【摘要】：隨著獲取點云設(shè)備的發(fā)展,人們能夠方便快捷地獲得實際場景的大量點云數(shù)據(jù),促進了逆向工程技術(shù)的發(fā)展。在三維重建的過程中,為了獲得大范圍場景的點云,需要從不同的角度去獲取場景的點云數(shù)據(jù),所以點云的拼接和重建技術(shù)顯得尤為重要。論文對點云數(shù)據(jù)處理的拼接和重建算法以及相關(guān)問題進行研究。針對點云拼接中存在耗時長、拼接效果差等問題,本文研究了現(xiàn)有的ICP拼接算法以及LM、SVD獲得變換矩陣的方法。通過利用正交映射,獲取三維點云與二維圖像之間的映射關(guān)系,并在二維圖像中獲取匹配點對,提出采用LM和SVD結(jié)合的方法來獲取變換矩陣,實現(xiàn)點云的拼接。最后將幾種拼接算法的實驗結(jié)果進行分析比較,驗證了本文提出的改進算法,在極大縮短拼接時間的同時,降低了拼接誤差。針對點云重建中存在的抗噪性差、耗時長、不光滑且存在孔洞等問題,本文研究了泊松算法和貪婪投影三角化算法。然后在貪婪投影三角化算法的基礎(chǔ)上,首先,提出一種改進的加權(quán)移動最小二乘方法來進行法線估計,使得重建效果在平滑的同時,具有了抗噪性;其次,提出了改進點云預(yù)處理方法,在平滑的基礎(chǔ)上進行了數(shù)據(jù)重采樣,使得重建效果更加光滑且細化了孔洞;最后,針對重建耗時長的問題,使用八叉樹替代KD樹,在不影響重建效果的基礎(chǔ)上,實現(xiàn)了重建時效的優(yōu)化。
[Abstract]:With the development of point cloud acquisition devices, people can easily and quickly obtain a large number of point cloud data of the actual scene, which promotes the development of reverse engineering technology. In the process of 3D reconstruction, in order to obtain the point cloud of a large scale scene, it is necessary to obtain the point cloud data from different angles, so the point cloud splicing and reconstruction technology is particularly important. In this paper, the algorithms and related problems of point cloud data processing are studied. In order to solve the problems of point cloud stitching, such as time consuming and poor effect, the existing ICP stitching algorithm and the method of obtaining transformation matrix by LM,SVD are studied in this paper. By using orthogonal mapping, the mapping relationship between 3D point cloud and two-dimensional image is obtained, and matching point pairs are obtained in two-dimensional image. The method of combining LM and SVD to obtain transformation matrix is proposed to realize the splicing of point cloud. Finally, the experimental results of several stitching algorithms are analyzed and compared to verify the proposed improved algorithm, which can greatly shorten the stitching time and reduce the stitching error. In this paper, Poisson algorithm and greedy projection triangulation algorithm are studied to solve the problems of poor noise resistance, long time consumption, not smooth and holes in point cloud reconstruction. Then, based on the greedy projection triangulation algorithm, an improved weighted moving least square method is proposed to estimate the normal line, which makes the reconstruction effect smooth and noise resistant. Secondly, an improved point cloud preprocessing method is proposed, and the data resampling is carried out on the basis of smoothing, which makes the reconstruction effect smoother and finer. Finally, octree is used instead of KD tree to solve the problem of time-consuming reconstruction, and the reconstruction time is optimized without affecting the reconstruction effect.
【學位授予單位】：西南科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)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(shù)[J];裝備制造技術(shù);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(guān)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(yù)處理[A];2011年全國通信安全學術(shù)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(shù)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(shè)計與計算學術(shù)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(shù)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(shù)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(shù)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(shù)與應(yīng)用（CACIS）學術(shù)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(jié)合，，服務(wù)創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學術(shù)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(shù)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(shù)研究[A];全國先進制造技術(shù)高層論壇暨第八屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2009年

相關(guān)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(guān)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(shù)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(shù)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(guān)鍵技術(shù)研究[D];武漢大學;2014年

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

10 金龍存;3D點云復(fù)雜曲面重構(gòu)關(guān)鍵算法研究[D];上海大學;2012年

相關(guān)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(gòu)[D];河北大學;2015年

2 楊紅粉;頻域技術(shù)應(yīng)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(shù)及其應(yīng)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(zhì)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(shù)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(fù)雜拓撲結(jié)構(gòu)點云的曲線擬合研究與應(yīng)用[D];山東大學;2015年

本文編號：2427623