本文關(guān)鍵詞：三維重建過程中點云數(shù)據(jù)精簡與配準(zhǔn)方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著計算機輔助設(shè)計技術(shù)的提高,使得利用實物數(shù)字化技術(shù)采集數(shù)據(jù)的三維重建技術(shù)得到越來越廣泛的應(yīng)用。本文主要以三維點云數(shù)據(jù)為研究對象,在提取邊界的基礎(chǔ)上研究如何高精度簡化點云數(shù)據(jù)模型以及如何實現(xiàn)點云數(shù)據(jù)間的精確配準(zhǔn),并在一定程度上解決提高算法效率的問題。本文提出了一種基于Hausdorff距離的點云分片改進精簡算法和融合相似原理實現(xiàn)點云配準(zhǔn)的改進ICP算法。本文的主要工作如下:第一,介紹了點云數(shù)據(jù)的獲取方法以及散亂點云數(shù)據(jù)之間拓?fù)浣Y(jié)構(gòu)的建立方法,包括八叉樹法、k-d樹法和柵格化法等,并對各種方法進行客觀性評價。其中,具體研究了八叉樹法的網(wǎng)格劃分實現(xiàn)原理。第二,提出一種基于Hausdorff距離的點云分片精簡改進算法。首先對點云模型進行X-Y邊界獲取以保留形狀特征;然后計算除邊界外其余數(shù)據(jù)點對應(yīng)的曲率,并根據(jù)平均曲率構(gòu)造點云模型的模糊集,引入模糊集合理論得到曲率分片的最佳閾值。以曲率最大、最小值差值作為點云的曲率間隔,依次對點云數(shù)據(jù)進行分片,使得某一數(shù)據(jù)點對當(dāng)前分片點云的歸屬程度達到最大;最后計算各分片內(nèi)數(shù)據(jù)點主曲率的Hausdorff距離,獲取并保留特征點。實驗表明,該算法在提高點云精簡率的同時,有效縮短了精簡時間,且能較好的保留點云細(xì)節(jié)特征。第三,針對三維重建領(lǐng)域點云數(shù)據(jù)配準(zhǔn)過程中存在的配準(zhǔn)效率和精度誤差問題,提出一種改進ICP算法。應(yīng)用盒子結(jié)構(gòu)劃分點云數(shù)據(jù),對每一獨立單元盒提取特征點構(gòu)建三角形,根據(jù)相似原理,選用與其相似度最大的三角形各頂點作為初始對應(yīng)點對,引入支持度的概念,并給出評價準(zhǔn)則,確保當(dāng)前點對的成立最大支持其余匹配點對,從而保證對應(yīng)點查找的正確性。同理,以現(xiàn)有三角形各邊為基準(zhǔn),繼續(xù)構(gòu)建新的三角形,進而完成所有匹配點對的查找。從理論與實際實驗兩方面驗證了改進后的算法較傳統(tǒng)ICP算法效率有大幅度的提高,算法優(yōu)勢明顯。
【關(guān)鍵詞】：三維重建 點云分片 數(shù)據(jù)精簡 ICP算法 點云配準(zhǔn)
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.72
【目錄】：

