本文選題：傾斜攝影 + 點(diǎn)云分類　； 參考：《中國地質(zhì)大學(xué)(北京)》2017年碩士論文

【摘要】：隨著計(jì)算機(jī)視覺和攝影測量技術(shù)的發(fā)展,利用計(jì)算機(jī)視覺的運(yùn)動恢復(fù)目標(biāo)結(jié)構(gòu)算法(Structure Form Motion,SFM)和多視圖立體視覺重構(gòu)算法(multi-view stereo,MVS),對多視圖像進(jìn)行匹配的傾斜攝影測量技術(shù)迅速的發(fā)展起來。多視傾斜攝影測量可以從多個角度對地面地物進(jìn)行拍攝,能夠獲得對象除垂直方向外的側(cè)面紋理信息,可以全面的反映對象的紋理屬性。使用SFM和MVS算法對多視影像進(jìn)行匹配,獲得對象的稀疏點(diǎn)云、密集點(diǎn)云,并使用垂直影像制作正射影像。分別使用格網(wǎng)化數(shù)學(xué)形態(tài)學(xué)法和迭代三角網(wǎng)內(nèi)插法對密集點(diǎn)云數(shù)據(jù)進(jìn)行分類處理,分類后的地面點(diǎn)云生成DEM,并生成等高線,結(jié)合正射影像的地物數(shù)字化圖,制作DLG。本文研究內(nèi)容的方法和結(jié)果如下:(1)對多視影像匹配的方法進(jìn)行研究。多視影像特征點(diǎn)提取和匹配后,使用SFM算法得到對象的稀疏點(diǎn)云數(shù)據(jù),因稀疏點(diǎn)云的對象可視化程度低,不能反映對象的特征,因此,在稀疏點(diǎn)云的基礎(chǔ)上使用基于片面的多視圖立體視覺(patch-based MVS algorithm,PMVS)算法進(jìn)行密集匹配,獲得對象的密集點(diǎn)云數(shù)據(jù),能夠較完整的反映對象的特征。以密集點(diǎn)云為數(shù)據(jù)基礎(chǔ),進(jìn)行下面的點(diǎn)云分類和測圖應(yīng)用研究。(2)多視影像密集匹配獲得的密集點(diǎn)云數(shù)據(jù)為離散點(diǎn),借鑒LIDAR點(diǎn)云離散點(diǎn)的分類處理算法,重點(diǎn)研究格網(wǎng)化數(shù)學(xué)形態(tài)學(xué)法和迭代三角網(wǎng)內(nèi)插法對傾斜影像密集匹配的點(diǎn)云數(shù)據(jù)進(jìn)行處理,通過實(shí)驗(yàn)對比兩種算法處理的結(jié)果,并使用定性和定量評價(jià)的方法,分析各算法處理的結(jié)果,得出迭代三角網(wǎng)內(nèi)插法較適用于多視影像密集匹配的點(diǎn)云分類處理,獲得地面點(diǎn)和非地面點(diǎn)數(shù)據(jù)。(3)最后,利用地面點(diǎn)數(shù)據(jù)和獲得的正射圖像,進(jìn)行數(shù)字線劃圖(Digital Line Graphic,DLG)的制作。密集點(diǎn)云數(shù)據(jù)的密度和數(shù)據(jù)量較大,處理時(shí)比較困難,需要對密集點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理。首先,需要對點(diǎn)云數(shù)據(jù)進(jìn)行抽稀處理,然后對抽稀后的簡化點(diǎn)云數(shù)據(jù)進(jìn)行數(shù)字高程模型(Digital Elevation Model,DEM)制作,生成等高線,以正射影像圖為底圖進(jìn)行數(shù)字線劃圖的平面圖制作,最后,把等高線加入,形成完整的數(shù)字線劃圖。
[Abstract]:With the development of computer vision and photogrammetry, With the use of computer vision motion recovery target structure algorithm (structure form) and multi-view stereotype reconstruction algorithm (multi-view stereotype MVS), the tilt photogrammetry technology for multi-view image matching is developed rapidly. Multi-view tilt photogrammetry can be used to shoot ground objects from many angles, which can obtain the side texture information except vertical direction, and can reflect the texture properties of objects comprehensively. SFM and MVS algorithms are used to match the multi-view images to obtain the sparse point cloud and dense point cloud of the object, and the vertical image is used to make the orthophoto image. The dense point cloud data are classified and processed by grid mathematical morphology method and iterative triangular interpolation method respectively. After classification, the ground point cloud is generated by DEM, and contour lines are generated, and DLG is made by combining with the digitized map of the object of orthophoto image. The methods and results of this paper are as follows: (1) the method of multi-view image matching is studied. After feature points extraction and matching in multi-view images, the sparse point cloud data of objects are obtained by SFM algorithm. Because of the low visualization degree of sparse point clouds, the features of objects can not be reflected. On the basis of sparse point cloud, the one-sided multi-view stereo vision (patch-based MVS algorithm) algorithm is used for dense matching, and the dense point cloud data of the object can be obtained, which can reflect the characteristics of the object completely. Based on the data of dense point cloud, the following point cloud classification and mapping applications are studied. (2) the dense point cloud data obtained by dense matching of multi-view images are discrete points, and the classification and processing algorithm of LIDAR point cloud discrete points is used for reference. This paper focuses on the mesh mathematical morphology method and iterative triangular interpolation method to deal with the point cloud data with dense matching of inclined images. The experimental results of the two algorithms are compared, and the qualitative and quantitative evaluation methods are used. After analyzing the results of each algorithm, it is concluded that iterative triangulation interpolation method is more suitable for point cloud classification with dense matching of multi-view images to obtain ground point and non-ground point data. (3) finally, the ground point data and the obtained forward projection image are used. Make Digital Line drawing (DLG). The density and data amount of the dense point cloud data is large, so it is difficult to process the dense point cloud data, so it is necessary to preprocess the dense point cloud data. First of all, the point cloud data need to be thinned, and then the simplified point cloud data after thinning is made by digital elevation model (Dem), and contour lines are generated, and the plane drawing of the digital line drawing is made with the orthophoto image as the base map. Finally, Add contours to form a complete digital line drawing.
【學(xué)位授予單位】：中國地質(zhì)大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 康蘭;馮亞娟;陳正鳴;;多視點(diǎn)云數(shù)據(jù)快速對齊方法[J];機(jī)械設(shè)計(jì)與研究;2009年01期

