發(fā)布時間：2017-03-17 10:01

  本文關(guān)鍵詞：建筑物激光點(diǎn)云平面特征提取技術(shù)的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：激光掃描技術(shù)因具有高分辨率空間數(shù)據(jù)獲取的特點(diǎn)，正逐步成為建筑物三維重建以及數(shù)字城市中新的研究熱點(diǎn)。然而激光掃描儀采集的點(diǎn)云數(shù)據(jù)量巨大，給計算機(jī)處理帶來挑戰(zhàn)。目前針對海量的點(diǎn)云數(shù)據(jù)，研究高效準(zhǔn)確的重建方法仍處于探索階段。為此，本文以建筑物的三維重建為背景，重點(diǎn)研究了地面激光掃描數(shù)據(jù)中建筑物點(diǎn)云的分割以及建筑物立面結(jié)構(gòu)中平面特征提取方法，主要工作如下： 1.針對地物點(diǎn)云相連問題，本文提出了基于圓柱體鄰域的非地面點(diǎn)分割算法，實現(xiàn)地面點(diǎn)（包含低矮地物）與非地面點(diǎn)的分離。該算法根據(jù)地面和地物的點(diǎn)云分布特征，首先設(shè)計圓柱體鄰域，對每個點(diǎn)云數(shù)據(jù)，計算其鄰域點(diǎn)的高程差，并利用設(shè)定的閾值實現(xiàn)對地面點(diǎn)與非地面點(diǎn)初步分割。由于初步分割容易將原本屬于非地面點(diǎn)（如：零星分布的樹葉）錯分到地面點(diǎn)上，故對初步分割后留下的地面點(diǎn)采用歐拉距離聚類算法，獲得真正地面點(diǎn)，并將其余的錯分割的地面點(diǎn)與初步分割后的非地面點(diǎn)合并為非地面點(diǎn)。實驗驗證了該方法的可行性，并分析了分割算法中圓柱體半徑參數(shù)對分割結(jié)果的影響； 2.針對基于圖像方法分割出的建筑物點(diǎn)云不完整問題，本文提出了基于目標(biāo)曲率直方圖的建筑物點(diǎn)云分割算法。首先，對非地面點(diǎn)云進(jìn)行歐拉距離聚類算法，將滿足一定空間距離的點(diǎn)聚為一類，實現(xiàn)地物目標(biāo)聚類。然后，對每一類進(jìn)行體積計算，，排除體積小的目標(biāo)。最后，由于剩余的目標(biāo)中還含有非建筑物，如成群的樹，故對剩余的目標(biāo)進(jìn)行曲率直方圖統(tǒng)計，按照直方圖中曲率為零的概率最大，分割出建筑物點(diǎn)云。實驗表明，該方法能有效解決建筑物點(diǎn)云分割的不完整問題； 3.引入多結(jié)構(gòu)快速生成算法用于建筑物點(diǎn)云平面提取的方法。該算法在隨機(jī)產(chǎn)生一組平面模型之后，首先通過每個點(diǎn)相對于模型的殘差排序信息，計算條件內(nèi)點(diǎn)概率分布，然后利用得到的內(nèi)點(diǎn)先驗分布概率指導(dǎo)模型采樣，從而加快有效模型的生成，有利于準(zhǔn)確檢測出點(diǎn)云平面。實驗結(jié)果表明，該算法能準(zhǔn)確地檢測出點(diǎn)云數(shù)據(jù)中的平面，相比RANSAC算法具有更好的采樣效率，尤其在多結(jié)構(gòu)點(diǎn)云數(shù)據(jù)中。
【關(guān)鍵詞】：點(diǎn)云平面特征 地面激光點(diǎn)云數(shù)據(jù) 建筑物點(diǎn)云分割 多結(jié)構(gòu)快速生成 RANSAC
【學(xué)位授予單位】：集美大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TH744.5;TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-15
• 1.1 研究背景和意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 建筑物點(diǎn)云的分割11-12
• 1.2.2 平面特征檢測與提取12-13
• 1.3 研究目標(biāo)13
• 1.4 論文的結(jié)構(gòu)安排13-15
• 第2章 基于圓柱體鄰域的非地面點(diǎn)分割15-26
• 2.1 引言15-17
• 2.1.1 基于迭代最小二乘線性內(nèi)插分割方法16
• 2.1.2 基于數(shù)學(xué)形態(tài)學(xué)分割算法16
• 2.1.3 基于坡度的分割算法16-17
• 2.1.4 基于聚類分割的分割算法17
• 2.2 點(diǎn)云數(shù)據(jù)的索引方法17-19
• 2.2.1 八叉樹的構(gòu)建17-18
• 2.2.2 八叉樹編碼18-19
• 2.2.3 八叉樹鄰域點(diǎn)的查找19
• 2.3 基于圓柱體鄰域的非地面點(diǎn)分割算法19-25
• 2.3.1 地面激光點(diǎn)云數(shù)據(jù)特點(diǎn)20
• 2.3.2 鄰域的構(gòu)造20-21
• 2.3.3 歐拉距離聚類算法21
• 2.3.4 分割算法的流程21-22
• 2.3.5 實驗結(jié)果及分析22-25
• 2.4 本章小結(jié)25-26
• 第3章 基于目標(biāo)曲率直方圖的建筑物點(diǎn)云分割26-37
• 3.1 基于點(diǎn)云特征圖像的建筑物分割算法26-30
• 3.1.1 點(diǎn)云特征圖像的生成26-27
• 3.1.2 基于最大類間方差的非地面點(diǎn)提取27-28
• 3.1.3 建筑物點(diǎn)云的分割28-30
• 3.2 基于目標(biāo)曲率直方圖的建筑物點(diǎn)云分割算法30-33
• 3.2.1 基于歐拉距離聚類算法的目標(biāo)聚類30
• 3.2.2 體積分析30-32
• 3.2.3 曲率直方圖分析32-33
• 3.3 實驗比較以及分析33-36
• 3.4 本章小結(jié)36-37
• 第4章 基于多結(jié)構(gòu)快速生成的建筑物平面提取37-44
• 4.1 引言37
• 4.2 多結(jié)構(gòu)快速假設(shè)生成算法37-39
• 4.2.1 殘差排序信息37-38
• 4.2.2 計算兩點(diǎn)相似38
• 4.2.3 基于條件內(nèi)點(diǎn)概率的采樣38-39
• 4.3 點(diǎn)云數(shù)據(jù)的平面提取39-40
• 4.4 實驗結(jié)果及分析40-43
• 4.5 本章小結(jié)43-44
• 第5章 總結(jié)與展望44-46
• 5.1 研究工作總結(jié)44
• 5.2 進(jìn)一步研究工作與展望44-46
• 致謝46-47
• 參考文獻(xiàn)47-51
• 在學(xué)期間發(fā)表的學(xué)術(shù)論文51
• 在學(xué)期間參加的科研項目51

