近年來(lái),隨著計(jì)算機(jī)圖形學(xué)、虛擬現(xiàn)實(shí)、機(jī)器視覺(jué)和逆向工程等領(lǐng)域工程化應(yīng)用需求的不斷普及,基于點(diǎn)云的模型重建得到越來(lái)越廣泛的應(yīng)用,與其相關(guān)的技術(shù)也得到了快速發(fā)展:點(diǎn)云設(shè)備采集精度提高,點(diǎn)云獲取方式更加便捷,點(diǎn)云數(shù)據(jù)也呈現(xiàn)海量化增長(zhǎng)趨勢(shì)。在這樣的背景下,如何快速構(gòu)建點(diǎn)云拓?fù)浣Y(jié)構(gòu),如何提高點(diǎn)云搜索速度,如何在保持特征細(xì)節(jié)的前提下快速完成點(diǎn)云精簡(jiǎn)成為模型重建的核心研究問(wèn)題。本文圍繞空間散亂點(diǎn)云快速建模問(wèn)題,深入研究了點(diǎn)云拓?fù)浣Y(jié)構(gòu)構(gòu)建、點(diǎn)云去噪、點(diǎn)云精簡(jiǎn)和點(diǎn)云網(wǎng)格化等關(guān)鍵技術(shù),并基于此設(shè)計(jì)實(shí)現(xiàn)了一個(gè)點(diǎn)云數(shù)據(jù)渲染系統(tǒng)。研究過(guò)程中,首先介紹了空間單元格、八叉樹、KD樹等三種點(diǎn)云拓?fù)浣Y(jié)構(gòu)構(gòu)建算法并基于此實(shí)現(xiàn)了K近鄰搜索,由于該方法屬于串行處理方法,不適用于大規(guī)模點(diǎn)云搜索問(wèn)題,因此本文在K近鄰搜索中引入CUDA加速,實(shí)現(xiàn)了并行搜索;點(diǎn)云去噪方面,本文采用DBSCAN方法快速剔除了點(diǎn)云中存在的噪點(diǎn)和外點(diǎn);點(diǎn)云精簡(jiǎn)方面,首先介紹了當(dāng)前主流點(diǎn)云特征點(diǎn)提取方法和點(diǎn)云精簡(jiǎn)方法,分析了不同精簡(jiǎn)方法對(duì)建模效果的影響,在此基礎(chǔ)上吸取了隨機(jī)點(diǎn)云精簡(jiǎn)方法的優(yōu)點(diǎn),給出一種基于PCA特征點(diǎn)提取的點(diǎn)云混合精簡(jiǎn)方法,在不丟失特別多特... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

CPU&GPU架構(gòu)對(duì)比

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文量的執(zhí)行單元組成，這些執(zhí)行單元可以輕松地完成大量建線程的開銷，GPU 創(chuàng)建的線程非常輕量，開銷很小。代計(jì)算，對(duì)于邏輯很重的計(jì)算 GPU 還是很難勝任。CU平臺(tái)，有效的結(jié)合 CPU 和 GPU 來(lái)完成并行任務(wù)。將串將并行部分放到 GPU 上去執(zhí)行。架構(gòu)下，Thread 是并行計(jì)算的最基本的單元。數(shù)個(gè) Thre個(gè) Block 最多包含 512 個(gè)線程，同一個(gè) Block 中的 Thre共享內(nèi)存來(lái)交換數(shù)據(jù)。 不同 Block 之間的 thread 無(wú)法此它們無(wú)法直接通信。Grid 包含一組 Block，一個(gè) Gr 并行結(jié)構(gòu)如圖 2-2 所示。

