為了滿足林業(yè)機械的自動化及智能化發(fā)展需求,減輕林下作業(yè)操作者的勞動強度,本課題基于三維激光點云數(shù)據(jù),對林區(qū)障礙物的識別進行了研究。首先對FARO三維激光掃描儀掃描得到的林下環(huán)境點云數(shù)據(jù)進行去噪及簡化,然后進行點云分割,得到樹木、石頭、地面、行人4類目標。最后提取分割得到的單個目標的特征,以提取的特征為基礎(chǔ),實現(xiàn)目標識別,從而為林業(yè)機械自動化以及智能化的發(fā)展提供理論基礎(chǔ)。本課題的研究內(nèi)容包括以下4個方面：（1）點云數(shù)據(jù)預(yù)處理。首先,基于PCL點云庫中的Statistical Outlier Removal濾波器,對點云數(shù)據(jù)進行離群點剔除。然后運用Geomagic Studio處理軟件對離群點剔除后的點云數(shù)據(jù)進行簡化,從而為后續(xù)的點云分割和識別提供數(shù)據(jù)基礎(chǔ)。（2）點云分割。在聚類分割方法的基礎(chǔ)上,提出一種新的基于雙特征綜合相異度聚類分割方法,將點云數(shù)據(jù)的法向量和激光反射強度特征進行融合,根據(jù)融合后的綜合特征實現(xiàn)點云分割,并將該方法與基于歐式距離聚類的分割方法進行比較。（3）特征提取。對樹木、石頭、地面及行人四類目標進行特征選擇和提取。選擇的特征包括高程概率分布、點特征直方圖和激光反射強度概... 

【文章來源】：北京林業(yè)大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

三維激光掃描系統(tǒng)工作原理圖

圖２－４點云場景??ｎｇ．２－４?Ｓｃｅｎｅ?ｏｆ?ｐｏｉｎｔ?ｃｌｏｕｄ?ｄａｔａ??３．０３０１００００?－１．?３１５２００００?１．９４：３６００００?２１９?２１９?２１９??３．００５７００００?－１．３０９３００００?１．犯９１００００?１９９?１９９?１９９??２．９６９７００００?－１．?３１２２００００?１．９１０４００００?１９４?１９４?１９４??２．９６７０００００?－１，３１５６００００?１．９０９７００００?２０４?２０４?２０４??２．?９６４０００００?－１．３１８９００００?１．９０８９０００日?２１１?２１１?２１１??２■巧６３００００?－１．３２００００００?１．９０５１００００?１９８?１９８?１９呂??

格式轉(zhuǎn)換后，根據(jù)林下環(huán)境點云數(shù)據(jù)的特征，將每個點的鄰域點個數(shù)設(shè)為１００，??并將標準差倍數(shù)設(shè)為１．５，即如果一個點的距離超出平均距離１．５個標準差Ｗ上，則??將該點視為噪聲點，并將其剔除。去噪后的數(shù)據(jù)顯示如圖２－６?（ｂ）所示，被剔除的??離群點如圖２－６?（Ｃ）所示。??〇）觀三養(yǎng)＾?．據(jù)義‘??墜龜??（ａ）去噪刖點友場景?（ｂ）去噪后點石場景??．．．．??Ｖ?；謀縫．ｉ；’女ｆ＇??＇．皆．．．？戶??■■．？－？．Ｖ?沖，??撒方＇’聾．批：??護．?＾?■??（Ｃ）被剔除的離群點??圖２－６點云數(shù)據(jù)去噪結(jié)果??Ｆｉｇ．２－６?Ｒｅｓｕｌｔ?ｏｆ?ｐｏｉｎｔ?ｃｌｏｕｄ?ｄｅｎｏｉｓｉｎｇ??２．４．?２點云數(shù)據(jù)簡化??通過王維激光掃描系統(tǒng)得到的高精度點吉數(shù)據(jù)，在方便人們對物體進行三維描述??的同時，對計算機的處理速度及存儲帶來了巨大的挑戰(zhàn)，因為掃描精度越高，得到的??點云數(shù)據(jù)的密度也必定越大。一組由上百萬個點組成的點云將占有計算機近３００Ｍ的??空間。因此，在實際處理的過程中，通常會在特征保留能達到需求的前提下，對點云??數(shù)據(jù)進行簡化處理。??Ｇｅｏｍａｇｉｃ?Ｓｔｕｄｉｏ（成思源，２０１０）軟件是美國雨滴（Ｒａｉｎｄｒｏｐ）公司出品的逆向工程??和蘭維檢測軟件，該軟件主要特點是支持多種Ｈ維點云文件格式的讀取和轉(zhuǎn)換、海量??點云數(shù)據(jù)的預(yù)處理、智能化ＮＵＲＢＳ構(gòu)面等等。它采用的點云數(shù)據(jù)的采樣精簡算法，??克服了其他同類軟件中對點云數(shù)據(jù)操作時


本文編號：3241817