發(fā)布時間：2020-11-01 21:55

　　 隨著三維掃描技術(shù)的快速發(fā)展,三維點(diǎn)云數(shù)據(jù)在工業(yè)建筑和日常生活等領(lǐng)域的運(yùn)用越來越廣泛,例如,工業(yè)檢測、建筑測量、虛擬現(xiàn)實等。三維點(diǎn)云數(shù)據(jù)的處理工作是上述應(yīng)用的基礎(chǔ),在相關(guān)領(lǐng)域發(fā)揮著極為重要的作用。在三維點(diǎn)云數(shù)據(jù)的處理工作中,幾何特性估算作為三維點(diǎn)云數(shù)據(jù)的處理手段,為區(qū)域分割、模型重建等工作奠定了堅實的基礎(chǔ),并且也對三維點(diǎn)云數(shù)據(jù)的應(yīng)用效果產(chǎn)生直接影響。通常來講,三維點(diǎn)云數(shù)據(jù)可分為線點(diǎn)云數(shù)據(jù)和面點(diǎn)云數(shù)據(jù)。本文主要研究對象是三維線點(diǎn)云數(shù)據(jù),如何分析、處理線點(diǎn)云數(shù)據(jù),估算其幾何特性是我們所關(guān)心的問題。本文提出了一種基于高斯加權(quán)的線點(diǎn)云一階離散導(dǎo)數(shù)的估算方法,該方法運(yùn)用加權(quán)線性回歸和帶有線性約束的線性回歸的思想,結(jié)合微分幾何理論,更加準(zhǔn)確地估算出線點(diǎn)云的一階離散導(dǎo)數(shù)。同樣地,本文定義了線點(diǎn)云的高階離散導(dǎo)數(shù),并分析了它們的收斂性�；�于高斯加權(quán)離散導(dǎo)數(shù),我們可以獲得線點(diǎn)云的幾何特性,例如,曲率(二階離散導(dǎo)數(shù))、主(副)法向量、撓率等。在真實環(huán)境中,由于環(huán)境因素或機(jī)器設(shè)備等客觀因素,我們獲得的三維點(diǎn)云數(shù)據(jù)往往帶有噪聲,本文提出的方法不僅在無噪聲情況下提高的估算的準(zhǔn)確度,在存在噪聲的情況下,也可以降低噪聲帶來的影響。在估算線點(diǎn)云導(dǎo)數(shù)的過程中,涉及到多個參數(shù)的選取問題,例如,權(quán)函數(shù)的帶寬(波長)參數(shù)、采樣密度、鄰域半徑、噪聲強(qiáng)度等。在采樣密度確定的條件下,本文給出了估算噪聲強(qiáng)度的方法,該方法不僅可以估算噪聲強(qiáng)度,還可得到鄰域半徑的建議值,這使得我們無需在參數(shù)選擇工作中耗費(fèi)大量的時間。該方法既避免了盲目選取參數(shù)帶來的結(jié)果不準(zhǔn)確性,減少了選擇參數(shù)消耗的時間,提升了估算結(jié)果的準(zhǔn)確度。為了分析本文提出的三維線點(diǎn)云幾何特性的估算方法,文章針對不同形狀的平面線點(diǎn)云數(shù)據(jù)和空間線點(diǎn)云數(shù)據(jù)進(jìn)行了實驗操作,并與其他相關(guān)的方法進(jìn)行了對比,結(jié)果顯示本文的方法針對不同形狀的線點(diǎn)云數(shù)據(jù)具有較高的普適性。在無噪聲條件下提高了估算結(jié)果的準(zhǔn)確性;在噪聲條件下降低了噪聲帶來的影響。為了分析參數(shù)選取的問題,本文提出了估算噪聲強(qiáng)度的方法,并針對平面線點(diǎn)云和空間線點(diǎn)云進(jìn)行了多次實驗,實驗結(jié)果顯示本文提出的估算噪聲強(qiáng)度方法具有較高的準(zhǔn)確性,該方法為解決線點(diǎn)云數(shù)據(jù)導(dǎo)數(shù)估算中涉及到的參數(shù)選取問題提供了便利。
【學(xué)位單位】：大連理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：C81
【文章目錄】：
摘要
Abstract
1 緒論
    1.1 三維點(diǎn)云數(shù)據(jù)
    1.2 線點(diǎn)云數(shù)據(jù)的幾何特性估算
        1.2.1 解析曲線法
        1.2.2 離散結(jié)構(gòu)法
    1.3 本文研究的內(nèi)容
2 高斯加權(quán)離散導(dǎo)數(shù)
    2.1 高斯加權(quán)離散導(dǎo)數(shù)定義
    2.2 高斯加權(quán)離散導(dǎo)數(shù)的收斂性分析
    2.3 線點(diǎn)云離散導(dǎo)數(shù)預(yù)估實驗
    2.4 本章小結(jié)
3 高斯加權(quán)離散導(dǎo)數(shù)的改進(jìn)
    3.1 線點(diǎn)云參數(shù)化
    3.2 線點(diǎn)云幾何特性
    3.3 鄰域半徑調(diào)整
    3.4 實驗分析
        3.4.1 平面線點(diǎn)云的曲率估算實驗
        3.4.2 空間線點(diǎn)云的幾何特性估算實驗
        3.4.3 噪聲強(qiáng)度預(yù)估實驗
        3.4.4 實際場景的曲率估算實驗
    3.5 本章小結(jié)
4 結(jié)論
參考文獻(xiàn)
致謝

