隨著逆向工程的發(fā)展,三維點云配準(zhǔn)技術(shù)作為逆向工程技術(shù)的重要分支,也得到了越來越廣泛的應(yīng)用。三維點云配準(zhǔn)的目的是通過建模得到完整的目標(biāo)物體,但是在實際的測量過程中,由于客觀因素的存在只能得到部分視角的數(shù)據(jù),想要得到完整的物體模型就要對不同視角測得的點云數(shù)據(jù)進(jìn)行配準(zhǔn)。配準(zhǔn)算法的優(yōu)與劣會直接影響最終配準(zhǔn)結(jié)果。所以越來越多的研究人員對配準(zhǔn)算法了不同方向的改進(jìn)。尤其是當(dāng)前隨著生產(chǎn)要求的需要,海量點云數(shù)據(jù)的出現(xiàn)給配準(zhǔn)算法帶來了算法效率和精度的要求。ICP（Iterative Closest Point）算法因為有優(yōu)秀的配準(zhǔn)原理被越來越廣泛的應(yīng)用于點云配準(zhǔn),但是當(dāng)前基于kd-tree的ICP算法因為kd-tree的搜索無關(guān)問題導(dǎo)致在配準(zhǔn)過程中消耗了很多不必要的時間。鑒于這一點的不足之處,本文針對優(yōu)化算法的搜索無關(guān)問題展開研究工作。針對kd-tree搜索算法回溯查詢效率低的問題,提出基于BBF算法原理的改進(jìn)優(yōu)化,通過建立優(yōu)先級序列存放查詢路徑的點來改變搜索算法的回溯結(jié)構(gòu)方式,以此減少算法回溯時間,提高算法效率。BBF算法是對kd-tree算法的一種改進(jìn)算法,它的原理是改變kd-tree的回溯結(jié)構(gòu),依據(jù)... 

【文章來源】：東華理工大學(xué)江西省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 當(dāng)前現(xiàn)狀存在的不足
    1.4 研究內(nèi)容及技術(shù)路線
        1.4.1 研究內(nèi)容
        1.4.2 技術(shù)路線
    1.5 論文組織結(jié)構(gòu)
2 點云配準(zhǔn)基礎(chǔ)理論知識
    2.1 點云的概念
    2.2 點云配準(zhǔn)概念
        2.2.1 初始配準(zhǔn)
        2.2.2 精確配準(zhǔn)
    2.3 剛體變換理論
        2.3.1 剛體變換模型
        2.3.2 剛性變換參數(shù)
        2.3.3 最小二乘法
    2.4 本章小結(jié)
3 基于BBF改進(jìn)的kd-tree算法研究
    3.1 k近鄰算法
    3.2 kd-tree簡介
    3.3 kd-tree算法原理
        3.3.1 kd-tree構(gòu)建算法
        3.3.2 kd-tree的最近鄰搜索算法
    3.4 基于BBF算法改進(jìn)的kd-tree最近鄰搜索算法
    3.5 算法效率分析
    3.6 實驗驗證分析
        3.6.1 數(shù)據(jù)預(yù)處理
        3.6.2 配準(zhǔn)拼接實驗
    3.7 本章小結(jié)
4 基于改進(jìn)的kd-tree在點云配準(zhǔn)中的應(yīng)用研究
    4.1 PointCloudLibrary庫
    4.2 點云配準(zhǔn)技術(shù)
        4.2.1 初始配準(zhǔn)算法
        4.2.2 FPFH特征估算
    4.3 ICP配準(zhǔn)算法
        4.3.1 ICP算法的數(shù)據(jù)結(jié)構(gòu)
        4.3.2 ICP算法一般實現(xiàn)
    4.4 ICP算法求解
        4.4.1 SVD解法
        4.4.2 單位四元數(shù)法
    4.5 ICP算法的改進(jìn)
    4.6 實驗與結(jié)果分析
        4.6.1 濾波預(yù)處理
        4.6.2 初始配準(zhǔn)參數(shù)計算
        4.6.3 特征點提取
        4.6.4 特征對應(yīng)點對
        4.6.5 實驗結(jié)果
        4.6.6 實驗分析
    4.7 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 工作展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)ICP的點云配準(zhǔn)算法[J]. 趙夫群.  信息技術(shù). 2017(05)
[2]大型復(fù)雜零件的三維掃描測量精度研究[J]. 鄭鵬,韓雨萌.  電大理工. 2016(03)
[3]K近鄰和Logistic回歸分類算法比較研究[J]. 萬會芳,杜彥璞.  洛陽理工學(xué)院學(xué)報(自然科學(xué)版). 2016(03)
[4]計算機圖形學(xué)的發(fā)展及其應(yīng)用前景[J]. 郁鵬.  科技風(fēng). 2015(03)
[5]改進(jìn)的高維搜索算法在圖像匹配中的應(yīng)用[J]. 王佩文.  現(xiàn)代計算機(專業(yè)版). 2015(04)
[6]三維激光掃描技術(shù)在變形監(jiān)測中的應(yīng)用[J]. 朱磊,王健,畢京學(xué).  北京測繪. 2014(05)
[7]基于改進(jìn)Kd-Tree構(gòu)建算法的k近鄰查詢[J]. 陳曉康,劉竹松.  廣東工業(yè)大學(xué)學(xué)報. 2014(03)
[8]基于線性八叉樹的點云數(shù)據(jù)存貯與索引[J]. 韓慧民,鄭少開.  大眾科技. 2014(06)
[9]改進(jìn)的多視圖點云數(shù)據(jù)配準(zhǔn)方法[J]. 牛丹華,劉桂華,雷清云,牛振啟.  工具技術(shù). 2012(10)
[10]基于特征點和改進(jìn)ICP的三維點云數(shù)據(jù)配準(zhǔn)算法[J]. 張曉娟,李忠科,王先澤,呂培軍,王勇.  傳感器與微系統(tǒng). 2012(09)

博士論文
[1]計算機視覺中相機標(biāo)定及點云配準(zhǔn)技術(shù)研究[D]. 王瑞巖.西安電子科技大學(xué) 2015

碩士論文
[1]基于最近迭代點（ICP）優(yōu)化算法的多視角點云配準(zhǔn)[D]. 葛毓琴.南京郵電大學(xué) 2016
[2]基于并行計算的點云配準(zhǔn)算法研究[D]. 劉忠建.北方工業(yè)大學(xué) 2016
[3]三維模型簡化算法與漸進(jìn)式傳輸方法研究[D]. 孫中軒.電子科技大學(xué) 2016
[4]K-均值聚類算法改進(jìn)及在服裝生產(chǎn)的應(yīng)用研究[D]. 殷君偉.蘇州大學(xué) 2013
[5]三維點云配準(zhǔn)方法的研究[D]. 宋林霞.濟(jì)南大學(xué) 2013
[6]基于點云的零件模型在毛坯中的定位[D]. 蔡旭.重慶大學(xué) 2013
[7]基于形狀加權(quán)的三維模型檢索方法[D]. 毛瑞.西南大學(xué) 2013
[8]基于Kinect的三維重建[D]. 范哲.西安電子科技大學(xué) 2013
[9]基于鄰域特征的點云配準(zhǔn)算法研究[D]. 賀永興.湖南工業(yè)大學(xué) 2012
[10]三維激光掃描系統(tǒng)的誤差分析與標(biāo)定技術(shù)的研究[D]. 覃遵濤.東北林業(yè)大學(xué) 2010



本文編號：3453022