基于核机器学习方法的点云处理若干方法研究

论文摘要

在反求工程中，基于点的点云处理技术是随着数据测量技术的进步而迅速发展起来的一门新兴技术。该项技术以点作为曲面绘制和造型的基本元素，在提高模型绘制与重建的速度、加强处理超大规模点云的能力和简化计算量等方面体现出独特的优势，目前已成为反求工程的一个研究热点。论文主要研究点云优化子采样曲面表示、图像修补、点云建模、核机器学习方法等内容，提出了几种基于核机器的点云处理方法，为该领域的研究工作提供了参考。 在已有研究成果的基础上进一步完善了基于点云的优化子采样曲面表示方法。对输入稠密点云采样形成稀疏圆或椭圆油彩，采样数据具有空间信息。用贪婪法选择曲面，用整体优化法消除漏洞，持续逼近输入数据重建曲面。在一定公差下可用较少的曲面实现无漏洞曲面逼近，产生的表面流畅、无漏洞、采样密度适中，并且可有效控制误差在规定的公差范围之内。理论分析与实验结果表明该方法具有良好的性能。 与统计学习理论相结合，提出了一种基于支持向量机的优化子采样曲面表示方法。讨论了基于点云数据的曲面表示问题，采用ε-支持向量回归机和ν-支持向量回归机实现点云数据的轮廓构建与曲面拟合，最后使用贪婪算法求解得到优化子采样，即一个曲面表示，它具有光顺性好，速度快等优点，展示出所提方法的优越性。 对图像修补的特点进行了仔细分析，在此基础上，提出了一种基于核机器方法的图像修补算法。对待修补区域的每一个像素点，首先取其八邻域色彩数据，形成一组不完整的曲线，然后用核机器对它们进行回归处理完成修补。实验对比了几种方法和几种核函数的性能，结果表明，论文中所提方法可以达到令人满意的效果，具有实用性。 分析了景物图像修补的特点，在此基础上构建了一类景物图像的样本数据集。将基于模式识别的核分类机引入该领域，首先采用支持向量机对待修补图像进行分类，然后利用匹配的模板对空洞进行边缘修补和色彩填充，最后根据空洞外部图像的细微特征对纹理和色彩进行二次修补。实验结果表明该方法的精度优于传统方法。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 点云处理技术的研究意义与研究现状
• 1.1.1 基于网格和基于点的表达方法
• 1.1.2 基于点的表面几何表达
• 1.1.3 基于点的数据处理
• 1.1.4 基于点的曲面重建
• 1.1.5 基于点的模型绘制
• 1.1.6 基于点的加工轨迹生成
• 1.2 核机器学习方法研究现状
• 1.3 统计学习理论基础
• 1.3.1 函数集的VC维
• 1.3.2 归纳推理原则ERM和SRM
• 1.3.3 模式识别与回归估计
• 1.4 研究情况总结与课题的提出
• 1.5 本文主要内容与体系结构
• 第2章 基于点云的优化子采样曲面表示研究
• 2.1 相关研究工作
• 2.2 相关定义
• 2.3 算法描述
• 2.4 生成油彩
• 2.4.1 生成椭圆油彩
• 2.4.2 以油彩面元无漏洞逼近曲面
• 2.5 选择能覆盖整个表面S的子集
• 2.6 油彩整体松驰
• 2.6.1 方法描述
• 2.6.2 移除冗余曲面
• 2.6.3 对比实验与结果分析
• 2.7 小结
• 第3章 基于SVM的优化子采样曲面表示研究
• 3.1 贪婪算法原理
• 3.2 求解曲面轮廓
• 3.3 曲面拟合研究
• 3.4 曲面表示研究
• 3.4.1 基于管道数据集T的曲面轮廓构建
• 3.4.2 生成油彩
• 3.4.3 选择能覆盖整个表面的最优子覆盖
• 3.5 对比实验与结果分析
• 3.5.1 不同方法横向比较
• 3.5.2 不同核函数纵向比较
• 3.6 小结
• 第4章 基于核机器方法的图像修补技术
• 4.1 研究的必要性分析
• 4.2 空洞边界的确定
• 4.3 基于核回归机器的图像修补
• 4.3.1 提取特征
• 4.3.2 构建回归曲线求解色彩值
• 4.3.3 基于核的回归学习机
• 4.4 仿真实验
• 4.4.1 电机的三维扫描点云修补
• 4.4.2 模型马点云空洞的修补
• 4.4.3 修补去除文字后的图片
• 4.5 基于核分类机器的图像修补
• 4.5.1 基于核的模式识别机器
• 4.5.2 样本集的构建
• 4.5.3 特征提取
• 4.5.4 完成首次修补
• 4.5.5 最后的细补
• 4.6 对比实验
• 4.7 小结
• 第5章 基于小波与核机器方法的点云建模技术
• 5.1 研究进展分析
• 5.2 小波理论基础
• 5.2.1 小波变换与加窗傅里叶变换
• 5.2.2 再生核Hilbert空间
• 5.2.3 连续小波变换与离散小波变换
• 5.3 一种小波核的构建与证明
• 5.3.1 满足Mercer条件的证明
• 5.3.2 在Hilbert空间满足再生性的证明
• 5.4 小波核机器的构建
• 5.5 基于核机器的点云建模
• 5.5.1 点云数据的获取
• 5.5.2 用强特征构建轮廓
• 5.5.3 用回归曲线构建封闭区域
• 5.5.4 用弱特征构建区域纹理
• 5.5.5 对比实验
• 5.6 几个点云建模实例
• 5.6.1 电机点云建模
• 5.6.2 发动机连接件表面重建
• 5.6.3 模型马点云建模
• 5.7 小结
• 第6章 结论与展望
• 6.1 主要结论
• 6.2 后续工作的展望
• 致谢
• 参考文献
• 攻读博士学位期间的论文及科研情况
• 一、论文情况
• 二、科研项目