【摘要】：在計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺(jué)、圖像處理和逆向工程學(xué)等研究領(lǐng)域中,三維重建技術(shù)一直是研究的重點(diǎn)內(nèi)容。隨著科學(xué)技術(shù)的不斷發(fā)展,類(lèi)似于德國(guó)Z+F三維激光掃描儀等三維激光掃描設(shè)備不斷推陳出新,三維物體的幾何信息得以通過(guò)掃描設(shè)備保存至存儲(chǔ)設(shè)備中。同時(shí),隨著激光掃描設(shè)備精度的不斷提高,掃描設(shè)備單次掃描所獲得的點(diǎn)云模型的數(shù)據(jù)量成倍增長(zhǎng)。隨之而來(lái)會(huì)出現(xiàn)的問(wèn)題是:密集的點(diǎn)云數(shù)據(jù)中必然存在大量的冗余數(shù)據(jù),這些冗余數(shù)據(jù)極大地增加了點(diǎn)云數(shù)據(jù)的存儲(chǔ)開(kāi)銷(xiāo)和計(jì)算開(kāi)銷(xiāo),而且影響到了曲面擬合和模型生成等重要后續(xù)工作的效率。還要考慮到不同精度的點(diǎn)云建模需要不同精度的原始點(diǎn)云數(shù)據(jù),因此,在重建模型可以保留原始三維物體的形狀基礎(chǔ)上,對(duì)點(diǎn)云數(shù)據(jù)的精簡(jiǎn)工作成為必然。點(diǎn)云數(shù)據(jù)的精簡(jiǎn)是眼下三維建模研究中的熱門(mén)內(nèi)容,它可以為后續(xù)工作提供便利,提高三維重建的效率。本文關(guān)于點(diǎn)云精簡(jiǎn)的主要研究?jī)?nèi)容大致分為點(diǎn)云數(shù)據(jù)曲率的計(jì)算、點(diǎn)云數(shù)據(jù)聚類(lèi)方法和點(diǎn)云數(shù)據(jù)的精簡(jiǎn)算法設(shè)計(jì)三個(gè)主要方面:首先,在點(diǎn)云數(shù)據(jù)曲率的計(jì)算過(guò)程中,由于原始的K-Dimensional樹(shù)(K-D樹(shù))近鄰查找方法耗費(fèi)時(shí)間長(zhǎng),每一次的查找回溯算法較復(fù)雜,本文運(yùn)用一種改進(jìn)的K-D樹(shù)方法來(lái)構(gòu)建點(diǎn)云數(shù)據(jù)之間的拓?fù)潢P(guān)系,依此快速尋找出待測(cè)點(diǎn)的k個(gè)近鄰點(diǎn),并根據(jù)這k個(gè)數(shù)據(jù)點(diǎn)和待測(cè)點(diǎn),使用最小二乘法求得局部曲面的參數(shù)方程,從而計(jì)算點(diǎn)云數(shù)據(jù)的曲率,實(shí)驗(yàn)證明,改進(jìn)的K-D樹(shù)方法可以快速尋找出k近鄰并計(jì)算出待測(cè)數(shù)據(jù)點(diǎn)的曲率值。其次,經(jīng)典的K-Means聚類(lèi)算法在對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分類(lèi)的過(guò)程中,初始聚類(lèi)中心和聚類(lèi)數(shù)目的選擇,會(huì)對(duì)聚類(lèi)結(jié)果造成影響。針對(duì)此問(wèn)題,本文在聚類(lèi)之前首先對(duì)原始點(diǎn)云數(shù)據(jù)建立K-D樹(shù),根據(jù)K-D樹(shù)子樹(shù)兩側(cè)數(shù)據(jù)分布比較均勻的特點(diǎn),取K-D樹(shù)中節(jié)點(diǎn)數(shù)最接近用戶(hù)指定k值的那一層節(jié)點(diǎn)為聚類(lèi)中心,依此來(lái)確定聚類(lèi)數(shù)目和聚類(lèi)中心。實(shí)驗(yàn)表明該方法不僅可以解決聚類(lèi)中心的選取工作,而且在運(yùn)行時(shí)間方面較經(jīng)典的K-Means聚類(lèi)算法擁有更快的收斂速度。點(diǎn)云數(shù)據(jù)的精簡(jiǎn)是本文的主要研究?jī)?nèi)容,本文結(jié)合聚類(lèi)精簡(jiǎn)法與曲率精簡(jiǎn)法的優(yōu)點(diǎn),首先運(yùn)用改進(jìn)的K-Means聚類(lèi)算法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行聚類(lèi)劃分,然后利用K-D樹(shù)依次計(jì)算點(diǎn)云數(shù)據(jù)的曲率值,通過(guò)曲率信息熵識(shí)別強(qiáng)特征點(diǎn)并予以保留,各個(gè)聚類(lèi)內(nèi)部根據(jù)最大曲率差區(qū)分特征區(qū)域與非特征區(qū)域,在曲面變化復(fù)雜的特征區(qū)域中,根據(jù)最大、最小曲率點(diǎn)將聚類(lèi)重新劃分為兩個(gè)不同聚類(lèi),重復(fù)進(jìn)行最大曲率差判斷,直到滿(mǎn)足條件為止;非特征區(qū)域保留聚類(lèi)中心數(shù)據(jù)點(diǎn)。實(shí)驗(yàn)證明,這種混合精簡(jiǎn)方法能很好的保留點(diǎn)云原始數(shù)據(jù)的細(xì)節(jié)特征,并且在非特征區(qū)域無(wú)大片空洞出現(xiàn)。
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP391.41
【圖文】：

