本文選題：三維激光掃描 + 點(diǎn)云分類(lèi)去噪��； 參考：《長(zhǎng)安大學(xué)》2017年碩士論文

【摘要】：三維激光掃描技術(shù)作為一種全新的測(cè)繪技術(shù),采用非接觸式的方式快速獲取被測(cè)物體三維坐標(biāo)信息。受偶然誤差和系統(tǒng)誤差的影響,三維激光掃描設(shè)備采集的點(diǎn)云數(shù)據(jù)中不可避免的摻雜著一些噪聲數(shù)據(jù),這些噪聲數(shù)據(jù)如果不及時(shí)進(jìn)行去除,不但會(huì)增加數(shù)據(jù)量,而且影響后期建模的精度以及數(shù)據(jù)處理效率;三維激光掃描點(diǎn)云數(shù)據(jù)噪聲點(diǎn)通常分為兩種,即遠(yuǎn)離點(diǎn)云主體的大尺度噪聲和靠近點(diǎn)云主體、混雜在被測(cè)物體模型表面的小尺度噪聲。目前所采用的大多數(shù)去噪算法都是利用相同的處理方法實(shí)現(xiàn)對(duì)不同類(lèi)型的點(diǎn)云數(shù)據(jù)去噪,雖然能夠?qū)崿F(xiàn)對(duì)噪聲點(diǎn)的去除,但是也會(huì)因此刪除很多屬于模型本身的尖銳特征造成過(guò)光順問(wèn)題,導(dǎo)致被測(cè)物體建模后失真。本文針對(duì)這種問(wèn)題,提出針對(duì)不同類(lèi)型點(diǎn)云噪聲數(shù)據(jù)的分類(lèi)去噪算法,實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)的高效去噪。本文主要研究?jī)?nèi)容如下:(1)在點(diǎn)云去噪過(guò)程中,充分利用PCL點(diǎn)云庫(kù)處理點(diǎn)云數(shù)據(jù)的優(yōu)勢(shì),基于PCL中集成的點(diǎn)云濾波模塊進(jìn)行點(diǎn)云數(shù)據(jù)分類(lèi)去噪。首先利用Statistical Outlier Removal濾波器、Radius Outlier Removal濾波器實(shí)現(xiàn)大尺度噪聲的去除,然后通過(guò)改進(jìn)BilateralFilter類(lèi)中的雙邊濾波算法實(shí)現(xiàn)小尺度點(diǎn)云噪聲的去除。最后應(yīng)用具體的工程實(shí)例驗(yàn)證該分類(lèi)去噪算法的可行性。(2)針對(duì)存在空洞的點(diǎn)云數(shù)據(jù),利用RBF神經(jīng)網(wǎng)絡(luò)對(duì)需要處理的點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)測(cè)模擬,將點(diǎn)云實(shí)測(cè)值全部用網(wǎng)絡(luò)預(yù)測(cè)值代替,實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)的去噪。通過(guò)實(shí)例驗(yàn)證得出,該算法能夠有效去除點(diǎn)云表面的噪聲,保持點(diǎn)云模型的特征信息,在點(diǎn)云去噪過(guò)程中實(shí)現(xiàn)空洞修復(fù),提高了點(diǎn)云數(shù)據(jù)處理的效率。
[Abstract]:As a new technology of surveying and mapping, 3D laser scanning technology acquires 3D coordinate information of measured object quickly by non-contact method.Under the influence of accidental error and systematic error, the point cloud data collected by 3D laser scanning equipment is inevitably mixed with some noise data. If the noise data is not removed in time, it will not only increase the amount of data,The noise points of 3D laser scanning point cloud data are usually divided into two types: the large scale noise away from the point cloud body and the near point cloud subject.Small scale noise mixed on the surface of the measured object model.Most of the current de-noising algorithms use the same processing method to realize the de-noising of different types of point cloud data, although the noise points can be removed.However, many sharp features which belong to the model itself will be deleted, which will lead to over-fairing, resulting in distortion after modeling of the object under test.In order to solve this problem, this paper proposes a classification denoising algorithm for different types of point cloud noise data to realize the efficient denoising of point cloud data.The main contents of this paper are as follows: (1) in the process of point cloud denoising, we make full use of the advantage of PCL point cloud database to deal with point cloud data, and carry out point cloud data classification and denoising based on the integrated point cloud filtering module in PCL.Firstly, the Statistical Outlier Removal filter Radius Outlier Removal filter is used to remove large scale noise, and then the small scale point cloud noise is removed by improving the bilateral filtering algorithm of BilateralFilter class.Finally, a concrete engineering example is used to verify the feasibility of the classification denoising algorithm. (2) aiming at the point cloud data with holes, the RBF neural network is used to predict and simulate the point cloud data to be processed.The point cloud data denoising is realized by replacing the point cloud data with the network prediction value.The results show that the algorithm can effectively remove the noise on the surface of the point cloud, keep the characteristic information of the point cloud model, repair the void in the process of point cloud denoising, and improve the efficiency of point cloud data processing.
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：P225.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 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

