导读:本文包含了点云骨架提取论文开题报告文献综述及选题提纲参考文献，主要关键词:树木点云,曲率法线流算子,网格收缩,骨架提取
点云骨架提取论文文献综述
郝腾宇[1]（2019）在《基于骨架提取的树木点云叁维重建方法研究》一文中研究指出树木是自然界中不可或缺的一部分。利用虚拟现实技术模拟树木在自然环境下的生长过程和运动方式、掌握树木在生长过程中对外界环境的应激反应、加快全方位学习和了解树木知识的进度,对研究人与环境的关系具有十分重要的意义。叁维激光点云是模拟植物生长和树木建模的数据基础。点云数据包含各点之间相对位置关系、局部的拓扑结构以及整体的几何形状等空间信息。随着虚拟现实技术和计算机图形学在农林业的应用不断深入,树木点云的叁维建模和模拟植物生长已然成为目前国内外各个相关机构的研究热点。由于树木存在枝条繁多且纵横交错等现象,并且具有复杂的拓扑结构。使用传统的点云重建算法直接在树木点云表面进行叁角网格剖分,会产生大量的畸形结构,不符合自然世界中树木的几何形状。当前树木点云重建算法严重依赖于大量的先验知识启发和复杂的交互式操作,操作方式繁琐,算法结构复杂,时间成本巨大,得不到理想的模型效果。针对以上问题,为了充分利用树木点云的自身信息,有效保留点云内部之间拓扑关系,本文提出一种基于骨架提取的树木点云叁维重建方法,将网格平滑算法直接应用于树木点云表面,提取树木点云的基础拓扑结构,在骨架的基础上对树木进行几何构建。本研究的主要内容及其创新点如下:(1)构建了树木点云获取和预处理方案。使用双目激光叁维扫描仪获取树木点云数据;为了去除树木点云包含的噪声、离群点以及奇异值,分别采用了双边滤波器和密度聚类算法,平均误差为0.28mm;采用基于邻域几何特征相似度和一致性漂移配准方法对树木点云进行配准,配准误差在0.03mm以内;在完整的树木点云上基于射线原理对点云进行精简,精简率达到72%;最后利用八叉树结构对点云进行分割;树木点云预处理为后续骨架提取工作提供了良好的基础。(2)针对树冠处枝条点云稀疏导致几何重建率低的问题,提出了基于曲率法线流算子的树点云骨架提取算法。首先对点云进行局部网格化,在每个顶点建立一环邻域;然后利用基于曲率法线流网格收缩算法提供的收缩力,将树木点云收缩到几乎零体积形状。在局部范围内,曲率法线流算子令顶点以平均曲率的速度沿局部法线向点云内部移动,保持了相邻点之间的相对位置关系;在整体上,将点云向内部迭代收缩,保留了原始树木点云的几何形状和拓扑结构。模型收缩比例占初始体积的1%至5%,吻合度在97%以上,收缩效率为800点/s。(3)针对树木枝条平滑修长以及枝叉处弯曲幅度平缓的特点,提出了一种改进的二次误差度量网格简化算法。该算法以网格边的二次误差度量值为形状成本,使提取的一维曲线骨架与骨架网格保持相同的拓扑结构和几何形状;为防止生成过长的骨架边,设置一个边长成本约束,保留骨架点与原始点云之间的精确映射关系。骨架分支连接处的平滑角度在[10~?,45~?]之间,网格简化速率为5000面/s。(4)构建了骨架修正和几何重建方案。在骨架修正方面,基于点云-骨架映射将每个骨架点移动到其对应的原始点云的中心,偏离误差小于0.03cm;采用生长角度约束和双向探测法将提取的骨架进行连通处理,骨架连接角度小于45~?。在几何重建方面,建立了骨架点结构和树层次结构,结合树木的植物特点和异速生长理论,为每个骨架点分配与其权重成正比的半径,以骨架为中轴建立广义圆柱体对树木点云进行几何重建,平均半径误差为±0.34cm。(5)设计了不同的对比实验对树木点云骨架提取和几何重建进行研究分析。在提取骨架的精度方面,设计了曲率法线流算子与余切算子的对比实验,验证了本文算子在树冠处能更好的保留原始点云的几何形状,不存在骨架突出和环形结构等现象。在骨架提取的速度和重建度方面,设计了本文算法与其他经典算法(ROSA算法、L_1-中轴算法、体素化算法、空间殖民算法)的对比实验,相对于其他算法,本文算法不需要额外的预处理操作和法向量计算,并且对于适当噪声和残缺模型有良好的鲁棒性。对于数量在10k-150k之间的树木点云,本文算法的骨架提取速度为600点/s,相比其他算法提高3倍以上,枝条重建率提高25%。(本文来源于《西北农林科技大学》期刊2019-05-24）
