本文選題：逆向重建 + 點云去噪��； 參考：《南昌大學》2017年碩士論文

【摘要】：隨著三維掃描技術、計算機技術以及信息技術的快速發(fā)展,通過實際物體掃描測量得到虛擬三維點云信息的模型重建技術已經(jīng)成為了當前研究的熱點。其應用領域十分廣泛,例如虛擬現(xiàn)實中的模型構建、文物古跡的保護修復、3D游戲角色的開發(fā)以及各種模具的設計和修復等等。而在模型重建的過程中,點云模型預處理(包括去噪平滑、點云精簡、點云特征提取以及點云拼接等)是三維逆向建模中非常重要的一部分。本文主要針對三維點云預處理環(huán)節(jié)中的點云去噪和點云特征提取算法進行研究,論文主要研究內(nèi)容如下:(1)散亂點云鄰域及微分信息估算:針對散亂點云的領域以及微分幾何信息的估算進行理論研究。基于本文的散亂點云數(shù)據(jù)量較大的特點,固選用搜索效率較高的k-d樹的搜索法對點云數(shù)據(jù)進行拓撲結構的建立。然后針對散亂點云的微分幾何信息,首先根據(jù)曲面論相關內(nèi)容對點云的法矢向量和點云的曲率進行研究,緊接著提出采用基于采樣點鄰域局部二次曲面的擬合方法對模型點云進行微分幾何信息的估算。(2)基于特征信息分類的三維點數(shù)據(jù)去噪:針對三維散亂點云去噪逆向建模過程中,模型特征信息難以維持以及雙邊濾波對于特征信息少的區(qū)域容易產(chǎn)生過光順的缺點,提出一種基于點云曲率特征信息分類的去噪算法。具體方法為采用局部曲面擬合的方法對點云的微分幾何信息進行計算,由計算得到的模型點云的平均曲率設置局部特征權值。然后根據(jù)平均曲率特征權值對點云數(shù)據(jù)進行特征區(qū)域劃分,得到特征信息較少的平坦區(qū)域和特征信息較多的區(qū)域。最后采用針對性的去噪算法,即鄰域距離平均濾波算法和自適應雙邊濾波算法對劃分好的兩種不同特征區(qū)域分別進行去噪濾波。通過進行對不同去噪算法的對比實驗和在不同噪聲強度下的對比實驗,結果表明本文算法具有較好的去噪效果。(3)散亂點云數(shù)據(jù)提取算法:針對散亂點云特征提取過程中,提取效率低和對噪聲的敏感性差等問題。本文采用一種雙閾值檢測的特征提取算法。首先采用主成分分析法和局部曲面擬合的方法對散亂點云的微分幾何信息(包括法向矢量和曲率信息)進行估算。然后根據(jù)計算出的鄰域內(nèi)法向矢量交角和平均曲率設定雙重特征判定閾值,由此來對模型的點云數(shù)據(jù)進行特征提取。通過進行不同算法和不同噪聲強度下的特征提取實驗,結果表明本文算法具有較好的特征提取效果。(4)掃描和數(shù)據(jù)處理系統(tǒng)搭建:以手持式掃描儀和投影光柵式掃描儀為數(shù)據(jù)獲取端,然后以C++為編程語言,利用OpenGL圖形庫和VS2013開發(fā)工具來實現(xiàn)對三維點云數(shù)據(jù)的去噪和特征提取的算法,并以汽車石膏模型為實例進行整個數(shù)據(jù)處理過程的說明,并進行算法可行性論證。
[Abstract]:With the rapid development of 3D scanning technology, computer technology and information technology, the model reconstruction technology to obtain virtual 3D point cloud information through actual object scanning measurement has become a hot research topic at present. It is widely used in many fields, such as model construction in virtual reality, protection and restoration of cultural relics and monuments, development of 3D game characters, design and restoration of various molds, etc. In the process of model reconstruction, point cloud model preprocessing (including denoising and smoothing, point cloud reduction, point cloud feature extraction and point cloud stitching) is a very important part of 3D reverse modeling. In this paper, the point cloud denoising and point cloud feature extraction algorithms in the preprocessing of 3D point cloud are studied. The main contents of this paper are as follows: (1) neighborhood and differential information estimation of scattered point clouds: the field of scattered point clouds and the estimation of differential geometric information are studied theoretically. Based on the large amount of scattered point cloud data in this paper, the search method of k-d tree with high search efficiency is used to establish the topological structure of point cloud data. Then according to the differential geometry information of scattered point cloud, the normal vector and curvature of point cloud are studied according to the related content of surface theory. Then, a fitting method based on the local Quadric surface of sampling points is proposed to estimate the differential geometric information of the model point cloud. (2) based on the classification of feature information, 3D point data denoising is proposed: in the process of inverse modeling for 3D scattered point cloud denoising, Model feature information is difficult to maintain and bilateral filtering is easy to produce over-fairing for regions with less feature information. A denoising algorithm based on point cloud curvature feature information classification is proposed. The specific method is to calculate the differential geometric information of the point cloud by using the method of local surface fitting, and the local eigenvalue is set from the average curvature of the model point cloud. Then the point cloud data are divided according to the mean curvature feature weights, and the flat region with less feature information and the region with more feature information are obtained. Finally, two kinds of de-noising algorithms, namely neighborhood distance average filtering algorithm and adaptive bilateral filtering algorithm, are used to Denoise the two different characteristic regions. Through the contrast experiment of different denoising algorithm and the contrast experiment under different noise intensity, the result shows that the algorithm has better denoising effect. 3) the algorithm of extracting scattered point cloud data: in the process of feature extraction of scattered point cloud, The extraction efficiency is low and the sensitivity to noise is poor. In this paper, a feature extraction algorithm based on double threshold detection is proposed. Firstly, the differential geometric information (including normal vector and curvature information) of scattered point cloud is estimated by principal component analysis and local surface fitting. Then the threshold value is set according to the normal vector intersection and mean curvature in the neighborhood, and then the point cloud data of the model is extracted. Through the experiments of feature extraction under different algorithms and different noise intensity, The results show that the algorithm has a better feature extraction effect. 4) scan and data processing system is built: the hand-held scanner and projection raster scanner are used as the data acquisition terminal, and then C is used as the programming language. The algorithm of de-noising and feature extraction of 3D point cloud data is realized by using OpenGL graphics library and VS2013 development tool. The whole data processing process is illustrated by taking the automobile gypsum model as an example, and the feasibility of the algorithm is demonstrated.
【學位授予單位】：南昌大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.7