太原理工大學(xué)碩士研究生學(xué)位論文些其它型狀的探頭可以適應(yīng)特殊的要求，如半球狀、碟式等探頭。機(jī)械式探頭主要由人力操作而且成本低廉，至今仍被人們所使用。觸發(fā)式探頭通常為電子開(kāi)關(guān)結(jié)構(gòu)，由測(cè)頭單元和測(cè)量單元組成，每當(dāng)探頭與待測(cè)物體接觸時(shí)，會(huì)導(dǎo)致探頭的位置發(fā)生改變，測(cè)量單元內(nèi)探頭的接觸面就會(huì)有所改變，從而產(chǎn)生電信號(hào)，探頭的具體移動(dòng)位置不同產(chǎn)生的信號(hào)也有所不同，然后通過(guò)處理器計(jì)算坐標(biāo)位置后存儲(chǔ)下來(lái)。如圖 1-2（a）中所示，為一臺(tái)手動(dòng)三坐標(biāo)測(cè)量?jī)x，它主要有測(cè)量頭和工作臺(tái)兩部分組成，相比較非接觸式測(cè)量?jī)x，其測(cè)量結(jié)果不容易收到外界環(huán)境的影響。

八叉樹(shù)分割牛點(diǎn)云數(shù)據(jù)

圖 2-2 八叉樹(shù)節(jié)點(diǎn)編碼規(guī)則Fig. 2-2 Octree Encoding Method of Peer Node因?yàn)橐ㄟ^(guò)待測(cè)點(diǎn)的所屬節(jié)點(diǎn)編碼來(lái)尋找近鄰，所以編碼值必須是唯一確定編碼規(guī)則如圖 2-2 所示，對(duì)同一級(jí)子空間上的節(jié)點(diǎn)進(jìn)行編碼，每個(gè)子節(jié)點(diǎn)的子空間所處的空間方位有關(guān)聯(lián)。假設(shè)八叉樹(shù)的遞歸分割深度為 n，因?yàn)槊總�(gè)節(jié)點(diǎn)都將被分為 8 份，因此編碼規(guī)則采用 8 進(jìn)制數(shù)來(lái)對(duì)每一個(gè)子節(jié)點(diǎn)編碼，式（2-6）所示。n 1 n 2 m 1 0Q q q q q q （式（2-6）中，m∈{0-7}用以表示同一層中的八個(gè)節(jié)點(diǎn)，qm為此立方體在同中的編號(hào)，如圖 2-3 中除根節(jié)點(diǎn)外黑色節(jié)點(diǎn)的編碼值分別為{1，5，12，1556}。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳華臻;高健;;面向反光工件點(diǎn)云缺陷的點(diǎn)云增強(qiáng)算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2019年07期

2 王雯;任小玲;陳逍遙;;一種改進(jìn)的區(qū)域增長(zhǎng)彩色3D點(diǎn)云分割算法[J];國(guó)外電子測(cè)量技術(shù);2018年11期