段红娟[2]（2019）在《半自动点云模型线性骨架提取技术》一文中研究指出本文基于ROSA(Rotational Symmetry Axis)和中轴的骨架提取算法,搭建一个半自动的点云模型线性骨架提取实验平台,系统地分析了基于勾画的交互方式进行点云模型骨架提取的实验平台的结构与特点,并阐述了骨架结点位置提取、骨架连接关系提取、骨架编辑等各个功能模块在实验平台中的具体实现和功能,最后对实验平台的开发工作进行了总结。(本文来源于《现代信息科技》期刊2019年08期）
王强[3]（2019）在《基于叁维点云骨架提取的单木L系统规则构造方法研究》一文中研究指出当下虚拟现实技术浪潮助推了叁维建模技术的发展与繁荣。树木作为自然景观模型的代表,成为了虚拟建模研究的重点。由于树木种类繁多且类间几何形态差异较大,导致其不能批量建模,另外,随着体验者需求的提升,对建模的时效性和真实性也提出了新要求。L系统是一种定义简洁和高度结构化的分形建模方法,该方法依据文法规则可以实现多变的建模。但是传统L系统规则构建成本过高,需要相关的数学基础和专业知识背景,不利于大型场景的快速准确建模。为了解决上述问题,本文提出了一种L系统规则的自适应提取方法:该方法利用点云数据来提取树木骨架和枝干参数信息,进而用骨架来抽取树木的无参产生式,并将参数与产生式匹配来得到树木对应的L系统规则。最终,利用所得规则进行建模,通过对比模型与实物的相似性,来验证所得规则的准确性。本文主要做了以下几方面的工作:1)首先研究了目前基于L系统建模的思路和方法,通过系统地梳理文献,凝练出近几年来L系统在植物建模领域取得的进展和尚存在的不足,同时对影响L系统规则构建的因素做了分析。2)为了对基础的海量点云数据进行高效操作,提出了一种类八叉树混合点云索引结构。简要阐述了KD树和八叉树的原理,对类八叉树思想和编码方式进行了详细论述,并通过实验进行了验证。3)针对L1骨架提取算法提出一种优化算法,以此来解决由于点云缺失导致的骨架准确性不足和随机采样造成的骨架可重复性较差等问题。首先在类八叉树空间分割的基础上,对局部缺失严重的模型进行自适应点云增强;然后采用基于子空间的最邻近采样算法对增强后的点云进行下采样;最后,依据所得的采样点在增强后的点云中提取骨架。4)为了获得完备的L系统规则,首先利用解析算法对骨架进行解析,将获得的拓扑结构和分支参数存储下来;然后通过规则生成算法将树木的无参产生式与参数相匹配,生成完整的L系统规则。最后,将生成的L系统规则导入到L-studio软件中,通过生成仿真模型和真实树木对比来验证生成规则的有效性。(本文来源于《华北电力大学》期刊2019-03-01）
段红娟[4]（2018）在《点云模型线性骨架提取技术研究进展》一文中研究指出线性骨架在针对模型的几何分析和处理中有着广泛应用。模型的线性骨架与模型的拓扑结构一致,保留了模型的关键形体特征,而且拓扑结构简单,便于控制,所以它作为叁维模型的一种压缩形式,在模型表面重建、叁维模型匹配和检索、叁维动画和医学影像等领域内有着广泛的应用。笔者通过研究和比较国内外的各种点云模型线性骨架提取技术,提出了点云模型的线性骨架提取技术研究的关键,对骨架提取技术的应用和发展前景展开讨论。(本文来源于《信息与电脑(理论版)》期刊2018年23期）
