本文選題：三維點(diǎn)云數(shù)據(jù) + K近鄰搜索��； 參考：《哈爾濱理工大學(xué)》2017年碩士論文

【摘要】：隨著三維點(diǎn)云數(shù)據(jù)采集技術(shù)的不斷發(fā)展,實(shí)體表面的數(shù)字化變得簡(jiǎn)單,同時(shí)精度更高。但是無(wú)論采用什么樣的數(shù)據(jù)采集方法都會(huì)受到人為、環(huán)境等因素的影響,不可避免的存在測(cè)量誤差,這些誤差的存在將直接影響到三維重構(gòu)模型的質(zhì)量。同時(shí)隨著測(cè)量精度的提高,采集到的物體表面數(shù)據(jù)點(diǎn)的數(shù)量十分的龐大,影響三維重構(gòu)的效率。本文主要研究逆向工程中三維散亂點(diǎn)云數(shù)據(jù)處理技術(shù),主要研究?jī)?nèi)容如下:在柵格空間劃分的基礎(chǔ)上,以給定的柵格邊長(zhǎng)對(duì)包圍盒內(nèi)數(shù)據(jù)點(diǎn)進(jìn)行第一次空間劃分,計(jì)算出劃分后“黑體”占有率。在第一次柵格劃分的基礎(chǔ)上,綜合考慮點(diǎn)云總數(shù)、點(diǎn)云的分布情況以及黑體“黑體”占有率,并定義了有效黑體,使得對(duì)于不同特征的點(diǎn)云數(shù)據(jù)其柵格邊長(zhǎng)的劃分更加合理,加快K近鄰搜索的速度。點(diǎn)云數(shù)據(jù)中的離群點(diǎn)和噪聲點(diǎn)影響三維點(diǎn)云數(shù)據(jù)重構(gòu)的質(zhì)量,對(duì)這些噪聲濾除同時(shí)保持物體表面的幾何特征,提出了一種基于法矢修正的點(diǎn)云數(shù)據(jù)去噪平滑算法。采用數(shù)理統(tǒng)計(jì)方法濾除點(diǎn)云數(shù)據(jù)中的離群點(diǎn),對(duì)于噪聲點(diǎn)通過(guò)加權(quán)協(xié)方差矩陣估算初始法向量和曲率,將具有相似幾何特征的點(diǎn)限制在法向量相似的區(qū)域,進(jìn)而在三邊濾波因子修正法矢的基礎(chǔ)上,三邊平滑降噪點(diǎn)的位置。該算法不僅能夠?qū)Υ蟮脑肼曅盘?hào)有較好的濾除效果,對(duì)小噪聲平滑的同時(shí)保持點(diǎn)云數(shù)據(jù)模型的尖銳及邊緣特征。對(duì)常用的數(shù)據(jù)精簡(jiǎn)算法進(jìn)行分析,提出了一種將曲率和法向量結(jié)合的數(shù)據(jù)精簡(jiǎn)算法,綜合考慮曲率和法向量方向兩個(gè)因素,避免了點(diǎn)云數(shù)據(jù)的過(guò)度精簡(jiǎn)。
[Abstract]:With the development of 3D point cloud data acquisition technology, the digitization of solid surface becomes simpler and more accurate. However, no matter what kind of data acquisition method is adopted, it will be affected by man-made, environmental and other factors, and there will inevitably be measurement errors, which will directly affect the quality of 3D reconstruction model. At the same time, with the improvement of measurement accuracy, the number of collected surface data points is very large, which affects the efficiency of 3D reconstruction. In this paper, the data processing technology of 3D scattered point cloud in reverse engineering is studied. The main contents are as follows: on the basis of grid space partition, the data points in the bounding box are partitioned for the first time with the given grid side length. Calculate the share of the "black type" after the division. On the basis of the first grid partition, the total number of point clouds, the distribution of point clouds and the "share of blackbody" are considered synthetically, and the effective blacktype is defined, which makes the partition of grid length for point cloud data with different characteristics more reasonable. Speed up K nearest neighbor search. The outliers and noise points in point cloud data affect the reconstruction quality of 3D point cloud data. A smoothing algorithm for point cloud data denoising based on normal vector correction is proposed to remove these noises and preserve the geometric features of the object surface at the same time. A mathematical statistical method is used to filter outliers in point cloud data. For noise points, the initial normal vectors and curvature are estimated by weighted covariance matrix, and the points with similar geometric characteristics are restricted to areas with similar normal vectors. On the basis of triangular-filtering factor modifying normal vector, triangulation smoothes the position of denoising point. The algorithm can not only filter the large noise signals but also keep the sharp and edge features of the point cloud data model while smoothing the small noise. Based on the analysis of common data reduction algorithms, a data reduction algorithm combining curvature and normal vector is proposed, which considers two factors, curvature and normal vector direction, and avoids the excessive reduction of point cloud data.
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP274

