董保根.解放軍信息工程大學(xué) 2013
[2]三維點(diǎn)云數(shù)據(jù)處理的技術(shù)研究[D]. 王麗輝.北京交通大學(xué) 2011
[3]點(diǎn)模型的降噪與三維重建算法研究[D]. 楊軍.西南交通大學(xué) 2007
[4]三維數(shù)字表面去噪光順技術(shù)研究[D]. 胡國(guó)飛.浙江大學(xué) 2005

碩士論文
[1]任意旋轉(zhuǎn)角下三維基準(zhǔn)轉(zhuǎn)換的整體最小二乘法[D]. 林鵬.安徽理工大學(xué) 2015
[2]三維圖像拼接算法的研究[D]. 安雁艷.中北大學(xué) 2015
[3]基于小波分析的地面三維激光掃描點(diǎn)云數(shù)據(jù)的濾波方法研究[D]. 靳潔.長(zhǎng)安大學(xué) 2013
[4]穩(wěn)健線性回歸中再生權(quán)最小二乘法的有效性研究[D]. 張娟娟.太原理工大學(xué) 2013
[5]點(diǎn)云數(shù)據(jù)濾波處理及特征提取研究[D]. 李犇.首都師范大學(xué) 2012



本文編號(hào)：3315125