本文關(guān)鍵詞：基于點云數(shù)據(jù)的精簡算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：三維激光掃描技術(shù)（激光雷達(dá)技術(shù)）作為一種出現(xiàn)在當(dāng)今測繪領(lǐng)域中的新型測量方式，以其準(zhǔn)確、非接觸、快速、連續(xù)采集完整空間目標(biāo)物信息特性的優(yōu)勢，迅速成為當(dāng)今獲取空間對象三維信息的一種重要方法。通常被廣泛應(yīng)用于重要文物保護(hù)、大型復(fù)雜精密建筑物施工質(zhì)量與變形監(jiān)測和災(zāi)害評估調(diào)查等方面。隨著國內(nèi)外公司不斷的投入資金和研究人員長期的創(chuàng)新研究，使得三維激光掃描技術(shù)不論是硬件水平，還是數(shù)據(jù)處理軟件都呈現(xiàn)出一種爆發(fā)式的發(fā)展。但隨著掃描數(shù)據(jù)越來越精細(xì)，速度越來越快，在一定時間內(nèi)采集成果數(shù)據(jù)越來越多，不論是管理這些空間點云數(shù)據(jù)，還是實際使用這些都成為一個越來越緊迫的問題。筆者根據(jù)自己的實際工作經(jīng)歷了解，外業(yè)采集獲取的原始數(shù)據(jù)量是十分大的，并且有很多的數(shù)據(jù)在很多運用情況下是不需要的。以故宮云龍大石雕為例，點云數(shù)據(jù)上百個測站，數(shù)碼影像幾百張，總數(shù)據(jù)量占據(jù)存儲空間多達(dá)十多個GB，這僅僅是故宮成千上萬個文物中的一個，如果是整個故宮建筑物群，數(shù)據(jù)估測會多達(dá)幾十TB，面對如此龐大的數(shù)據(jù)群，當(dāng)今任何一臺電腦任何一款軟件都是無法同時整體處理這些數(shù)據(jù)。因此，本文從點云的不同使用目的出發(fā)，，通過對點云精簡最大化的算法實現(xiàn)同時保持重要的特征信息，即用最少的點云描述實體的“真實”信息。 因為只有通過索引技術(shù)才能在如此多的點云數(shù)據(jù)中找到需要的點云，所以本文首先研究了索引技術(shù)，對比了KD-tree、R-tree、octree等幾種常用索引在本文需求下的適用性。由于本文法向計算和曲面擬合設(shè)計到大量的鄰域搜索，因此最后選取了KD-tree作為索引算法。然后繼續(xù)選取點云精簡的實際算法，同樣也吸取了一些前人的思想，對比了曲面精簡，柵格精簡和隨機精簡的優(yōu)缺點，由于本文是在保持點云真實性的前提下的點云精簡，所以采用了特征信息保持最好的曲率精簡。再進(jìn)一步研究曲率精簡后選取了能夠很好表達(dá)曲面彎曲程度的Gauss曲率作為精簡原則。由于在實際的算法實現(xiàn)中會發(fā)現(xiàn)，大量的非線性法向矩陣計算嚴(yán)重影響計算的速度，所以為了提高算法的實用性，對法向計算加入了CUDA框架下的多線程技術(shù)提速。 本文選用Visual Studio2010開發(fā)平臺，基于CLR（公共語言）環(huán)境，利用C++開發(fā)語言，結(jié)合PostgreSQL數(shù)據(jù)庫，在實驗室TLiDAR_DPS系統(tǒng)中開發(fā)了數(shù)據(jù)庫管理模塊，完成了原始點云數(shù)據(jù)的輸入輸出、原始點云的索引構(gòu)建、法向計算、建樹后點云的曲率精簡、柵格精簡、隨機精簡等功能。在軟件系統(tǒng)中設(shè)計了簡單方便的交互操作，主要是為了能夠更加直觀的驗證精簡后的成果點云。最后，通過工程中的完整數(shù)據(jù)，驗證了本文所做研究內(nèi)容的可行性，更為重要的是本實驗系統(tǒng)對數(shù)據(jù)精簡的有效性。
【關(guān)鍵詞】：三維激光掃描技術(shù) KD-tree 三維空間數(shù)據(jù) CUDA R-tree Octree
【學(xué)位授予單位】：北京建筑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：P208
【目錄】：