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊必勝;董震;;點(diǎn)云智能研究進(jìn)展與趨勢[J];測繪學(xué)報;2019年12期

2 王雯;任小玲;陳逍遙;;一種改進(jìn)的區(qū)域增長彩色3D點(diǎn)云分割算法[J];國外電子測量技術(shù);2018年11期

3 陳華臻;高健;;面向反光工件點(diǎn)云缺陷的點(diǎn)云增強(qiáng)算法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2019年07期

4 馬東嶺;王曉坤;李廣云;;一種基于高度差異的點(diǎn)云數(shù)據(jù)分類方法[J];測繪通報;2018年06期

5 楊澤鑫;程效軍;丁瓊;程小龍;;面向室內(nèi)場景點(diǎn)云的對象重建[J];測繪通報;2017年06期

6 翁福洲;黃鶴;;快速點(diǎn)云定向數(shù)學(xué)模型實際精度分析[J];北京測繪;2017年04期

7 琚俏俏;王令文;;基于自適應(yīng)切片的點(diǎn)云壓縮算法[J];工程勘察;2017年09期

8 許寧;鐘友玲;;地面三維激光掃描點(diǎn)云重建技術(shù)研究[J];數(shù)碼世界;2017年08期

9 龔書林;;三維激光點(diǎn)云處理軟件的若干關(guān)鍵技術(shù)[J];測繪通報;2014年06期

10 徐守乾;朱延娟;;稀疏點(diǎn)云的曲面重構(gòu)[J];中國制造業(yè)信息化;2011年03期

相關(guān)博士學(xué)位論文 前10條

1 程旭;復(fù)雜零件三維重建與點(diǎn)云配準(zhǔn)技術(shù)研究[D];華中科技大學(xué);2019年

2 楊佳琪;點(diǎn)云局部特征描述與匹配研究[D];華中科技大學(xué);2019年

3 胡曉斌;車載移動測量地物分類方法與重建技術(shù)研究[D];武漢大學(xué);2016年

4 蔡湛;遷移學(xué)習(xí)點(diǎn)云濾波及建筑物特征線提取研究[D];武漢大學(xué);2018年

5 李亮;基于點(diǎn)云匹配的智能車定位方法研究[D];上海交通大學(xué);2018年

6 師翊;基于點(diǎn)云的蘋果樹冠層光照分布與生長過程數(shù)字化關(guān)鍵技術(shù)研究[D];西北農(nóng)林科技大學(xué);2019年

7 徐敏峰;基于質(zhì)點(diǎn)分布優(yōu)化的點(diǎn)云法向一致性和重新網(wǎng)格化研究[D];山東大學(xué);2019年

8 趙宗澤;基于數(shù)學(xué)形態(tài)學(xué)的機(jī)載LiDAR點(diǎn)云建筑物區(qū)域提取[D];武漢大學(xué);2016年

9 魏崇陽;城市環(huán)境中基于三維特征點(diǎn)云的建圖與定位技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2016年

10 奚以成;基于機(jī)載LiDAR技術(shù)的城市智能感知與變化檢測技術(shù)研究[D];沈陽農(nóng)業(yè)大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 梁周雁;基于點(diǎn)云的復(fù)雜物體曲面重建關(guān)鍵技術(shù)研究[D];山東科技大學(xué);2018年

2 張慧智;基于車載激光點(diǎn)云的道路參數(shù)化精細(xì)建模[D];山東科技大學(xué);2018年

3 高航;基于線面幾何特征的點(diǎn)云配準(zhǔn)方法研究[D];山東科技大學(xué);2018年

4 戚明旭;基于全向擺動激光雷達(dá)的三維稠密點(diǎn)云創(chuàng)建方法的研究[D];上海交通大學(xué);2017年

5 田茁成;基于激光點(diǎn)云的動態(tài)目標(biāo)運(yùn)動信息提取技術(shù)[D];山東理工大學(xué);2019年

6 崔強(qiáng);基于圖優(yōu)化的多站激光點(diǎn)云拼接算法研究[D];山東科技大學(xué);2018年

7 馬蕊;基于高斯加權(quán)離散導(dǎo)數(shù)的線點(diǎn)云幾何特性估算[D];大連理工大學(xué);2019年

8 姜健芃;基于多向點(diǎn)云拼合的快速三維人體測量技術(shù)研究[D];東華大學(xué);2019年

9 付戩;基于色散共焦傳感器的航空葉片型線測量[D];華中科技大學(xué);2019年

10 陳鯤翔;基于無人機(jī)的建筑物變形監(jiān)測方法研究[D];華中科技大學(xué);2019年

本文編號：2866153