2 喜文飛;史正濤;;一種新的點(diǎn)云數(shù)據(jù)組合精簡(jiǎn)算法研究[J];科技通報(bào);2014年03期

3 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

4 張會(huì)霞;;基于八叉樹(shù)的點(diǎn)云數(shù)據(jù)的組織與可視化[J];太原師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2011年03期

5 方源敏;夏永華;陳杰;宋煒煒;楊永明;左小清;;基于改進(jìn)的角度偏差法的采空區(qū)點(diǎn)云數(shù)據(jù)精簡(jiǎn)[J];地球科學(xué)與環(huán)境學(xué)報(bào);2012年02期

6 徐偉恒;馮仲科;蘇志芳;胥輝;焦有權(quán);鄧歐;;一種基于三維激光點(diǎn)云數(shù)據(jù)的單木樹(shù)冠投影面積和樹(shù)冠體積自動(dòng)提取算法[J];光譜學(xué)與光譜分析;2014年02期

7 靳克強(qiáng);龔志輝;湯志強(qiáng);張斌;袁輝;;機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)質(zhì)量評(píng)價(jià)體系分析與探討[J];測(cè)繪與空間地理信息;2012年04期

8 劉亞文;龐世燕;左志奇;;蟻群算法的建筑立面點(diǎn)云數(shù)據(jù)提取[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2012年11期

9 喜文飛;方源敏;李帥;李健;;一種新的激光點(diǎn)云數(shù)據(jù)精簡(jiǎn)方法[J];測(cè)繪工程;2012年04期

10 何麗;李嘉;鄭德華;;基于柵格的點(diǎn)云數(shù)據(jù)的邊界探測(cè)方法[J];測(cè)繪工程;2013年03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(xiàn)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)重要報(bào)紙文章 前6條

1 記者 李曉東;天安門(mén)城樓首次建立三維激光掃描實(shí)景模型[N];光明日?qǐng)?bào);2013年

2 李兆平　龔渤;多點(diǎn)開(kāi)花 前景廣闊[N];中國(guó)測(cè)繪報(bào);2012年

3 北京建筑工程學(xué)院 吳志群 云岡石窟研究院 寧波;三維激光掃描技術(shù)在古建保護(hù)修復(fù)中的應(yīng)用[N];中國(guó)文物報(bào);2009年

4 高蕾;數(shù)字化測(cè)繪技術(shù)解古建保護(hù)難題[N];中國(guó)建設(shè)報(bào);2011年

5 山西省考古研究所 程虎偉;基于三維激光掃描技術(shù)的古城墻精密測(cè)繪[N];中國(guó)文物報(bào);2012年

6 記者 牟秀源 通訊員 汪利娟;三維激光掃描助力建筑施工監(jiān)管[N];中國(guó)安全生產(chǎn)報(bào);2014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 金娟鳳;基于特征距離的腰腹臀部體型分析與個(gè)性化女褲樣板生成[D];浙江理工大學(xué);2017年

9 石宏斌;地面激光點(diǎn)云模型自動(dòng)構(gòu)建方法研究[D];武漢大學(xué);2014年

10 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

相關(guān)碩士學(xué)位論文 前10條

1 陳雪榮;三維激光掃描點(diǎn)云數(shù)據(jù)分類(lèi)去噪及空洞修復(fù)算法研究[D];長(zhǎng)安大學(xué);2017年

2 吳陽(yáng);三維掃描點(diǎn)云數(shù)據(jù)處理技術(shù)研究[D];河南工業(yè)大學(xué);2017年

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 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

，

本文編號(hào)：1733662