3 馬東嶺;王曉坤;李廣云;;一種基于高度差異的點(diǎn)云數(shù)據(jù)分類(lèi)方法[J];測(cè)繪通報(bào);2018年06期

4 楊澤鑫;程效軍;丁瓊;程小龍;;面向室內(nèi)場(chǎng)景點(diǎn)云的對(duì)象重建[J];測(cè)繪通報(bào);2017年06期

5 翁福洲;黃鶴;;快速點(diǎn)云定向數(shù)學(xué)模型實(shí)際精度分析[J];北京測(cè)繪;2017年04期

6 琚俏俏;王令文;;基于自適應(yīng)切片的點(diǎn)云壓縮算法[J];工程勘察;2017年09期

7 許寧;鐘友玲;;地面三維激光掃描點(diǎn)云重建技術(shù)研究[J];數(shù)碼世界;2017年08期

8 龔書(shū)林;;三維激光點(diǎn)云處理軟件的若干關(guān)鍵技術(shù)[J];測(cè)繪通報(bào);2014年06期

9 徐守乾;朱延娟;;稀疏點(diǎn)云的曲面重構(gòu)[J];中國(guó)制造業(yè)信息化;2011年03期

10 梁新合;梁晉;郭成;曹巨明;;法向約束的多幅點(diǎn)云數(shù)據(jù)融合算法[J];西安交通大學(xué)學(xué)報(bào);2009年05期

相關(guān)會(huì)議論文 前10條

1 牛雪娟;劉景泰;孫雷;;基于小波變換的柵格點(diǎn)云多分辨率分析[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

2 楊雪春;;反求工程建模中點(diǎn)云切片技術(shù)研究[A];全國(guó)先進(jìn)制造技術(shù)高層論壇暨第八屆制造業(yè)自動(dòng)化與信息化技術(shù)研討會(huì)論文集[C];2009年

3 趙小祥;劉寶武;;車(chē)載點(diǎn)云中建筑物快速提取方法[A];地理信息與人工智能論壇暨江蘇省測(cè)繪地理信息學(xué)會(huì)2017年學(xué)術(shù)年會(huì)論文集[C];2017年

4 張舒;謝艾伶;白志輝;王響雷;;三維激光掃描點(diǎn)云粗差剔除方法研究[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

5 解輝;張愛(ài)武;孟憲剛;;機(jī)載激光點(diǎn)云快速繪制方法[A];第二十五屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)摘要集[C];2012年

6 李文濤;韋群;楊海龍;;基于圖像的點(diǎn)云生成和預(yù)處理[A];2011年全國(guó)通信安全學(xué)術(shù)會(huì)議論文集[C];2011年

7 童艷麗;施昆;李志杰;;機(jī)載激光點(diǎn)云與影像的融合與分類(lèi)技術(shù)研究[A];云南省測(cè)繪地理信息學(xué)會(huì)2016年學(xué)術(shù)年會(huì)論文集[C];2016年

8 馬國(guó)慶;陶萍萍;楊周旺;;點(diǎn)云空間曲線(xiàn)的微分信息計(jì)算及匹配方法[A];第四屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2009年

9 江倩殷;劉忠途;李熙瑩;;一種有效的點(diǎn)云精簡(jiǎn)算法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

10 趙四能;張靜海;楊映泉;王利黨;;基于布料模擬的點(diǎn)云濾波算法應(yīng)用分析研究[A];云南省測(cè)繪地理信息學(xué)會(huì)2017年學(xué)術(shù)年會(huì)論文集[C];2017年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 楊靜;私企的天空有點(diǎn)云[N];山西經(jīng)濟(jì)日?qǐng)?bào);2001年

2 記者 張瑩瑩;指點(diǎn)云嶺 激揚(yáng)文字[N];云南政協(xié)報(bào);2012年

3 商報(bào)記者 張緒旺;盤(pán)點(diǎn)云計(jì)算：概念眾多 能力存疑[N];北京商報(bào);2011年

4 記者 王力中 通訊員 沈惠芳;世界頂尖點(diǎn)云掃描設(shè)備技術(shù)入駐德清[N];湖州日?qǐng)?bào);2015年

5 曹裕華 高化猛 江鴻賓;激光點(diǎn)云 亦真亦幻[N];解放軍報(bào);2013年

6 VAR記者 張林才　郭宏遠(yuǎn) 彭敏;點(diǎn)云成金[N];電腦商報(bào);2011年

7 高衛(wèi)松　蔡列飛;武大師生兩論文獲美國(guó)攝影測(cè)量與遙感學(xué)會(huì)獎(jiǎng)[N];中國(guó)測(cè)繪報(bào);2014年

8 記者 祝桂峰 通訊員 張榮;構(gòu)建“智慧廣州”又添新技術(shù)[N];中國(guó)礦業(yè)報(bào);2012年

9 張立本 彭桂輝;航測(cè)局四項(xiàng)科研成果通過(guò)鑒定[N];中煤地質(zhì)報(bào);2014年

10 本報(bào)記者 李樹(shù)

本文編號(hào)：2773972