2 閆龍;;攝影測量點(diǎn)云數(shù)據(jù)精簡研究[J];制造技術(shù)與機(jī)床;2010年07期

3 鄭德華;;點(diǎn)云數(shù)據(jù)直接縮減方法及縮減效果研究[J];測繪工程;2006年04期

4 張量;王敏;;基于k鄰域離散擴(kuò)張的點(diǎn)云數(shù)據(jù)分割[J];軟件導(dǎo)刊;2009年12期

5 周怡;周顧盛;;三維GIS數(shù)據(jù)的處理與提取方法的研究—以點(diǎn)云數(shù)據(jù)中提取樹木為例[J];計(jì)算機(jī)應(yīng)用與軟件;2010年10期

6 李鳳霞;饒永輝;劉陳;介飛;;基于法向夾角的點(diǎn)云數(shù)據(jù)精簡算法[J];系統(tǒng)仿真學(xué)報(bào);2012年09期

7 嵇俊;云挺;薛聯(lián)鳳;張浩平;;基于激光點(diǎn)云數(shù)據(jù)的復(fù)雜植物葉片重建方法[J];西北林學(xué)院學(xué)報(bào);2014年05期

8 吳福生,丁玉成,盧秉恒;基于點(diǎn)云數(shù)據(jù)復(fù)雜曲面產(chǎn)品的快速開發(fā)[J];西安交通大學(xué)學(xué)報(bào);2002年11期

9 胡雪芬,陳愛萍,童水光,單新潮;基于點(diǎn)云數(shù)據(jù)的鞋楦數(shù)控編程及其仿真[J];組合機(jī)床與自動化加工技術(shù);2004年07期

10 陳飛舟;陳志楊;丁展;葉修梓;張三元;;基于徑向基函數(shù)的殘缺點(diǎn)云數(shù)據(jù)修復(fù)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2006年09期

相關(guān)會議論文 前10條

1 閆龍;;攝影測量點(diǎn)云數(shù)據(jù)精簡研究[A];第二十九屆中國控制會議論文集[C];2010年

2 吳美金;;基于薄壁構(gòu)件的點(diǎn)云數(shù)據(jù)提取[A];全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2009年

3 段文國;張愛武;蔡廣杰;;基于VTK的點(diǎn)云數(shù)據(jù)繪制研究與實(shí)現(xiàn)[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

4 宋碧波;盧小平;盧遙;;基于點(diǎn)云數(shù)據(jù)的建筑物三維重建[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

5 張偉忠;張順海;于德敏;;點(diǎn)云數(shù)據(jù)與建模軟件的接口設(shè)計(jì)[A];全國第13屆計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)（CAD/CG）學(xué)術(shù)會議論文集[C];2004年

