本文選題：成像系統(tǒng)　切入點：三維成像　出處：《光學(xué)學(xué)報》2017年10期

【摘要】：將激光點云視為分布于三維歐氏空間的線性與非線性混合流形,提出一種基于混合流形譜聚類的自適應(yīng)點云分割方法。由混合概率主成分分析法構(gòu)造的M個主成分分析器組成混合概率模型,得到描述點云的鄰接矩陣;將點云分割的幾何特征在譜空間進行降維嵌入,利用N-cut方法得到描述點云分割特征的多維向量;結(jié)合類間類內(nèi)劃分算法自適應(yīng)分割點云。實驗結(jié)果表明,對于三種受測點云,所提出的算法能在較寬預(yù)設(shè)參數(shù)范圍內(nèi)以80%以上概率得到收斂于幾何特征的分割結(jié)果,參數(shù)穩(wěn)定性較好。在對點云添加均值為0,標(biāo)準(zhǔn)差為0.01的高斯噪聲與0.25倍數(shù)量的離群點復(fù)合噪聲的情況下,算法表現(xiàn)出良好的抗噪性;將該算法應(yīng)用于切片式激光三維成像的衛(wèi)星模型點云中也取得了理想分割結(jié)果。
[Abstract]:The laser point cloud is regarded as a linear and nonlinear hybrid manifold distributed in three dimensional Euclidean space. An adaptive point cloud segmentation method based on hybrid manifold spectral clustering is proposed. The mixed probability model is composed of M principal component analyzers constructed by mixed probabilistic principal component analysis and the adjacent matrix describing the point cloud is obtained. The geometric feature of point cloud segmentation is embedded in spectral space, and the multi-dimensional vector describing the feature of point cloud segmentation is obtained by using N-cut method, and the point cloud is segmented adaptively by using intra-class partition algorithm. The experimental results show that, for the three measured point clouds, The proposed algorithm can obtain the segmentation results converging to geometric features by more than 80% probability in a wide range of preset parameters. The parameter stability is good. When Gao Si noise with mean value 0, standard deviation 0.01 and outliers compound noise of 0.25 times are added to the point cloud, the algorithm shows good anti-noise performance. The algorithm is applied to the satellite model point cloud in slice laser 3D imaging and the ideal segmentation result is obtained.
【作者單位】： 中國人民解放軍裝備學(xué)院研究生管理大隊;中國人民解放軍裝備學(xué)院光電裝備系;
【分類號】：TN249;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 施曉磊;趙翠蓮;榮堅;范志堅;;基于平面層結(jié)構(gòu)勘察的點云快速分割[J];現(xiàn)代機械;2010年05期

2 劉海艷;;激光內(nèi)雕三維模型表面點云生成方法研究[J];科技信息;2012年15期

3 蔡潤彬;潘國榮;;三維激光掃描多視點云拼接新方法[J];同濟大學(xué)學(xué)報(自然科學(xué)版);2006年07期

4 孫世為,王耕耘,李志剛;逆向工程中多視點云的拼合方法[J];計算機輔助工程;2002年01期

5 李忠富;;三維激光點云與彩色影像融合方法及其工程應(yīng)用[J];山西建筑;2013年23期

6 楊峰;;基于影像點云的可量測全景服務(wù)模式[J];測繪通報;2013年08期

7 張玉香;張興軍;;采用激光掃描點云擬合自由曲面的重構(gòu)特性研究[J];激光與紅外;2011年03期

8 劉海波;高飛;崔麗麗;高曼莉;;羅德里格矩陣在點云配準(zhǔn)中的應(yīng)用[J];信息通信;2013年08期

9 施貴剛;王峰;程效軍;李巧麗;;地面三維激光掃描多視點云配準(zhǔn)設(shè)站最佳次數(shù)的研究[J];大連海事大學(xué)學(xué)報;2008年03期

10 嚴劍鋒;鄧喀中;;基于特征點提取和匹配的點云配準(zhǔn)算法[J];測繪通報;2013年09期

相關(guān)會議論文 前1條

1 吳永華;胡以華;顧有林;王恩宏;;激光點云分類算法的探討與展望[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（上冊）[C];2010年

相關(guān)重要報紙文章 前1條

1 曹裕華 高化猛 江鴻賓;激光點云 亦真亦幻[N];解放軍報;2013年

相關(guān)碩士學(xué)位論文 前10條

1 張永恒;散亂點云數(shù)據(jù)配準(zhǔn)方法研究[D];長安大學(xué);2015年

2 金偉;基于點云數(shù)據(jù)處理技術(shù)的古建筑測繪研究[D];貴州師范大學(xué);2015年

3 劉強;雙振鏡系統(tǒng)激光點云數(shù)據(jù)預(yù)處理[D];電子科技大學(xué);2014年

4 李丁;三維激光掃描點云精簡研究[D];東華理工大學(xué);2015年

5 謝穎;基于三維激光掃描的糧倉儲量測量中點云數(shù)據(jù)處理技術(shù)的研究[D];華東師范大學(xué);2016年

6 李星河;基于激光掃描與視覺融合的地形估計與屬性認知研究[D];北京理工大學(xué);2016年

7 渠文涵;基于三維激光掃描的工件表面損傷識別研究[D];燕山大學(xué);2016年

8 劉洋;基于路面點云的不規(guī)則三角網(wǎng)格建模算法研究[D];哈爾濱工業(yè)大學(xué);2016年

9 文瑞潔;三維激光點云的處理及重建技術(shù)研究[D];北京工業(yè)大學(xué);2016年

10 趙成偉;地面激光點云分割技術(shù)的研究[D];集美大學(xué);2016年

，

本文編號：1665612