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 閆龍;;攝影測(cè)量點(diǎn)云數(shù)據(jù)精簡(jiǎn)研究[J];制造技術(shù)與機(jī)床;2010年07期

2 鄭德華;;點(diǎn)云數(shù)據(jù)直接縮減方法及縮減效果研究[J];測(cè)繪工程;2006年04期

3 張量;王敏;;基于k鄰域離散擴(kuò)張的點(diǎn)云數(shù)據(jù)分割[J];軟件導(dǎo)刊;2009年12期

4 周怡;周顧盛;;三維GIS數(shù)據(jù)的處理與提取方法的研究—以點(diǎn)云數(shù)據(jù)中提取樹(shù)木為例[J];計(jì)算機(jī)應(yīng)用與軟件;2010年10期

5 李鳳霞;饒永輝;劉陳;介飛;;基于法向夾角的點(diǎn)云數(shù)據(jù)精簡(jiǎn)算法[J];系統(tǒng)仿真學(xué)報(bào);2012年09期

6 嵇俊;云挺;薛聯(lián)鳳;張浩平;;基于激光點(diǎn)云數(shù)據(jù)的復(fù)雜植物葉片重建方法[J];西北林學(xué)院學(xué)報(bào);2014年05期

7 吳福生,丁玉成,盧秉恒;基于點(diǎn)云數(shù)據(jù)復(fù)雜曲面產(chǎn)品的快速開(kāi)發(fā)[J];西安交通大學(xué)學(xué)報(bào);2002年11期

8 胡雪芬,陳愛(ài)萍,童水光,單新潮;基于點(diǎn)云數(shù)據(jù)的鞋楦數(shù)控編程及其仿真[J];組合機(jī)床與自動(dòng)化加工技術(shù);2004年07期

9 陳飛舟;陳志楊;丁展;葉修梓;張三元;;基于徑向基函數(shù)的殘缺點(diǎn)云數(shù)據(jù)修復(fù)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2006年09期

10 劉志軍;;基于三坐標(biāo)測(cè)量機(jī)的點(diǎn)云數(shù)據(jù)測(cè)量規(guī)劃研究[J];黑龍江科技信息;2008年20期

相關(guān)會(huì)議論文 前10條

1 閆龍;;攝影測(cè)量點(diǎn)云數(shù)據(jù)精簡(jiǎn)研究[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

2 吳美金;;基于薄壁構(gòu)件的點(diǎn)云數(shù)據(jù)提取[A];全國(guó)射線數(shù)字成像與CT新技術(shù)研討會(huì)論文集[C];2009年

3 段文國(guó);張愛(ài)武;蔡廣杰;;基于VTK的點(diǎn)云數(shù)據(jù)繪制研究與實(shí)現(xiàn)[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

4 宋碧波;盧小平;盧遙;;基于點(diǎn)云數(shù)據(jù)的建筑物三維重建[A];第二屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

5 張偉忠;張順海;于德敏;;點(diǎn)云數(shù)據(jù)與建模軟件的接口設(shè)計(jì)[A];全國(guó)第13屆計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)（CAD/CG）學(xué)術(shù)會(huì)議論文集[C];2004年

