隨著激光掃描技術(shù)的快速發(fā)展,在室外大場景下,能夠獲取的稠密三維點云數(shù)據(jù)也越來越多。近年來,三維點云數(shù)據(jù)在自動駕駛、智慧城市以及逆向工程等領(lǐng)域的應(yīng)用也受到廣泛的關(guān)注,而三維點云分類是這些領(lǐng)域中的關(guān)鍵步驟,因此,對室外大場景下的點云進行分類具有十分重要的意義。本文主要研究并改進了點云預(yù)處理中的地面濾波算法、基于點的點云分類算法以及基于對象的點云分類算法。在點云預(yù)處理階段,本文在對原始點云建立空間索引、去除噪聲點和降采樣之后,提出了 一種基于區(qū)域生長的地面濾波算法,該算法結(jié)合主成分分析法剔除了大量非地面點,提高了地面濾波精度,實驗證明該地面濾波算法能夠在提取地面過程中保證非地面點的完整性。接著研究了基于點的點云分類,首先利用最小熵模型選擇鄰域范圍,之后在支撐區(qū)域內(nèi)提取多種特征并融合,包括本文提出的法線夾角分布直方圖和緯度方向采樣直方圖兩種特征,然后使用支持向量機進行訓練和分類,并在分類之后根據(jù)多尺度下近鄰標簽優(yōu)化分類結(jié)果。實驗結(jié)果證明本文提出的基于點的點云分類框架能有效處理點云分類問題,同時具有較高的準確度。最后深入研究了基于對象的點云分類算法,本文運用密度聚類算法進行初步的點云分割后,再利... 

【文章來源】：東北大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于點的點云分類
        1.2.2 基于對象的點云分類
    1.3 研究內(nèi)容及組織結(jié)構(gòu)
        1.3.1 本文研究內(nèi)容
        1.3.2 本文組織結(jié)構(gòu)
第2章 三維點云數(shù)據(jù)預(yù)處理
    2.1 空間索引的建立
    2.2 點云濾波
        2.2.1 噪聲去除
        2.2.2 數(shù)據(jù)抽稀
    2.3 基于區(qū)域生長的地面濾波
        2.3.1 地面粗提取
        2.3.2 區(qū)域生長提取地面
        2.3.3 基于主成分分析的錯誤區(qū)域剔除
    2.4 實驗驗證
        2.4.1 實驗數(shù)據(jù)集
        2.4.2 實驗及對比分析
    2.5 本章小結(jié)
第3章 基于多特征融合的單點分類算法
    3.1 單點的特征提取
        3.1.1 參數(shù)自適應(yīng)鄰域
        3.1.2 局部特征的選擇
    3.2 基于機器學習的點云分類
        3.2.1 支持向量機
        3.2.2 基于SVM的點云分類
    3.3 多尺度近鄰優(yōu)化
    3.4 實驗驗證
        3.4.1 實驗數(shù)據(jù)集
        3.4.2 實驗對比及分析
    3.5 本章小結(jié)
第4章 基于條件隨機場的點云對象分類算法
    4.1 基于聚類的點云分割
        4.1.1 DBSCAN聚類點云
        4.1.2 基于Kmeans的點云對象生成
        4.1.3 基于對象的點云初分類
        4.1.4 基于類別的MeanShift聚類
    4.2 基于條件隨機場的點云分類
        4.2.1 條件隨機場模型
        4.2.2 團的構(gòu)建
        4.2.3 能量函數(shù)及優(yōu)化
    4.3 實驗驗證
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝
攻讀碩士期間發(fā)表的論文


【參考文獻】：
期刊論文
[1]基于點云數(shù)據(jù)的逆向工程技術(shù)研究綜述[J]. 王鑫龍,孫文磊,張建杰,黃勇,黃海博.  制造技術(shù)與機床. 2018(02)
[2]一種利用曲率約束的改進K-means三維點云數(shù)據(jù)分割方法[J]. 楊永濤,黃國言,張坤,吳培良.  小型微型計算機系統(tǒng). 2017(11)
[3]基于spin image的人臉點云特征定位[J]. 朱思豪,張靈,羅源,陳云華.  計算機工程與設(shè)計. 2017(08)
[4]基于曲率特征的迭代最近點算法配準研究[J]. 曾繁軒,李亮,刁鑫鵬.  激光與光電子學進展. 2017(01)
[5]平滑度歐式聚類算法分割點云數(shù)據(jù)[J]. 吳燕雄,李峰,劉芳,程麗娜,郭麗麗.  測控技術(shù). 2016(03)
[6]點云數(shù)據(jù)濾波方法綜述[J]. 高恩陽,鄭昊鴻.  科技資訊. 2012(33)
[7]三維散亂點云分割技術(shù)綜述[J]. 歐新良,匡小蘭,倪問尹.  湖南工業(yè)大學學報. 2010(05)
[8]車載式城市信息采集與三維建模系統(tǒng)[J]. 盧秀山,李清泉,馮文灝,李成明,陳鷹,李貽斌,韓曉冬,靳奉祥.  武漢大學學報(工學版). 2003(03)

碩士論文
[1]機載LIDAR數(shù)據(jù)特征選擇與精確分類技術(shù)研究[D]. 梁小偉.中北大學 2015



本文編號：3171007