• 摘要3-5
• Abstract5-9
• 第1章 緒論9-18
• 1.1 論文研究背景9-11
• 1.1.1 三維激光掃描技術(shù)9-10
• 1.1.2 三維激光掃描儀采集數(shù)據(jù)的特性10-11
• 1.2 點云精簡的國內(nèi)外研究現(xiàn)狀11-14
• 1.3 論文的研究內(nèi)容與技術(shù)路線14-16
• 1.3.1 主要研究內(nèi)容14-16
• 1.4 論文的組織結(jié)構(gòu)16-18
• 第2章 索引算法18-45
• 2.1 KD-tree18-27
• 2.1.1 KD-tree 查找算法19
• 2.1.2 KD-tree 插入19-20
• 2.1.3 Kd_tree 刪除20-22
• 2.1.4 程序?qū)崿F(xiàn)22-27
• 2.2 R-tree27-38
• 2.2.1 查詢算法28-30
• 2.2.2 插入算法30-31
• 2.2.3 刪除算法31-32
• 2.2.4 程序?qū)崿F(xiàn)32-38
• 2.3 八叉樹38-45
• 2.3.1 線性八叉樹編碼39-40
• 2.3.2 構(gòu)建散亂點云八叉樹流程40-41
• 2.3.3 程序?qū)崿F(xiàn)41-45
• 第3章 點云采樣45-51
• 3.1 Gauss 曲率采樣原理45-47
• 3.1.1 曲面上的第二基本形式45
• 3.1.2 weingarten 變換與主曲率45-47
• 3.1.3 Gauss 曲率與平均曲率推導(dǎo)47
• 3.2 邊界保護(hù)47-49
• 3.2.1 邊界特征點的識別48-49
• 3.3 總結(jié)49-51
• 第4章 CUDA 編程51-65
• 4.1 并行計算架構(gòu) CUDATM51
• 4.2 內(nèi)核51-54
• 4.3 CUDA 異步并發(fā)54-58
• 4.3.1 主機與設(shè)備之間的異步操作54-55
• 4.3.2 流55-56
• 4.3.3 事件56-57
• 4.3.4 計算模式57-58
• 4.4 程序?qū)崿F(xiàn)法向計算加速58-65
• 4.4.1 加速核函數(shù)實現(xiàn)58-62
• 4.4.2 結(jié)果分析62-65
• 第5章 系統(tǒng)設(shè)計與實現(xiàn)65-75
• 5.1 系統(tǒng)總體設(shè)計65-68
• 5.1.1 系統(tǒng)設(shè)計65-66
• 5.1.2 系統(tǒng)統(tǒng)一數(shù)據(jù)結(jié)構(gòu)設(shè)計66-68
• 5.2 系統(tǒng)實現(xiàn)與功能介紹68-70
• 5.2.1 系統(tǒng)的界面介紹68-70
• 5.3 實驗對比分析70-75
• 5.3.1 分析對比70-71
• 5.3.2 大數(shù)據(jù)測試71-75
• 第6章 總結(jié)與展望75-78
• 6.1 總結(jié)75-76
• 6.2 展望76-78
• 參考文獻(xiàn)78-84
• 附錄84-85
• 致謝85

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張瑞菊;王晏民;李德仁;;快速處理大數(shù)據(jù)量三維激光掃描數(shù)據(jù)的技術(shù)研究[J];測繪科學(xué);2006年05期

2 惠文華,郭新成;3維GIS中的八叉樹空間索引研究[J];測繪通報;2003年01期

3 袁慶;樓立志;陳瑋嫻;;基于加權(quán)總體最小二乘的平面點云擬合方法[J];測繪通報;2011年03期

4 肖樂斌,龔建華,謝傳節(jié);線性四叉樹和線性八叉樹鄰域?qū)ふ业囊环N新算法[J];測繪學(xué)報;1998年03期

5 邵正偉;席平;;基于八叉樹編碼的點云數(shù)據(jù)精簡方法[J];工程圖學(xué)學(xué)報;2010年04期

6 楊容浩;岑敏儀;張同剛;鄭平元;;格網(wǎng)劃分的最鄰近點搜索方法[J];測繪科學(xué);2012年05期

7 付仲良;劉思遠(yuǎn);田宗舜;徐華秒;;基于多級R-tree的分布式空間索引及其查詢驗證方法研究[J];測繪通報;2012年11期

8 ;2-Level R-tree Index Based on Spatial Grids and Hilbert R-tree[J];Geo-Spatial Information Science;2006年02期

9 熊云艷;毛宜軍;閔華清;;有序的KD-tree在圖像特征匹配上的應(yīng)用[J];化工自動化及儀表;2010年10期

10 劉元朋;趙輝;陳良驥;王金鳳;;基于有向點云數(shù)據(jù)的二次曲面擬合算法[J];機床與液壓;2008年08期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 趙煦;基于地面激光掃描點云數(shù)據(jù)的三維重建方法研究[D];武漢大學(xué);2010年

  本文關(guān)鍵詞：基于點云數(shù)據(jù)的精簡算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：341094