6 呂瓊瓊;楊曉暉;楊唐文;韓建達(dá);莊嚴(yán);;激光雷達(dá)點(diǎn)云數(shù)據(jù)的三維建模技術(shù)[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

7 劉佳;張愛武;楊麗萍;;室內(nèi)場景激光點(diǎn)云數(shù)據(jù)的三維建模[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

8 隋立春;張熠斌;趙旦;;基于MicroStation的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分類處理軟件[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

9 黃承亮;吳侃;劉虎;;基于三維TIN的格網(wǎng)化點(diǎn)云數(shù)據(jù)特征提取[A];數(shù)字測繪與GIS技術(shù)應(yīng)用研討交流會論文集[C];2008年

10 楊銘;陳建峰;;基于CUDA的海量點(diǎn)云數(shù)據(jù)kNN查詢算法[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

相關(guān)重要報(bào)紙文章 前7條

1 記者 趙倩;數(shù)字介休通過驗(yàn)收[N];中國測繪報(bào);2013年

2 杜斌;大大提高DLG檢查效率[N];中國測繪報(bào);2004年

3 記者 杜斌;湖北局積極服務(wù)新農(nóng)村建設(shè)[N];中國測繪報(bào);2007年

4 陳妍　孫洪雙;測繪邊少補(bǔ)助項(xiàng)目 助推龍江經(jīng)濟(jì)發(fā)展[N];中國測繪報(bào);2011年

5 王金鑫 邊馥苓;讓數(shù)字線劃圖適應(yīng)GIS要求[N];中國測繪報(bào);2004年

6 金蕊　蘇春柏;甘肅局與省無線電管委會簽訂合作協(xié)議[N];中國測繪報(bào);2012年

7 杜斌 黃繼躍;武大遙感學(xué)院與湖北二院共建實(shí)習(xí)基地[N];中國測繪報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 趙江洪;古建筑散亂點(diǎn)云基準(zhǔn)面的提取與擬合[D];武漢大學(xué);2012年

2 谷曉英;三維重建中點(diǎn)云數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];燕山大學(xué);2015年

3 胡峰俊;三維離散點(diǎn)云數(shù)據(jù)的預(yù)處理和配準(zhǔn)技術(shù)研究[D];浙江工業(yè)大學(xué);2015年

4 董秀軍;三維空間影像技術(shù)在地質(zhì)工程中的綜合應(yīng)用研究[D];成都理工大學(xué);2015年

5 李曉捷;基于深度相機(jī)的三維人體重建及在服裝展示方面的技術(shù)研究[D];天津工業(yè)大學(xué);2016年

6 張坤;基于三維激光掃描的點(diǎn)云數(shù)據(jù)逆向重建算法研究[D];燕山大學(xué);2016年

7 王巖;陣列激光三維成像點(diǎn)云數(shù)據(jù)配準(zhǔn)技術(shù)研究[D];中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所;2016年

8 金娟鳳;基于特征距離的腰腹臀部體型分析與個性化女褲樣板生成[D];浙江理工大學(xué);2017年

9 石宏斌;地面激光點(diǎn)云模型自動構(gòu)建方法研究[D];武漢大學(xué);2014年

10 張學(xué)昌;基于點(diǎn)云數(shù)據(jù)的復(fù)雜型面數(shù)字化檢測關(guān)鍵技術(shù)研究及其系統(tǒng)開發(fā)[D];上海交通大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 張磊;大型鋼結(jié)構(gòu)建筑安裝質(zhì)量檢測與變形監(jiān)測軟件系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];北京建筑大學(xué);2015年

2 饒杰;基于激光點(diǎn)云數(shù)據(jù)的建筑物快速三維建模[D];中國地質(zhì)大學(xué)(北京);2015年

3 李俊寶;TLS在古建筑物測繪及建模中的應(yīng)用研究[D];長安大學(xué);2015年

4 謝金坤;基于事故車輛車身變形的碰撞速度研究[D];長安大學(xué);2015年

5 顧品熒;基于點(diǎn)云數(shù)據(jù)的基本款女西裝樣板生成系統(tǒng)研究[D];蘇州大學(xué);2015年

6 李國瑞;車載LiDAR點(diǎn)云中的車輛自動檢測技術(shù)[D];長安大學(xué);2015年

7 江靜;建筑物L(fēng)iDAR點(diǎn)云數(shù)據(jù)特征檢測及配準(zhǔn)關(guān)鍵技術(shù)研究[D];集美大學(xué);2015年

8 梁子瑜;基于TLS點(diǎn)云數(shù)據(jù)的林分調(diào)查因子測定及收獲估計(jì)[D];南京林業(yè)大學(xué);2015年

9 喻W毶，

本文編號：2080718