本文選題：點云分類 + 局部形狀推斷��； 參考：《浙江大學(xué)學(xué)報(理學(xué)版)》2017年01期

【摘要】：三維激光掃描獲取的點云數(shù)據(jù)可用于數(shù)字城市建設(shè)、三維模型獲取、場景分析與物體測量等領(lǐng)域.但因遮擋和噪聲的影響,加之掃描場景復(fù)雜,采樣精度受限,使得不能直接運用經(jīng)典的曲面和三維空間理論對點云數(shù)據(jù)進行有效分析和處理.分類是點云數(shù)據(jù)預(yù)處理的重要方式之一.提取近鄰四面體體積、近鄰法向量差異度、主方向差異度和主曲率值4個局部形狀特征,采用概率混合策略構(gòu)建了一種點云數(shù)據(jù)的半自動分類方法,可實現(xiàn)平面點集、柱面點集和其他點集的有效區(qū)分.其中,概率混合策略是依據(jù)近鄰點平均距離和單指標類別一致程度估計每個特征推斷形狀的概率,通過混合加權(quán),依據(jù)概率賦權(quán)函數(shù)最大值準則進行局部形狀推斷.可實現(xiàn)用戶交互,以便處理不同掃描尺度和精度的點云數(shù)據(jù).采用本文方法對模擬生成的點云、單棵樹木點云、街道場景點云、曠野自然場景掃描點云以及航空機載掃描點云等多組數(shù)據(jù)進行了實驗,結(jié)果表明,基于局部形狀特征的概率混合方法對各種點云數(shù)據(jù)均具有良好的分類效果.
[Abstract]:The point cloud data obtained by 3D laser scanning can be used in the fields of digital city construction, 3D model acquisition, scene analysis and object measurement. However, due to the influence of occlusion and noise, combined with the complexity of scanning scene and limited sampling accuracy, the classical surface and three-dimensional space theory can not be directly used to effectively analyze and process point cloud data. Classification is one of the important methods of point cloud data preprocessing. Four local shape features, namely, nearest neighbor tetrahedron volume, nearest neighbor normal vector difference, principal direction difference and principal curvature value, are extracted. A semi-automatic classification method for point cloud data is constructed by using probability mixing strategy, which can realize the planar point set. The efficient distinction between cylindrical point sets and other point sets. The probability mixing strategy is to estimate the probability of each feature inferring shape according to the average distance of the nearest neighbor point and the consistency degree of the single index class, and to infer the local shape according to the maximum value criterion of the probability weighting function by mixing the weights. User interaction can be implemented to process point cloud data with different scanning scales and accuracy. In this paper, the simulated data of point cloud, single tree point cloud, street scene point cloud, field natural scene scanning point cloud and airborne scanning point cloud are tested. The results show that, The probabilistic mixing method based on local shape features has a good classification effect on all kinds of point cloud data.
【作者單位】： 北京林業(yè)大學(xué)理學(xué)院;中國科學(xué)院自動化研究所模式識別國家重點實驗室;
【基金】：國家自然科學(xué)基金資助項目(61372190,61372168,61572502,61571439) 國家863計劃課題項目(2015AA016402)
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 王洪君,任秀麗;基于對象形狀特征的圖象檢索[J];松遼學(xué)刊(自然科學(xué)版);2001年03期

2 高飛;形狀特征的表示[J];計算機輔助工程;1995年02期

3 王春河,張鐵昌;面向集成化的形狀特征分類與表示[J];航空學(xué)報;1996年02期

4 王春河,周濟,張新訪,張鐵昌;凸起形狀特征在集成過程中的處理技術(shù)[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;1996年04期

5 張煒,杜曉榮,張蕊;形狀特征的顯示表達框架的構(gòu)造[J];微機發(fā)展;1998年06期

6 賀雙拾;辛玉林;倪友平;陳曾平;;基于灰度圖形狀特征的低分辨雷達架次判別[J];雷達科學(xué)與技術(shù);2008年01期

7 廖凱寧;李志強;孫靜;;基于形狀特征描述算子的3D模型檢索[J];計算機工程;2010年12期

8 高飛，葉尚輝;形狀特征的定義[J];計算機輔助工程;1994年01期

9 曹尚穩(wěn);兩類形狀特征的語義差及其操作互換性[J];系統(tǒng)工程與電子技術(shù);1999年07期

10 趙書蓮;宿曉華;;基于概念的形狀分類與識別[J];電腦知識與技術(shù);2009年06期

相關(guān)會議論文 前6條

1 張世學(xué);吳恩華;;基于形狀特征與變形保持的動態(tài)模型簡化[A];中國計算機圖形學(xué)進展2008--第七屆中國計算機圖形學(xué)大會論文集[C];2008年