【相似文獻】

相關期刊論文 前10條

1 梁新合;宋志真;;改進的點云精確匹配技術[J];裝備制造技術;2008年03期

2 葉愛芬;龔聲蓉;王朝暉;劉純平;;基于隨機分布估計的點云密度提取[J];計算機工程;2009年04期

3 梁新合;梁晉;郭成;曹巨明;;法向約束的多幅點云數(shù)據(jù)融合算法[J];西安交通大學學報;2009年05期

4 孟凡文;吳祿慎;;用繼承與優(yōu)化算法精密拼接無序點云[J];光學精密工程;2009年04期

5 李海亮;鄧非;李剛;;攝影測量激光點云空洞修補[J];測繪科學;2010年05期

6 張晶;楊云生;豐少偉;;基于點云法矢變化的點云簡化方法研究[J];計算機與數(shù)字工程;2011年12期

7 李曉久;景曉寧;;基于非接觸式測量的人體點云簡化方法[J];紡織學報;2012年07期

8 高恩陽;鄭昊鴻;;點云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

9 范然;金小剛;;大規(guī)模點云選擇及精簡[J];圖學學報;2013年03期

10 李偉;李旭東;趙慧潔;張穎;;基于姿態(tài)標準化的線特征點云提取方法[J];北京航空航天大學學報;2013年08期

相關會議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點云生成和預處理[A];2011年全國通信安全學術會議論文集[C];2011年

2 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

3 馬國慶;陶萍萍;楊周旺;;點云空間曲線的微分信息計算及匹配方法[A];第四屆全國幾何設計與計算學術會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點云精簡算法[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機載激光點云快速繪制方法[A];第二十五屆全國空間探測學術研討會摘要集[C];2012年

6 李凱;張愛武;;基于激光點云的糧倉儲糧數(shù)量測量方法[A];第二屆“測繪科學前沿技術論壇”論文精選[C];2010年

7 朱曉強;余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點云的城市道路提取[A];全國第19屆計算機技術與應用（CACIS）學術會議論文集（上冊）[C];2008年

8 劉虎;;基于線性八叉樹的點云簡化與特征提取研究[A];促進科技經(jīng)濟結合，，服務創(chuàng)新驅動發(fā)展——蚌埠市科協(xié)2012年度學術年會論文集[C];2012年

9 李濱;王佳;;基于點云的建筑測繪信息提取[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點云切片技術研究[A];全國先進制造技術高層論壇暨第八屆制造業(yè)自動化與信息化技術研討會論文集[C];2009年

相關重要報紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點云 亦真亦幻[N];解放軍報;2013年

2 中國工程院院士 劉先林;四維遠見的裝備創(chuàng)新[N];中國測繪報;2012年

相關博士學位論文 前10條

1 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學;2012年

2 劉涌;基于連續(xù)序列自動快速拼接的全方位三維測量技術研究[D];西南交通大學;2013年

3 賴祖龍;基于LiDAR點云與影像的海岸線提取和地物分類研究[D];武漢大學;2013年

4 王瑞巖;計算機視覺中相機標定及點云配準技術研究[D];西安電子科技大學;2015年

5 段敏燕;機載激光雷達點云電力線三維重建方法研究[D];武漢大學;2015年

6 李艷紅;車載移動測量系統(tǒng)數(shù)據(jù)配準與分類識別關鍵技術研究[D];武漢大學;2014年

7 崔婷婷;結合車載點云和全景影像的建筑物立面重建[D];武漢大學;2015年

8 戴玉成;基于UAV傾斜影像匹配點云的城市建筑物信息提取方法研究[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2017年

9 龔珍;地面三維激光掃描點云場景重建方法研究[D];中國地質大學;2017年

10 韓峰;基于點云信息的既有鐵路狀態(tài)檢測與評估技術研究[D];西南交通大學;2015年

相關碩士學位論文 前10條

1 龔碩然;基于Delaunay三角剖分的點云三維網(wǎng)格重構[D];河北大學;2015年

2 楊紅粉;頻域技術應用于點云配準研究[D];北京建筑大學;2015年

3 段紅娟;點云圖像交互式曲線骨架提取技術及其應用[D];西南交通大學;2015年

4 張永恒;散亂點云數(shù)據(jù)配準方法研究[D];長安大學;2015年

5 吳愛;面向特征擬合的點云簡化方法研究[D];中國地質大學(北京);2015年

6 薛廣順;基于立體視覺的牛體點云獲取方法研究與實現(xiàn)[D];西北農(nóng)林科技大學;2015年

7 胡誠;精度約束下地表LiDAR點云抽稀方法研究[D];西南交通大學;2015年

8 余明;三維離散點云數(shù)據(jù)處理技術研究[D];南京理工大學;2015年

9 陳星宇;基于三維彩色點云的地形分類方法研究[D];南京理工大學;2015年

10 朱東方;基于復雜拓撲結構點云的曲線擬合研究與應用[D];山東大學;2015年

本文編號：1885756