發(fā)布時間：2021-11-15 10:11

　　三維點(diǎn)云數(shù)據(jù)所特有的空間結(jié)構(gòu)信息為進(jìn)一步提升視覺應(yīng)用的精度提供了可能,因此吸引了越來越多研究者的關(guān)注。點(diǎn)云分類是點(diǎn)云數(shù)據(jù)處理的一個重要研究方向,也是一個具有挑戰(zhàn)性的課題,相關(guān)研究的重點(diǎn)主要集中在以下方面:（1）提高點(diǎn)云分類算法的精度,（2）在保持精度的前提下提高點(diǎn)云處理速度。本文主要研究了點(diǎn)云精簡算法、特征描述子構(gòu)建方法以及對應(yīng)的分類算法,旨在保持分類精度的條件下提升點(diǎn)云分類算法的速度。本文的主要工作如下:（1）針對當(dāng)前點(diǎn)云精簡算法中存在的精簡效率不高、精簡導(dǎo)致精確度降低的問題,本文提出了一種點(diǎn)云的非均分層方法及分層點(diǎn)云精簡算法。首先利用點(diǎn)云的空間結(jié)構(gòu)信息完成非均分層處理;然后計算各層的曲率信息并據(jù)此去掉分層中不重要的點(diǎn),實現(xiàn)單層點(diǎn)云的精簡;最后將精簡后的各層點(diǎn)云進(jìn)行拼接得到完整的精簡點(diǎn)云。對比實驗結(jié)果表明了本文提出的點(diǎn)云精簡算法的有效性。（2）針對經(jīng)典的點(diǎn)云特征描述子存在特征維度較高、計算效率不高的問題,本文提出了一種二值化幾何特征描述子（BGFD）。首先利用特征重要性評價及特征冗余性分析選擇出最優(yōu)幾何特征子集,對其進(jìn)行二值化處理得到二值化特征表示（BGFD）。采用BGFD與經(jīng)典描述... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２?“斯坦福兔子”原始點(diǎn)云模型可視化圖??Ｆｉｇｕｒｅ?２－２?Ｏｒｉｇｉｎａｌ?“Ｓｔａｎｆｏｒｄ?Ｂｕｎｎｙ”?ｐｏｉｎｔ?ｃｌｏｕｄ?ｍｏｄｅｌ?ｖｉｓｕａｌｉｚａｔｉｏｎ??

?基于非均分層曲率計算的點(diǎn)云精簡算法研究??中的模型點(diǎn)云的可視化結(jié)果如圖２－５所示：??ＳＦ＾ｉｌ??圖２＿５斯坦福掃描數(shù)據(jù)集中的模型示意圖??Ｆｉｇｕｒｅ?２－５?Ｔｈｅ?ｍｏｄｅｌｓ９?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｔｈｅ?Ｓｔａｎｆｏｒｄ?ｓｃａｎｎｉｎｇ?ｄａｔａｓｅｔ??為了驗證本章提出的點(diǎn)云精簡算法的有效性與進(jìn)步性，選擇其中的單個場景??點(diǎn)云包含５個模型點(diǎn)云的４個場景模型進(jìn)行驗證實驗，所用的４個場景點(diǎn)云的可??視化結(jié)果如圖２－６所示。??■Ｅ國圓??（ａ）?（ｂ）?（ｃ）?（ｄ）??圖２－６場景點(diǎn)云可視化圖（ａ）場景ａ?（ｂ）場景ｂ?（ｃ）場景ｃ（ｄ）場景ｄ??Ｆｉｇｕｒｅ?２－６

?基于非均分層曲率計算的點(diǎn)云精簡算法研究??中的模型點(diǎn)云的可視化結(jié)果如圖２－５所示：??ＳＦ＾ｉｌ??圖２＿５斯坦福掃描數(shù)據(jù)集中的模型示意圖??Ｆｉｇｕｒｅ?２－５?Ｔｈｅ?ｍｏｄｅｌｓ９?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｔｈｅ?Ｓｔａｎｆｏｒｄ?ｓｃａｎｎｉｎｇ?ｄａｔａｓｅｔ??為了驗證本章提出的點(diǎn)云精簡算法的有效性與進(jìn)步性，選擇其中的單個場景??點(diǎn)云包含５個模型點(diǎn)云的４個場景模型進(jìn)行驗證實驗，所用的４個場景點(diǎn)云的可??視化結(jié)果如圖２－６所示。??■Ｅ國圓??（ａ）?（ｂ）?（ｃ）?（ｄ）??圖２－６場景點(diǎn)云可視化圖（ａ）場景ａ?（ｂ）場景ｂ?（ｃ）場景ｃ（ｄ）場景ｄ??Ｆｉｇｕｒｅ?２－６

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林的傾斜影像匹配點(diǎn)云分類研究[J]. 趙利霞,王宏濤,郭增長,管建軍.  測繪工程. 2018(12)
[2]一種改進(jìn)的空間上下文點(diǎn)云分類方法[J]. 何鄂龍,王紅平,陳奇,劉修國.  測繪學(xué)報. 2017(03)
[3]一種機(jī)載LiDAR點(diǎn)云分類的自適應(yīng)特征選擇方法[J]. 張愛武,肖濤,段乙好.  激光與光電子學(xué)進(jìn)展. 2016(08)
[4]利用PCA-BP算法進(jìn)行激光點(diǎn)云分類方法研究[J]. 張蕊,李廣云,李明磊,王石巖.  測繪通報. 2014(07)
[5]顧及空間上下文關(guān)系的JointBoost點(diǎn)云分類及特征降維[J]. 郭波,黃先鋒,張帆,王晏民.  測繪學(xué)報. 2013(05)
[6]基于決策樹的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分類[J]. 杜娜娜,彭軍還.  測繪科學(xué). 2013(03)
[7]面向全局坐標(biāo)變換的點(diǎn)云配準(zhǔn)實現(xiàn)及精度評價[J]. 王書民,張愛武,崔營營,任芳,駱云飛.  工程勘察. 2011(11)
[8]LIDAR地面點(diǎn)云的簡化方法研究[J]. 徐景中,萬幼川,張圣望.  測繪信息與工程. 2008(01)

碩士論文
[1]激光點(diǎn)云數(shù)據(jù)壓縮及曲面建模研究[D]. 藺小虎.西安科技大學(xué) 2017
[2]基于二值描述符的三維目標(biāo)識別研究[D]. 鄧俊文.重慶大學(xué) 2015
[3]點(diǎn)云數(shù)據(jù)的壓縮算法研究[D]. 楊璐璟.中南大學(xué) 2014



本文編號：3496575