隨著硬件設(shè)備的不斷發(fā)展,三維激光掃描技術(shù)憑借著其高精度、非接觸、自動化等特點(diǎn)逐漸在數(shù)字城市建設(shè)中扮演更加重要的角色。但是,語義信息的缺乏以及人工干預(yù)等導(dǎo)致的低自動化問題一直是一個挑戰(zhàn)性且亟待解決的問題。作為一個開放的數(shù)據(jù)模型,并支持存儲和交換的CityGML,是可用于多種應(yīng)用程序的三維模型,相比于其它數(shù)據(jù)格式,CityGML具有很大的優(yōu)勢。CityGML具有對象語義、幾何、拓?fù)浔磉_(dá)一致性等特點(diǎn),可以實現(xiàn)三維GIS領(lǐng)域的多尺度表達(dá)和精細(xì)化建模管理。本文通過研究點(diǎn)云數(shù)據(jù)的特性,采用半自動化的方式獲得建筑物點(diǎn)云數(shù)據(jù)語義特征信息,并創(chuàng)建CityGML標(biāo)準(zhǔn)的三維建筑物模型,其主要研究內(nèi)容如下:(1)建筑物點(diǎn)云數(shù)據(jù)進(jìn)行平面提取。由于傳統(tǒng)的區(qū)域增長算法中閾值確定困難,隨機(jī)選擇種子點(diǎn),從而影響平面分割的效果,本文針對閾值給定問題,采用自適應(yīng)方法確定搜索半徑和選取魯棒的種子點(diǎn)方法,來優(yōu)化建筑物點(diǎn)云數(shù)據(jù)平面提取的效果。(2)建筑物語義信息的提取,包括:建筑物的立面、屋頂、地面和門窗的語義信息。建筑物平面分為屋頂、立面和地面,本文首先通過判別規(guī)則對提取的平面進(jìn)行語義信息區(qū)分,基于鄰域點(diǎn)分析的方法提取語義信息...

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于點(diǎn)云數(shù)據(jù)的建筑物三維重建
        1.2.2 基于CityGML的建筑物語義建模研究
        1.2.3 總結(jié)分析
    1.3 研究內(nèi)容及技術(shù)路線
        1.3.1 研究目標(biāo)
        1.3.2 研究內(nèi)容及技術(shù)路線
        1.3.3 技術(shù)路線圖
    1.4 論文結(jié)構(gòu)與創(chuàng)新點(diǎn)
        1.4.1 論文結(jié)構(gòu)
        1.4.2 論文特色與創(chuàng)新
2 點(diǎn)云處理和CityGML模型相關(guān)理論與技術(shù)
    2.1 點(diǎn)云數(shù)據(jù)概述
        2.1.1 點(diǎn)云數(shù)據(jù)獲取技術(shù)
        2.1.2 點(diǎn)云數(shù)據(jù)特征
    2.2 點(diǎn)云數(shù)據(jù)預(yù)處理
        2.2.1 點(diǎn)云數(shù)據(jù)去噪
        2.2.2 點(diǎn)云數(shù)據(jù)濾波處理
    2.3 CityGML標(biāo)準(zhǔn)概述
        2.3.1 CityGML簡介
        2.3.2 CityGML特點(diǎn)
    2.4 CityGML建筑物模型表達(dá)
        2.4.1 CityGML建筑物模型設(shè)計
        2.4.2 CityGML建筑物模型幾何特征
        2.4.3 CityGML建筑物模型語義特征
        2.4.4 CityGML建筑物模型拓?fù)涮卣?br>    2.5 本章小結(jié)
3 基于區(qū)域增長算法的建筑物點(diǎn)云平面提取
    3.1 建筑物點(diǎn)云數(shù)據(jù)的預(yù)處理
        3.1.1 點(diǎn)云降采樣處理
        3.1.2 點(diǎn)云濾波處理
    3.2 基于區(qū)域增長算法的點(diǎn)云平面提取
        3.2.1 算法思想
        3.2.2 基于區(qū)域增長算法的建筑物平面提取流程
    3.3 基于改進(jìn)區(qū)域增長算法的建筑物平面提取
        3.3.1 改進(jìn)的區(qū)域增長算法的流程圖
        3.3.2 自適應(yīng)搜索半徑
        3.3.3 種子點(diǎn)選擇
    3.4 算法對比分析
    3.5 本章小結(jié)
4 基于點(diǎn)云平面的建筑物CityGML語義模型構(gòu)建
    4.1 基于點(diǎn)云平面的建筑物語義信息提取
        4.1.1 建筑物屋頂、立面和地面判別規(guī)則
        4.1.2 建筑物立面中門窗判別規(guī)則
    4.2 基于鄰域點(diǎn)算法的平面邊界點(diǎn)提取
        4.2.1 立面、屋頂和地面邊界點(diǎn)提取
        4.2.2 有門窗細(xì)節(jié)特征的立面
    4.3 建筑物語義平面邊界點(diǎn)的關(guān)鍵點(diǎn)檢測
        4.3.1 基于二次聚類算法提取角點(diǎn)
        4.3.2 自適應(yīng)聚類算法
    4.4 基于平面關(guān)鍵點(diǎn)的CityGML語義模型構(gòu)建
        4.4.1 CityGML LoD2建筑物模型構(gòu)建
        4.4.2 CityGML LoD3建筑物模型構(gòu)建
    4.5 本章小結(jié)
5 實驗與分析
    5.1 實驗環(huán)境配置與數(shù)據(jù)
        5.1.1 實驗環(huán)境配置
        5.1.2 實驗數(shù)據(jù)
    5.2 點(diǎn)云數(shù)據(jù)的預(yù)處理
        5.2.1 降采樣處理
        5.2.2 濾波處理
    5.3 建筑物點(diǎn)云平面提取
    5.4 CityGML建筑物模型構(gòu)建
        5.4.1 CityGML LoD2建筑物模型構(gòu)建
        5.4.2 CityGML LoD3建筑物模型構(gòu)建
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的論文發(fā)表及研究成果
致謝



本文編號：3799689