6 呂瓊瓊;楊曉暉;楊唐文;韓建達(dá);莊嚴(yán);;激光雷達(dá)點(diǎn)云數(shù)據(jù)的三維建模技術(shù)[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第二分冊(cè)）[C];2009年

7 劉佳;張愛(ài)武;楊麗萍;;室內(nèi)場(chǎng)景激光點(diǎn)云數(shù)據(jù)的三維建模[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

8 隋立春;張熠斌;趙旦;;基于MicroStation的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分類(lèi)處理軟件[A];第二屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

9 黃承亮;吳侃;劉虎;;基于三維TIN的格網(wǎng)化點(diǎn)云數(shù)據(jù)特征提取[A];數(shù)字測(cè)繪與GIS技術(shù)應(yīng)用研討交流會(huì)論文集[C];2008年

10 楊銘;陳建峰;;基于CUDA的海量點(diǎn)云數(shù)據(jù)kNN查詢(xún)算法[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

相關(guān)博士學(xué)位論文 前10條

1 趙江洪;古建筑散亂點(diǎn)云基準(zhǔn)面的提取與擬合[D];武漢大學(xué);2012年

2 谷曉英;三維重建中點(diǎn)云數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];燕山大學(xué);2015年

3 胡峰俊;三維離散點(diǎn)云數(shù)據(jù)的預(yù)處理和配準(zhǔn)技術(shù)研究[D];浙江工業(yè)大學(xué);2015年

4 董秀軍;三維空間影像技術(shù)在地質(zhì)工程中的綜合應(yīng)用研究[D];成都理工大學(xué);2015年

5 李曉捷;基于深度相機(jī)的三維人體重建及在服裝展示方面的技術(shù)研究[D];天津工業(yè)大學(xué);2016年

6 張坤;基于三維激光掃描的點(diǎn)云數(shù)據(jù)逆向重建算法研究[D];燕山大學(xué);2016年

7 王巖;陣列激光三維成像點(diǎn)云數(shù)據(jù)配準(zhǔn)技術(shù)研究[D];中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所;2016年

8 張學(xué)昌;基于點(diǎn)云數(shù)據(jù)的復(fù)雜型面數(shù)字化檢測(cè)關(guān)鍵技術(shù)研究及其系統(tǒng)開(kāi)發(fā)[D];上海交通大學(xué);2006年

9 王果;不同平臺(tái)激光點(diǎn)云數(shù)據(jù)面狀信息自動(dòng)提取研究[D];中國(guó)礦業(yè)大學(xué)（北京）;2014年

10 趙煦;基于地面激光掃描點(diǎn)云數(shù)據(jù)的三維重建方法研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 張磊;大型鋼結(jié)構(gòu)建筑安裝質(zhì)量檢測(cè)與變形監(jiān)測(cè)軟件系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];北京建筑大學(xué);2015年

2 饒杰;基于激光點(diǎn)云數(shù)據(jù)的建筑物快速三維建模[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

3 李俊寶;TLS在古建筑物測(cè)繪及建模中的應(yīng)用研究[D];長(zhǎng)安大學(xué);2015年

4 謝金坤;基于事故車(chē)輛車(chē)身變形的碰撞速度研究[D];長(zhǎng)安大學(xué);2015年

5 顧品熒;基于點(diǎn)云數(shù)據(jù)的基本款女西裝樣板生成系統(tǒng)研究[D];蘇州大學(xué);2015年

6 李國(guó)瑞;車(chē)載LiDAR點(diǎn)云中的車(chē)輛自動(dòng)檢測(cè)技術(shù)[D];長(zhǎng)安大學(xué);2015年

7 江靜;建筑物L(fēng)iDAR點(diǎn)云數(shù)據(jù)特征檢測(cè)及配準(zhǔn)關(guān)鍵技術(shù)研究[D];集美大學(xué);2015年

8 梁子瑜;基于TLS點(diǎn)云數(shù)據(jù)的林分調(diào)查因子測(cè)定及收獲估計(jì)[D];南京林業(yè)大學(xué);2015年

9 喻W毶，

本文編號(hào)：1879897