發(fā)布時間：2021-08-21 22:22

　　三維激光點云數(shù)據(jù)因獲取途徑廣、掃描速度快和精度高等優(yōu)點被廣泛應(yīng)用于現(xiàn)代工程中的各個領(lǐng)域。但點云數(shù)據(jù)也存在抗干擾性差、魯棒性差、單次采集數(shù)據(jù)范圍小等缺點,為三維點云數(shù)據(jù)的應(yīng)用增加了一定的難度。因此,針對點云數(shù)據(jù)的特性,本文采用特征屬性象限分割法及深度學(xué)習(xí)自動編輯器覆蓋集算法,嘗試解決點云要素提取和配準(zhǔn)精度問題,論文完成的主要工作如下:（1）針對三維點云數(shù)據(jù)結(jié)構(gòu)復(fù)雜性和點云密度分布不均等特性,提高匹配點對的檢索速率,本文采用了一種新的特征屬性象限分割法。此方法首先基于法向量對點云數(shù)據(jù)進行特征屬性提取,確保整體點云數(shù)據(jù)的壓縮和局部特征不變性,然后將提取的特征分割到空間象限內(nèi),將點云數(shù)據(jù)進行分塊處理,提高對應(yīng)點點對的正確匹配率。（2）針對三維點云數(shù)據(jù)配準(zhǔn)精度的問題,本文改進了深度學(xué)習(xí)自動編輯器覆蓋集（LORAX）的算法,首先基于隨機球體覆蓋集（RSCS）將象限分割的特征點云轉(zhuǎn)化為為超點,利用各個象限內(nèi)的超點來描述物體的三維局部特征信息,然后利用自動編碼器特征向量（SAF）對超點進行幾何信息描述,并將屬性相同的超點點組進行配對,最后基于超點求出的配準(zhǔn)參數(shù)完成粗配準(zhǔn)。改進的算法增強了超點點組在描述... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 引言
    1.2 研究背景與意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 國外研究現(xiàn)狀
        1.3.2 國內(nèi)研究現(xiàn)狀
    1.4 研究內(nèi)容和結(jié)構(gòu)
    1.5 本章小結(jié)
2 點云配準(zhǔn)的相關(guān)理論
    2.1 點云數(shù)據(jù)的分類
    2.2 點云配準(zhǔn)的方法
        2.2.1 粗配準(zhǔn)
        2.2.2 精配準(zhǔn)
        2.2.3 約束條件
    2.3 點云配準(zhǔn)參數(shù)解算
        2.3.1 鄰域搜索分析
        2.3.2 點云數(shù)據(jù)檢索
        2.3.3 運動參數(shù)解算
    2.4 本章小結(jié)
3 基于點云配準(zhǔn)算法的位姿解算
    3.1 特征點提取
        3.1.1 基于曲率的特征提取
        3.1.2 基于法向量的特征提取
    3.2 特征配準(zhǔn)算法分析
        3.2.1 PCA算法
        3.2.2 RANSAC算法
        3.2.3 LORAX算法
    3.3 點云配準(zhǔn)精度分析
        3.3.1 誤差判別原理
        3.3.2 精度評定方法
        3.3.3 精度值提高率
    3.4 本章小結(jié)
4 基于深度學(xué)習(xí)自動編輯器覆蓋集的算法改進
    4.1 象限分割法
        4.1.1 檢測點云空間
        4.1.2 分割點云數(shù)據(jù)
    4.2 卷積神經(jīng)網(wǎng)絡(luò)
        4.2.1 編碼器
        4.2.2 解碼器
    4.3 DO算法
        4.3.1 更新法則
        4.3.2 訓(xùn)練方法
        4.3.3 配準(zhǔn)應(yīng)用
    4.4 LORAX算法改進
        4.4.1 LORAX與 DO算法融合
        4.4.2 實例驗證
    4.5 算法實現(xiàn)
    4.6 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
附錄
    附錄一：攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
    附錄二：攻讀碩士學(xué)位期間申請的軟件著作權(quán)
    附錄三：攻讀碩士學(xué)位期間申請的發(fā)明專利


【參考文獻(xiàn)】：
期刊論文
[1]基于改進RANSAC的點云關(guān)鍵點匹配[J]. 趙凱,朱愿,謝楓.  智能計算機與應(yīng)用. 2018(06)
[2]基于四參數(shù)-ICP的點云配準(zhǔn)研究[J]. 劉盈,呂開云.  江西測繪. 2018(02)
[3]基于局部特征的點云配準(zhǔn)算法[J]. 趙夫群,周明全,耿國華.  圖學(xué)學(xué)報. 2018(03)
[4]一種魯棒的城市復(fù)雜動態(tài)場景點云配準(zhǔn)方法[J]. 王任棟,徐友春,齊堯,韓棟斌,李華.  機器人. 2018(03)
[5]基于改進ICP的點云配準(zhǔn)算法[J]. 趙夫群.  信息技術(shù). 2017(05)
[6]SVD算法在建筑物點云數(shù)據(jù)配準(zhǔn)中的應(yīng)用[J]. 楊永興,王樹東,張浩,張圓.  工程勘察. 2016(06)
[7]基于法向量改進的ICP算法[J]. 楊小青,楊秋翔,楊劍.  計算機工程與設(shè)計. 2016(01)
[8]不同場景的地面激光點云配準(zhǔn)方法研究[J]. 鄭敏輝,臧玉府,梁福遜,楊必勝.  測繪通報. 2015(08)
[9]用于三維重建的點云單應(yīng)性迭代最近點配準(zhǔn)算法[J]. 韋盛斌,王少卿,周常河,劉昆,范鑫.  光學(xué)學(xué)報. 2015(05)
[10]一種基于特征提取的點云自動配準(zhǔn)算法[J]. 黃源,達(dá)飛鵬,陶海躋.  中國激光. 2015(03)

碩士論文
[1]三維點云的特征點提取與配準(zhǔn)技術(shù)研究[D]. 郭思猛.西南科技大學(xué) 2018
[2]三維點云模型的自動配準(zhǔn)算法研究[D]. 李羿辰.西北大學(xué) 2017
[3]三維點云數(shù)據(jù)配準(zhǔn)方法研究[D]. 陳陽.天津大學(xué) 2014
[4]基于對偶四元數(shù)的點云配準(zhǔn)算法研究[D]. 楊現(xiàn)輝.南京航空航天大學(xué) 2010



本文編號：3356444