發(fā)布時(shí)間：2018-04-27 18:01

  本文選題：點(diǎn)云分類 + 局部形狀推斷��； 參考：《浙江大學(xué)學(xué)報(bào)(理學(xué)版)》2017年01期

【摘要】：三維激光掃描獲取的點(diǎn)云數(shù)據(jù)可用于數(shù)字城市建設(shè)、三維模型獲取、場(chǎng)景分析與物體測(cè)量等領(lǐng)域.但因遮擋和噪聲的影響,加之掃描場(chǎng)景復(fù)雜,采樣精度受限,使得不能直接運(yùn)用經(jīng)典的曲面和三維空間理論對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行有效分析和處理.分類是點(diǎn)云數(shù)據(jù)預(yù)處理的重要方式之一.提取近鄰四面體體積、近鄰法向量差異度、主方向差異度和主曲率值4個(gè)局部形狀特征,采用概率混合策略構(gòu)建了一種點(diǎn)云數(shù)據(jù)的半自動(dòng)分類方法,可實(shí)現(xiàn)平面點(diǎn)集、柱面點(diǎn)集和其他點(diǎn)集的有效區(qū)分.其中,概率混合策略是依據(jù)近鄰點(diǎn)平均距離和單指標(biāo)類別一致程度估計(jì)每個(gè)特征推斷形狀的概率,通過混合加權(quán),依據(jù)概率賦權(quán)函數(shù)最大值準(zhǔn)則進(jìn)行局部形狀推斷.可實(shí)現(xiàn)用戶交互,以便處理不同掃描尺度和精度的點(diǎn)云數(shù)據(jù).采用本文方法對(duì)模擬生成的點(diǎn)云、單棵樹木點(diǎn)云、街道場(chǎng)景點(diǎn)云、曠野自然場(chǎng)景掃描點(diǎn)云以及航空機(jī)載掃描點(diǎn)云等多組數(shù)據(jù)進(jìn)行了實(shí)驗(yàn),結(jié)果表明,基于局部形狀特征的概率混合方法對(duì)各種點(diǎn)云數(shù)據(jù)均具有良好的分類效果.
[Abstract]:The point cloud data obtained by 3D laser scanning can be used in the fields of digital city construction, 3D model acquisition, scene analysis and object measurement. However, due to the influence of occlusion and noise, combined with the complexity of scanning scene and limited sampling accuracy, the classical surface and three-dimensional space theory can not be directly used to effectively analyze and process point cloud data. Classification is one of the important methods of point cloud data preprocessing. Four local shape features, namely, nearest neighbor tetrahedron volume, nearest neighbor normal vector difference, principal direction difference and principal curvature value, are extracted. A semi-automatic classification method for point cloud data is constructed by using probability mixing strategy, which can realize the planar point set. The efficient distinction between cylindrical point sets and other point sets. The probability mixing strategy is to estimate the probability of each feature inferring shape according to the average distance of the nearest neighbor point and the consistency degree of the single index class, and to infer the local shape according to the maximum value criterion of the probability weighting function by mixing the weights. User interaction can be implemented to process point cloud data with different scanning scales and accuracy. In this paper, the simulated data of point cloud, single tree point cloud, street scene point cloud, field natural scene scanning point cloud and airborne scanning point cloud are tested. The results show that, The probabilistic mixing method based on local shape features has a good classification effect on all kinds of point cloud data.
【作者單位】： 北京林業(yè)大學(xué)理學(xué)院;中國(guó)科學(xué)院自動(dòng)化研究所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61372190,61372168,61572502,61571439) 國(guó)家863計(jì)劃課題項(xiàng)目(2015AA016402)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王洪君,任秀麗;基于對(duì)象形狀特征的圖象檢索[J];松遼學(xué)刊(自然科學(xué)版);2001年03期

2 高飛;形狀特征的表示[J];計(jì)算機(jī)輔助工程;1995年02期

3 王春河,張鐵昌;面向集成化的形狀特征分類與表示[J];航空學(xué)報(bào);1996年02期

4 王春河,周濟(jì),張新訪,張鐵昌;凸起形狀特征在集成過程中的處理技術(shù)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);1996年04期