• 摘要4-5
• Abstract5-10
• 1 緒論10-16
• 1.1 課題研究背景及意義10-11
• 1.2 三維重建過程概述11-14
• 1.2.1 點云的定義及分類11-12
• 1.2.2 點云數(shù)據(jù)獲取12
• 1.2.3 三維點云數(shù)據(jù)精簡及其研究現(xiàn)狀12-13
• 1.2.4 三維點云數(shù)據(jù)配準(zhǔn)及其研究現(xiàn)狀13-14
• 1.3 本文研究內(nèi)容和創(chuàng)新點14-15
• 1.4 本文的組織結(jié)構(gòu)15-16
• 2 三維重建關(guān)鍵技術(shù)16-30
• 2.1 引言16
• 2.2 點云數(shù)據(jù)拓?fù)潢P(guān)系建立16-21
• 2.2.1八叉樹法16-18
• 2.2.2三維柵格法18-19
• 2.2.3 K-D Tree法19-21
• 2.3 鄰域類型21-23
• 2.4 點云曲率計算23-24
• 2.5 點云精簡效果度量24
• 2.6 點云數(shù)據(jù)配準(zhǔn)原理24-28
• 2.6.1 經(jīng)典ICP算法24-25
• 2.6.2 剛體變換25-26
• 2.6.3 平移變換26-27
• 2.6.4 旋轉(zhuǎn)變換27-28
• 2.7 本章小結(jié)28-30
• 3 基于Hausdorff距離的點云分片精簡改進算法30-39
• 3.1 引言30
• 3.2 點云模型邊界提取30-31
• 3.3 點云數(shù)據(jù)分片31-33
• 3.4 基于Hausdorff距離的特征點判定33-34
• 3.4.1 Hausdorff距離33-34
• 3.4.2 特征點判定34
• 3.5 算法流程及參數(shù)選取34-36
• 3.6 實驗驗證與分析36-38
• 3.6.1 實驗方案36-37
• 3.6.2 實驗結(jié)果分析37-38
• 3.7 本章小結(jié)38-39
• 4 融合相似原理的改進ICP算法實現(xiàn)點云配準(zhǔn)39-54
• 4.1 引言39
• 4.2 點云粗配準(zhǔn)39-41
• 4.3 改進ICP算法點云精配準(zhǔn)41-47
• 4.3.1 盒子結(jié)構(gòu)劃分42
• 4.3.2 相似原理42-43
• 4.3.3 最大支持度約束43-45
• 4.3.4 四元數(shù)法求解矩陣參數(shù)45-47
• 4.4 算法流程及參數(shù)選取47-48
• 4.5 實驗驗證與分析48-53
• 4.5.1 實驗方案48-49
• 4.5.2 實驗結(jié)果分析49-53
• 4.6 本章小結(jié)53-54
• 5 總結(jié)與展望54-56
• 5.1 全文工作總結(jié)54-55
• 5.2 課題研究展望55-56
• 參考文獻56-61
• 攻讀碩士學(xué)位期間發(fā)表的論文及所取得的研究成果61-62
• 致謝62-63

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 閆龍;;攝影測量點云數(shù)據(jù)精簡研究[J];制造技術(shù)與機床;2010年07期

2 鄭德華;;點云數(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

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

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

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

6 嵇俊;云挺;薛聯(lián)鳳;張浩平;;基于激光點云數(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;2014年05期

7 吳福生,丁玉成,盧秉恒;基于點云數(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;2002年11期

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

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

10 劉志軍;;基于三坐標(biāo)測量機的點云數(shù)據(jù)測量規(guī)劃研究[J];黑龍江科技信息;2008年20期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 閆龍;;攝影測量點云數(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的點云數(shù)據(jù)繪制研究與實現(xiàn)[A];《測繪通報》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;;點云數(shù)據(jù)與建模軟件的接口設(shè)計[A];全國第13屆計算機輔助設(shè)計與圖形學(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;莊嚴(yán);;激光雷達點云數(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)場景激光點云數(shù)據(jù)的三維建模[A];《測繪通報》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的機載LiDAR點云數(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

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 趙江洪;古建筑散亂點云基準(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 張學(xué)昌;基于點云數(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

6 王果;不同平臺激光點云數(shù)據(jù)面狀信息自動提取研究[D];中國礦業(yè)大學(xué)（北京）;2014年

7 趙煦;基于地面激光掃描點云數(shù)據(jù)的三維重建方法研究[D];武漢大學(xué);2010年

8 張會霞;三維激光掃描點云數(shù)據(jù)組織與可視化研究[D];中國礦業(yè)大學(xué)（北京）;2010年

9 孫曉東;人體點云數(shù)據(jù)處理中若干問題的研究[D];北京工業(yè)大學(xué);2012年

10 張帆;點云數(shù)據(jù)幾何處理方法研究[D];西北大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 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)計與實現(xiàn)[D];北京建筑大學(xué);2015年

2 饒杰;基于激光點云數(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點云數(shù)據(jù)的林分調(diào)查因子測定及收獲估計[D];南京林業(yè)大學(xué);2015年

9 喻W毶

本文編號：338477