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文根據(jù)點(diǎn)之間的關(guān)系分為規(guī)則點(diǎn)云和散亂點(diǎn)云，規(guī)則點(diǎn)云具又可分為掃描線點(diǎn)云、格化點(diǎn)和多邊形點(diǎn)云。所以，根據(jù)點(diǎn)云的分布特征將點(diǎn)云分為如下四類，如圖 2- 所示。掃描線點(diǎn)云，該點(diǎn)云由一組組掃描線組成，即掃描獲得的點(diǎn)云位于掃描平內(nèi)�；诩す獾穆访鏅z測(cè)系統(tǒng)就掃描得到的點(diǎn)云就呈現(xiàn)該特征。網(wǎng)格化點(diǎn)云，點(diǎn)分布呈現(xiàn)網(wǎng)格狀，每個(gè)點(diǎn)是均勻網(wǎng)格中的一點(diǎn)。激光掃描系統(tǒng)和基于投影的光柵量系統(tǒng)掃描得到的點(diǎn)云經(jīng)過(guò)網(wǎng)格化差值得到的點(diǎn)云即呈該特征。散亂點(diǎn)云，該點(diǎn)無(wú)規(guī)則分布，個(gè)點(diǎn)之間沒(méi)有拓?fù)浣Y(jié)構(gòu)關(guān)系。逆向工程中掃描三維物體得到的點(diǎn)云呈該特征。多邊行點(diǎn)云，該點(diǎn)云的點(diǎn)分布在若干個(gè)平面上，一般是由核磁共振、業(yè) CT 掃描測(cè)量獲得的數(shù)據(jù)。

【參考文獻(xiàn)】：
期刊論文
[1]基于Web GL技術(shù)點(diǎn)云可視化系統(tǒng)的研究與實(shí)現(xiàn)[J]. 向祎,文琳.  地理空間信息. 2018(10)
[2]基于GPU并行三角化的點(diǎn)云模型快速重建方法[J]. 宣偉,花向紅,鄒進(jìn)貴,楊劍.  測(cè)繪通報(bào). 2018(S1)
[3]復(fù)雜曲面零件散亂點(diǎn)云特征點(diǎn)提取[J]. 高瑞,李瀧杲,黃翔,李棟.  航空制造技術(shù). 2017(13)
[4]基于切片原理的海量點(diǎn)云并行簡(jiǎn)化算法[J]. 官亞勤,趙學(xué)勝,王鵬飛,李大朋.  計(jì)算機(jī)應(yīng)用. 2016(07)
[5]散亂點(diǎn)云谷脊特征提取[J]. 張雨禾,耿國(guó)華,魏瀟然.  光學(xué)精密工程. 2015(01)
[6]基于局部重建的點(diǎn)云特征點(diǎn)提取[J]. 王小超,劉秀平,李寶軍,張紹光.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2013(05)
[7]一種改進(jìn)的區(qū)域增長(zhǎng)三角剖分方法[J]. 張世輝,馬淑靜.  燕山大學(xué)學(xué)報(bào). 2010(06)
[8]點(diǎn)云模型谷脊特征的提取與增強(qiáng)算法[J]. 龐旭芳,龐明勇,肖春霞.  自動(dòng)化學(xué)報(bào). 2010(08)
[9]基于高斯曲率極值點(diǎn)的散亂點(diǎn)云數(shù)據(jù)特征點(diǎn)提取[J]. 馬驪溟,徐毅,李澤湘.  系統(tǒng)仿真學(xué)報(bào). 2008(09)
[10]三維散亂數(shù)據(jù)的k個(gè)最近鄰域快速搜索算法[J]. 熊邦書,何明一,俞華璟.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2004(07)

博士論文
[1]面向虛擬現(xiàn)實(shí)的三維點(diǎn)云數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D]. 楊煥宇.東華大學(xué) 2016

碩士論文
[1]三維散亂點(diǎn)云的特征提取方法研究[D]. 張靖.西北大學(xué) 2017
[2]基于CUDA的大規(guī)模點(diǎn)云數(shù)據(jù)處理技術(shù)[D]. 鐘茜.浙江工業(yè)大學(xué) 2014
[3]散亂點(diǎn)云模型三角網(wǎng)格化處理算法的研究與實(shí)現(xiàn)[D]. 高向敏.南京師范大學(xué) 2011



本文編號(hào)：2975204