5 張煒,杜曉榮,張蕊;形狀特征的顯示表達(dá)框架的構(gòu)造[J];微機(jī)發(fā)展;1998年06期

6 賀雙拾;辛玉林;倪友平;陳曾平;;基于灰度圖形狀特征的低分辨雷達(dá)架次判別[J];雷達(dá)科學(xué)與技術(shù);2008年01期

7 廖凱寧;李志強(qiáng);孫靜;;基于形狀特征描述算子的3D模型檢索[J];計(jì)算機(jī)工程;2010年12期

8 高飛，葉尚輝;形狀特征的定義[J];計(jì)算機(jī)輔助工程;1994年01期

9 曹尚穩(wěn);兩類形狀特征的語義差及其操作互換性[J];系統(tǒng)工程與電子技術(shù);1999年07期

10 趙書蓮;宿曉華;;基于概念的形狀分類與識(shí)別[J];電腦知識(shí)與技術(shù);2009年06期

相關(guān)會(huì)議論文 前6條

1 張世學(xué);吳恩華;;基于形狀特征與變形保持的動(dòng)態(tài)模型簡(jiǎn)化[A];中國(guó)計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國(guó)計(jì)算機(jī)圖形學(xué)大會(huì)論文集[C];2008年

2 高劑斌;李裕梅;;基于復(fù)雜網(wǎng)絡(luò)的圖像形狀特征提取及多特征融合方案探究[A];中國(guó)系統(tǒng)工程學(xué)會(huì)第十八屆學(xué)術(shù)年會(huì)論文集——A12系統(tǒng)科學(xué)與系統(tǒng)工程理論在各個(gè)領(lǐng)域中的應(yīng)用研究[C];2014年

3 胡帆;廖斌;薛巧平;;基于輪廓的形狀特征提取方法[A];2011年通信與信息技術(shù)新進(jìn)展——第八屆中國(guó)通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2011年

4 路陽;董宏麗;;基于MATLAB實(shí)現(xiàn)水稻顆粒圖像形狀特征分析[A];黑龍江省計(jì)算機(jī)學(xué)會(huì)2007年學(xué)術(shù)交流年會(huì)論文集[C];2007年

5 李連;朱愛紅;;基于形狀的圖像檢索技術(shù)研究[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集[C];2004年

6 甘俊英;趙向陽;張有為;;視覺語言特征—灰度輪廓權(quán)向量差分形狀特征[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

相關(guān)重要報(bào)紙文章 前2條

1 程春;畫面清新自然 寓意美好吉祥[N];中國(guó)集郵報(bào);2014年

2 黨耀武;給你一雙“慧眼”　判讀高空偵察照片[N];中國(guó)國(guó)防報(bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 趙偉;自由形狀特征的重用與抑制[D];浙江大學(xué);2008年

2 王青;反求工程中基于變形的自由形狀特征重構(gòu)[D];浙江大學(xué);2006年

3 陳飛;基于形狀先驗(yàn)的同時(shí)分割與識(shí)別研究[D];浙江大學(xué);2013年

4 柴倫紹;具有形變魯棒性的形狀特征研究及其在檢索中的應(yīng)用[D];北京郵電大學(xué);2014年

5 桂江生;二維水果形狀檢測(cè)與分類算法研究[D];浙江大學(xué);2007年

6 賈棋;形狀不變特征提取及應(yīng)用研究[D];大連理工大學(xué);2014年

7 羅磊;形狀分解和基于機(jī)器學(xué)習(xí)的圖像檢索技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

8 王軍偉;融合全局與局部信息的形狀輪廓特征分析與匹配[D];華中科技大學(xué);2012年

9 陳國(guó)棟;面向機(jī)器人的物體形狀及姿態(tài)識(shí)別研究[D];哈爾濱工業(yè)大學(xué);2011年

10 王淳;形狀的部分結(jié)構(gòu)解析和識(shí)別[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王松鶴;2D形狀中分支結(jié)構(gòu)的檢測(cè)[D];大連海事大學(xué);2015年

2 周斌;基于圖像形狀特征量的計(jì)算機(jī)輔助肝硬化檢測(cè)研究[D];廣西大學(xué);2015年

3 張倩;基于支持向量機(jī)的多特征交通標(biāo)志識(shí)別的研究與實(shí)現(xiàn)[D];東北大學(xué);2014年

4 李龍卓;基于形狀特征的圖像檢索技術(shù)研究[D];青島科技大學(xué);2015年

5 江靜宇;非剛體三維殘缺模型的形狀分類算法研究[D];北京交通大學(xué);2016年

6 王璐;三維耳廓點(diǎn)云形狀特征提取及匹配[D];遼寧師范大學(xué);2015年

7 劉春爽;基于植物葉形狀和葉脈的植物葉自動(dòng)分類研究[D];浙江理工大學(xué);2016年

8 鄭培甜;邊緣與形狀特征信息在圖像分割中的應(yīng)用研究[D];西安郵電大學(xué);2016年

9 顧華;基于形狀特征的人臉分類研究[D];清華大學(xué);2004年

10 李國(guó)琳;傅立葉描繪子對(duì)形狀進(jìn)行識(shí)別與檢索[D];吉林大學(xué);2005年

，

本文編號(hào)：1811741