2 高劑斌;李裕梅;;基于復(fù)雜網(wǎng)絡(luò)的圖像形狀特征提取及多特征融合方案探究[A];中國系統(tǒng)工程學(xué)會第十八屆學(xué)術(shù)年會論文集——A12系統(tǒng)科學(xué)與系統(tǒng)工程理論在各個領(lǐng)域中的應(yīng)用研究[C];2014年

3 胡帆;廖斌;薛巧平;;基于輪廓的形狀特征提取方法[A];2011年通信與信息技術(shù)新進展——第八屆中國通信學(xué)會學(xué)術(shù)年會論文集[C];2011年

4 路陽;董宏麗;;基于MATLAB實現(xiàn)水稻顆粒圖像形狀特征分析[A];黑龍江省計算機學(xué)會2007年學(xué)術(shù)交流年會論文集[C];2007年

5 李連;朱愛紅;;基于形狀的圖像檢索技術(shù)研究[A];’2004計算機應(yīng)用技術(shù)交流會議論文集[C];2004年

6 甘俊英;趙向陽;張有為;;視覺語言特征—灰度輪廓權(quán)向量差分形狀特征[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會議論文集[C];2002年

相關(guān)重要報紙文章 前2條

1 程春;畫面清新自然 寓意美好吉祥[N];中國集郵報;2014年

2 黨耀武;給你一雙“慧眼”　判讀高空偵察照片[N];中國國防報;2002年

相關(guān)博士學(xué)位論文 前10條

1 趙偉;自由形狀特征的重用與抑制[D];浙江大學(xué);2008年

2 王青;反求工程中基于變形的自由形狀特征重構(gòu)[D];浙江大學(xué);2006年

3 陳飛;基于形狀先驗的同時分割與識別研究[D];浙江大學(xué);2013年

4 柴倫紹;具有形變魯棒性的形狀特征研究及其在檢索中的應(yīng)用[D];北京郵電大學(xué);2014年

5 桂江生;二維水果形狀檢測與分類算法研究[D];浙江大學(xué);2007年

6 賈棋;形狀不變特征提取及應(yīng)用研究[D];大連理工大學(xué);2014年

7 羅磊;形狀分解和基于機器學(xué)習(xí)的圖像檢索技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

8 王軍偉;融合全局與局部信息的形狀輪廓特征分析與匹配[D];華中科技大學(xué);2012年

9 陳國棟;面向機器人的物體形狀及姿態(tài)識別研究[D];哈爾濱工業(yè)大學(xué);2011年

10 王淳;形狀的部分結(jié)構(gòu)解析和識別[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王松鶴;2D形狀中分支結(jié)構(gòu)的檢測[D];大連海事大學(xué);2015年

2 周斌;基于圖像形狀特征量的計算機輔助肝硬化檢測研究[D];廣西大學(xué);2015年

3 張倩;基于支持向量機的多特征交通標志識別的研究與實現(xiàn)[D];東北大學(xué);2014年

4 李龍卓;基于形狀特征的圖像檢索技術(shù)研究[D];青島科技大學(xué);2015年

5 江靜宇;非剛體三維殘缺模型的形狀分類算法研究[D];北京交通大學(xué);2016年

6 王璐;三維耳廓點云形狀特征提取及匹配[D];遼寧師范大學(xué);2015年

7 劉春爽;基于植物葉形狀和葉脈的植物葉自動分類研究[D];浙江理工大學(xué);2016年

8 鄭培甜;邊緣與形狀特征信息在圖像分割中的應(yīng)用研究[D];西安郵電大學(xué);2016年

9 顧華;基于形狀特征的人臉分類研究[D];清華大學(xué);2004年

10 李國琳;傅立葉描繪子對形狀進行識別與檢索[D];吉林大學(xué);2005年

，

本文編號：1811741