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 管海燕;張劍清;鄧非;鐘良;;基于掃描線的城區(qū)機(jī)載激光掃描數(shù)據(jù)濾波算法研究[J];測繪通報;2007年12期

2 史文中,李必軍,李清泉;基于投影點(diǎn)密度的車載激光掃描距離圖像分割方法[J];測繪學(xué)報;2005年02期

3 程亮;龔健雅;李滿春;劉永學(xué);宋小剛;;集成多視航空影像與LiDAR數(shù)據(jù)重建3維建筑物模型[J];測繪學(xué)報;2009年06期

4 楊必勝;魏征;李清泉;毛慶洲;;面向車載激光掃描點(diǎn)云快速分類的點(diǎn)云特征圖像生成方法[J];測繪學(xué)報;2010年05期

5 周春霖;朱合華;李曉軍;;隨機(jī)抽樣一致性平面擬合及其應(yīng)用研究[J];計算機(jī)工程與應(yīng)用;2011年07期

6 李云帆;馬洪超;;從LiDAR數(shù)據(jù)中提取建筑物平面目標(biāo)的新方法[J];計算機(jī)工程與應(yīng)用;2011年10期

7 林承達(dá);翟瑞芳;;LiDAR和航空影像集成的復(fù)雜建筑物重建研究[J];計算機(jī)工程與應(yīng)用;2013年02期

8 劉經(jīng)南,張小紅;激光掃描測高技術(shù)的發(fā)展與現(xiàn)狀[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2003年02期

9 盧秀山;黃磊;;基于激光掃描數(shù)據(jù)的建筑物信息格網(wǎng)化提取方法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2007年10期

10 戴楠;李傳榮;蘇國中;姜小光;;激光點(diǎn)云提取建筑物平面目標(biāo)算法研究[J];微計算機(jī)信息;2010年07期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 魏征;車載LiDAR點(diǎn)云中建筑物的自動識別與立面幾何重建[D];武漢大學(xué);2012年

2 管海燕;LiDAR與影像結(jié)合的地物分類及房屋重建研究[D];武漢大學(xué);2009年

  本文關(guān)鍵詞：建筑物激光點(diǎn)云平面特征提取技術(shù)的研究，由筆耕文化傳播整理發(fā)布。

本文編號：252687