三维激光扫描数据处理技术的研究

三维激光扫描数据处理技术的研究

论文摘要

随着计算机科学、信息技术等学科的迅猛发展,逆向工程技术已经在工业生产和日常生活的诸多领域显现其不可替代的应用价值,其中的数据处理和曲面重建是逆向工程的研究热点之一。数据处理主要包括数据格式的转化、数据点集间的拼接、数据平滑、数据精简和数据分块等,是逆向工程的一项重要的技术环节,它决定了后续的模型重建能否满足应用需求;曲面重建是寻找某种数学描述形式,在满足给定精度的条件下、简洁有效地描述一个给定物理曲面的形状,并在此基础上对曲面本身进行分析、计算、修改和绘制。本文的研究内容来源于“精密工程和工业测量国家测绘局重点实验室开放基金”项目,以真实的三维激光扫描点云数据为研究对象,进行相关数据处理和曲面拟合技术的讨论。主要工作包括以下几部分:论文首先对三维激光扫描数据在Matlab软件平台上计算点云曲率,再进行压缩处理。然后再Imageware软件平台上进行曲面造型,实现曲面重建。(1)提出一种基于点云曲率的数据压缩算法,并以真实隧道的原始点云数据为处理对象,在Matlab软件平台实施压缩处理,对压缩前后的点云数据在Imageware软件平台上可视化显示,对比压缩效果。(2)着重介绍了处理点云数据的商业软件Imageware的主要功能模块和数据处理特性。(3)详细介绍了三维激光扫描点云数据的鲁棒和小波阈值去噪算法,区域重心压缩和共顶点压缩算法,以及Bezier和NURBS曲面拟合方法。实验数据证明,论文提出的基于曲率的点云数据压缩算法对真实点云的压缩可以达到75%左右甚至更高的压缩比,而且通过Imageware的可视化显示表明,该算法在获得较高压缩比的同时,对原始点云数据描述的三维形状有较好的保真度。可见本文提出的三维点云数据处理方法对今后的研究有一定的意义。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 选题背景和意义
  • 1.2 三维激光扫描技术的应用
  • 1.3 三维激光扫描系统介绍
  • 1.4 本文主要研究内容
  • 第2章 逆向工程技术介绍
  • 2.1 逆向工程的定义
  • 2.2 逆向工程的应用及关键技术
  • 2.3 逆向工程软件Imageware介绍
  • 2.3.1 Imageware软件概况
  • 2.3.2 Imageware主要模块
  • 2.3.3 Imageware的优点
  • 2.4 本章小结
  • 第3章 三维激光扫描数据处理
  • 3.1 引言
  • 3.2 点云数据去噪处理
  • 3.2.1 鲁棒滤波算法去噪处理
  • 3.2.2 小波阈值去噪
  • 3.3 点云数据压缩
  • 3.3.1 基于曲线拟合与采样的数据压缩方法
  • 3.3.2 点云数据的区域重心压缩方法
  • 3.3.3 共顶点压缩法
  • 3.4 曲线曲面拟合
  • 3.4.1 Bezier曲线曲面拟合
  • 3.4.2 NURBS曲线曲面拟合
  • 3.5 本章小结
  • 第4章 三维激光扫描数据处理典型实例分析
  • 4.1 初始点云数据分析
  • 4.2 点云数据压缩
  • 4.2.1 确定最外区域
  • 4.2.2 最外区域的细化
  • 4.2.3 小长方体区域内的数据压缩
  • 4.3 曲面造型
  • 4.4 本章小结
  • 第5章 总结与展望
  • 5.1 论文总结
  • 5.2 未来工作展望
  • 致谢
  • 参考文献
  • 作者在攻读硕士学位期间发表论文
  • 相关论文文献

    • [1].基于激光点云数据的卫星导航定位研究[J]. 数字通信世界 2020(06)
    • [2].基于球域膨胀的点云数据平面提取研究[J]. 测绘与空间地理信息 2020(07)
    • [3].点云数据稀疏区域建筑物立面重建方法[J]. 应用科学学报 2017(02)
    • [4].利用激光点云数据绘制仿古建筑立面图[J]. 淮海工学院学报(自然科学版) 2019(04)
    • [5].基于激光点云数据的卫星导航定位研究[J]. 激光杂志 2020(02)
    • [6].一种古建筑点云数据的语义分割算法[J]. 武汉大学学报(信息科学版) 2020(05)
    • [7].利用激光点云数据检测特征表面平整度[J]. 科技创新与应用 2020(32)
    • [8].基于球域膨胀的点云数据平面提取[J]. 工程技术研究 2018(11)
    • [9].海量点云数据分布式并行处理技术综述[J]. 信息工程大学学报 2018(05)
    • [10].三维激光扫描点云数据盲区边界识别与应用[J]. 有色金属(矿山部分) 2019(05)
    • [11].地面激光点云数据质量评价与三维模型快速重建技术研究[J]. 测绘学报 2017(12)
    • [12].三维激光扫描点云数据的精简方法探讨[J]. 黄河水利职业技术学院学报 2018(02)
    • [13].点云数据生成软件的设计及其在月饼模具逆向设计与制造中的应用[J]. 制造技术与机床 2017(03)
    • [14].点云数据提取二次曲面特征算法研究[J]. 信息通信 2017(05)
    • [15].一种改进的激光点云数据精简算法[J]. 激光与红外 2016(06)
    • [16].广式古家具的逆向点云数据采集研究[J]. 包装工程 2016(16)
    • [17].基于二维的地面点云数据组织研究[J]. 兵工自动化 2016(07)
    • [18].基于点云数据的道路特征参数提取方法研究[J]. 矿山测量 2014(06)
    • [19].密度聚类方法在点云数据分割中的应用研究[J]. 测绘与空间地理信息 2015(01)
    • [20].基于多源点云数据融合的单木树形重建[J]. 桂林理工大学学报 2020(03)
    • [21].多片点云数据拼接处理技术的研究[J]. 水利与建筑工程学报 2014(01)
    • [22].压缩感知点云数据压缩[J]. 应用科学学报 2014(05)
    • [23].多视点云数据快速对齐方法[J]. 机械设计与研究 2009(01)
    • [24].基于地铁隧道点云数据的组合滤波算法[J]. 沈阳建筑大学学报(自然科学版) 2020(03)
    • [25].三维激光点云数据精简算法[J]. 吉首大学学报(自然科学版) 2018(05)
    • [26].基于颜色取样的苹果树枝干点云数据提取方法[J]. 农业机械学报 2019(10)
    • [27].基于法矢修正的点云数据去噪平滑算法[J]. 哈尔滨理工大学学报 2018(05)
    • [28].一种改进的点云数据精简算法[J]. 现代制造工程 2016(12)
    • [29].新的点云数据压缩法在舞动治理工程中的应用研究[J]. 山西建筑 2017(26)
    • [30].欧氏聚类算法支持下的点云数据分割[J]. 测绘通报 2017(11)

    标签:;  ;  ;  ;  

    三维激光扫描数据处理技术的研究
    下载Doc文档

    猜你喜欢