近幾年來(lái),隨著計(jì)算機(jī)視覺(jué)、無(wú)人駕駛、三維城市、智能機(jī)器人等領(lǐng)域的蓬勃發(fā)展,三維點(diǎn)云數(shù)據(jù)以其特有的空間結(jié)構(gòu)優(yōu)勢(shì),在這些領(lǐng)域得到了廣泛的應(yīng)用。對(duì)掃描設(shè)備獲取的原始點(diǎn)云數(shù)據(jù)進(jìn)行高質(zhì)量快速的重建和有效的分割,是當(dāng)前三維點(diǎn)云數(shù)據(jù)處理技術(shù)中關(guān)鍵部分。有效的點(diǎn)云預(yù)處理可以大大提高重建的速度和精度,高質(zhì)量的分割是機(jī)器視覺(jué)技術(shù)的基礎(chǔ),本文主要對(duì)點(diǎn)云數(shù)據(jù)的精簡(jiǎn)、平滑、重建、配準(zhǔn)、分割做了如下研究:（1）為了解決采集點(diǎn)云數(shù)據(jù)時(shí)存在的冗余,噪聲及空洞等因素影響其快速高質(zhì)量重建的問(wèn)題,提出了一種新的點(diǎn)云重建方法。該方法對(duì)于初步去噪的點(diǎn)云數(shù)據(jù),首先使用體素柵格對(duì)點(diǎn)云進(jìn)行精簡(jiǎn),然后利用改進(jìn)的移動(dòng)最小二乘法對(duì)精簡(jiǎn)后的點(diǎn)云進(jìn)行平滑處理,最后利用投影三角化對(duì)點(diǎn)云進(jìn)行快速重建。實(shí)驗(yàn)結(jié)果表明,該方法可以有效的對(duì)點(diǎn)云的局部空洞進(jìn)行修補(bǔ)及獲得平滑的流形面,使重建結(jié)果更接近于現(xiàn)實(shí),最終實(shí)現(xiàn)對(duì)點(diǎn)云數(shù)據(jù)高質(zhì)量的重建。（2）在點(diǎn)云的精配準(zhǔn)過(guò)程中,迭代最近點(diǎn)算法（Iterative Closest Points,ICP）因配準(zhǔn)精度高,成為目前點(diǎn)云配準(zhǔn)中常用的算法。但傳統(tǒng)的ICP算法隨著迭代次數(shù)的增加,運(yùn)行時(shí)間較長(zhǎng),且存在的偏差較大的最近點(diǎn)... 

【文章來(lái)源】：西安工程大學(xué)陜西省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

PCL點(diǎn)云庫(kù)模塊分類(lèi)論文以Kinect掃描的三維點(diǎn)云數(shù)據(jù)為研究對(duì)象，選用PCL作為點(diǎn)云數(shù)據(jù)處理的主要工具，著重研究了點(diǎn)云數(shù)據(jù)預(yù)處理和分割方面的問(wèn)題

往需要還需要對(duì)數(shù)據(jù)進(jìn)行平滑處理，目前的平滑處理主要分為基于重建或者直接對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行平滑處理。本章在平滑階段分別采用基于網(wǎng)滑，和基于改進(jìn)移動(dòng)最小二乘法（Moving Least Square，MLS）的點(diǎn)云平不同類(lèi)型的平滑算法進(jìn)行對(duì)比，確定對(duì)于點(diǎn)云數(shù)據(jù)平滑處理更優(yōu)的算法效的預(yù)處理策略，實(shí)現(xiàn)對(duì)點(diǎn)云數(shù)據(jù)的精準(zhǔn)快速重建，得到良好的可視化效法流程點(diǎn)云進(jìn)行重建中，本文先對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行初步去噪，然后使用體素柵格余數(shù)據(jù)，且可以在保持點(diǎn)云的局部特征下加快重建速度，但精簡(jiǎn)后的數(shù)局部空洞、細(xì)小噪聲、誤差等[38,39]。對(duì)精簡(jiǎn)過(guò)的數(shù)據(jù)直接重建，得到的光滑，且存在局部空洞。如果對(duì)重建表面進(jìn)行局部網(wǎng)格平滑，可以一定重建網(wǎng)格的光滑程度，但效果并不理想，且對(duì)網(wǎng)格平滑并無(wú)法修復(fù)重建因此，本文在對(duì)點(diǎn)云進(jìn)行初步去噪[40,41]，對(duì)點(diǎn)云使用體素柵格進(jìn)行精簡(jiǎn)最小二乘法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理，并采用加權(quán)的協(xié)差矩陣來(lái)計(jì)算局部取高質(zhì)量流形點(diǎn)云，最后利用貪婪投影三角化對(duì)點(diǎn)云進(jìn)行快速網(wǎng)格化，量的曲面重建[42]，算法流程圖如 2-1 所示。

圖 2-2 統(tǒng)計(jì)濾波示意圖波 PCL 中的參數(shù)設(shè)置如下：eanK(100)，根據(jù)點(diǎn)云的密度分布，將近鄰點(diǎn)的個(gè)數(shù)設(shè)MulThresh(1.0)，將標(biāo)準(zhǔn)差倍數(shù)閾值 std 設(shè)置為 1.0，在波對(duì)待查詢點(diǎn)的近鄰點(diǎn)的個(gè)數(shù)進(jìn)行判斷，將不滿足近進(jìn)行刪除。在對(duì)點(diǎn)云進(jìn)行半徑濾波時(shí)，需要對(duì)球體搜數(shù)進(jìn)行設(shè)定。規(guī)定的球體半徑內(nèi)當(dāng)前查詢點(diǎn) k 近鄰的個(gè)數(shù)，記為 m 時(shí)，該點(diǎn)則作為孤立點(diǎn)被刪除。驗(yàn)，一般將按 M=(2%-5%)·m， r / M CloudResoluti數(shù)進(jìn)行設(shè)定。，在設(shè)定半徑（綠圓表示）指定條件至少要有 3 個(gè)近指定至少要有 5 個(gè)鄰居，e 和 f 點(diǎn)都將被刪除。


本文編號(hào)：3072383