近幾年來,隨著計算機視覺、無人駕駛、三維城市、智能機器人等領(lǐng)域的蓬勃發(fā)展,三維點云數(shù)據(jù)以其特有的空間結(jié)構(gòu)優(yōu)勢,在這些領(lǐng)域得到了廣泛的應用。對掃描設(shè)備獲取的原始點云數(shù)據(jù)進行高質(zhì)量快速的重建和有效的分割,是當前三維點云數(shù)據(jù)處理技術(shù)中關(guān)鍵部分。有效的點云預處理可以大大提高重建的速度和精度,高質(zhì)量的分割是機器視覺技術(shù)的基礎(chǔ),本文主要對點云數(shù)據(jù)的精簡、平滑、重建、配準、分割做了如下研究:（1）為了解決采集點云數(shù)據(jù)時存在的冗余,噪聲及空洞等因素影響其快速高質(zhì)量重建的問題,提出了一種新的點云重建方法。該方法對于初步去噪的點云數(shù)據(jù),首先使用體素柵格對點云進行精簡,然后利用改進的移動最小二乘法對精簡后的點云進行平滑處理,最后利用投影三角化對點云進行快速重建。實驗結(jié)果表明,該方法可以有效的對點云的局部空洞進行修補及獲得平滑的流形面,使重建結(jié)果更接近于現(xiàn)實,最終實現(xiàn)對點云數(shù)據(jù)高質(zhì)量的重建。（2）在點云的精配準過程中,迭代最近點算法（Iterative Closest Points,ICP）因配準精度高,成為目前點云配準中常用的算法。但傳統(tǒng)的ICP算法隨著迭代次數(shù)的增加,運行時間較長,且存在的偏差較大的最近點... 

【文章來源】：西安工程大學陜西省

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

PCL點云庫模塊分類論文以Kinect掃描的三維點云數(shù)據(jù)為研究對象，選用PCL作為點云數(shù)據(jù)處理的主要工具，著重研究了點云數(shù)據(jù)預處理和分割方面的問題

往需要還需要對數(shù)據(jù)進行平滑處理，目前的平滑處理主要分為基于重建或者直接對點云數(shù)據(jù)進行平滑處理。本章在平滑階段分別采用基于網(wǎng)滑，和基于改進移動最小二乘法（Moving Least Square，MLS）的點云平不同類型的平滑算法進行對比，確定對于點云數(shù)據(jù)平滑處理更優(yōu)的算法效的預處理策略，實現(xiàn)對點云數(shù)據(jù)的精準快速重建，得到良好的可視化效法流程點云進行重建中，本文先對點云數(shù)據(jù)進行初步去噪，然后使用體素柵格余數(shù)據(jù)，且可以在保持點云的局部特征下加快重建速度，但精簡后的數(shù)局部空洞、細小噪聲、誤差等[38,39]。對精簡過的數(shù)據(jù)直接重建，得到的光滑，且存在局部空洞。如果對重建表面進行局部網(wǎng)格平滑，可以一定重建網(wǎng)格的光滑程度，但效果并不理想，且對網(wǎng)格平滑并無法修復重建因此，本文在對點云進行初步去噪[40,41]，對點云使用體素柵格進行精簡最小二乘法對點云數(shù)據(jù)進行預處理，并采用加權(quán)的協(xié)差矩陣來計算局部取高質(zhì)量流形點云，最后利用貪婪投影三角化對點云進行快速網(wǎng)格化，量的曲面重建[42]，算法流程圖如 2-1 所示。

圖 2-2 統(tǒng)計濾波示意圖波 PCL 中的參數(shù)設(shè)置如下：eanK(100)，根據(jù)點云的密度分布，將近鄰點的個數(shù)設(shè)MulThresh(1.0)，將標準差倍數(shù)閾值 std 設(shè)置為 1.0，在波對待查詢點的近鄰點的個數(shù)進行判斷，將不滿足近進行刪除。在對點云進行半徑濾波時，需要對球體搜數(shù)進行設(shè)定。規(guī)定的球體半徑內(nèi)當前查詢點 k 近鄰的個數(shù)，記為 m 時，該點則作為孤立點被刪除。驗，一般將按 M=(2%-5%)·m， r / M CloudResoluti數(shù)進行設(shè)定。，在設(shè)定半徑（綠圓表示）指定條件至少要有 3 個近指定至少要有 5 個鄰居，e 和 f 點都將被刪除。


本文編號：3072383