黄彦钊[5]（2018）在《基于点云的骨架特征提取方法研究》一文中研究指出一维曲线骨架能够直观地表示叁维点云的几何结构和拓扑连接性,曲线骨架信息可以用于分析和操纵各种图形数据,它广泛地应用于骨架的匹配和分析、骨架建模、骨架动画和点云修复等领域。然而,叁维点云的骨架特征提取仍然存在着很多问题:扫描获取的原始点云模型由于受到技术与环境的限制往往带有大量噪声和大面积的点云缺失;由于点云模型不包含显式的拓扑连接信息,导致提取点云模型的曲线骨架十分困难;目前主流的点云骨架提取算法需要调试大量的参数来获取精确的骨架,导致算法的实用性降低。为了满足实际需求,需要一种实用面广且有效的叁维点云模型的曲线骨架方法。本文针对扫描点云模型的曲线骨架提取相关技术进行了研究,提出了一种基于距离场引导的的_1L-中值骨架提取方法。该方法首先通过使用逐步细分的方法将叁维点云模型均匀地体素化;其次,使用快速匹配法计算出模型内部体素点的距离场;然后利用距离场,使用多尺度参数控制细化方法提取模型的初始骨架;最后,将初始骨架加入_1L-中值骨架提取算法中,形成基于距离场的_1L-中值骨架提取算法,并快速准确地计算出点云模型的完整骨架。为了验证本研究方法的有效性,分别对不同复杂形状的扫描点云模型,利用本文的方法提取曲线骨架。实验结果表明,该方法不仅能够处理带有大量噪声点、离群点与点云缺失的点云模型,而且对于点数少于四万的点云模型,可以在两分钟内计算出较为准确的一维曲线骨架。同时该方法不会产生错误的骨架连接,也不需要太多的参数。(本文来源于《西北农林科技大学》期刊2018-05-01）
王晓洁[6]（2017）在《叁维点云数据骨架提取问题研究》一文中研究指出由于通过红外线等设备的扫描可以得到物体的坐标信息,所以随着计算机和扫描技术的进步,叁维点云被越来越多的被应用在医学,动画,叁维重建等研究领域。所以叁维点云是目前比较流行的研究领域,而且此类问题也是研究的热点问题之一。骨架是一种可以简单的表达物体特征的简要结构。骨架有两种表现类型:一种是曲线模型,被称为曲线骨架。另一种为中轴面模型。需要应用的领域不同的话,也会拥有不同的需求。因此,就可以利用不同的需求对骨架进行不同的精简,精简完成之后的结构表示成为曲线骨架,因为这种骨架比较简单准确的表示了模型的拓扑信息同事又保留了模型的主要特征,所以这种形式的拓扑是比较常用的结构表示形式。骨架提取问题是比较热门的研究问题,通过对其进行研究,本文提出一种新的鲁棒的骨架提取方法。首先利用一种局部拉普拉斯方法对叁维点云进行收缩,然后对收缩之后的部分点云进行主成分分析,提取局部点云骨架。对已提取骨架的局部点云进行固定,并将无法满足当前PCA半径条件的点云继续执行收缩。迭代执行收缩和局部骨架提取操作,直到所有点云满足给定的终止条件,并得到一个完整的点云骨架。完成上述过程之后的过程就是对初步得到骨架的优化和处理。本文中主要从以下这叁个方面对骨架提取的问题进行改进:(1)本文基于拉普拉斯算子,提出了一种分步局部点云收缩方法,有效的防止局部点云数据过收缩,而其余部分点云数据收缩不够,无法提取其骨架的不均衡现象;(2)基于局部点云收缩的新方法,提出了一种基于动态PCA计算的骨架提取方法,在提取局部点云骨架时,能够动态调整PCA的计算半径,自动计算点云骨架分支,并最终将骨架分支合并起来;(3)优化骨架,对得到的骨架结果进行拓扑分类,并用叁次B样条曲线进行拟合优化。实验结果表明,与其他已有方法相比,本文方法所得到的叁维点云骨架结构质量更高且更加鲁棒。(本文来源于《山东大学》期刊2017-06-30）
晁莹[7]（2017）在《基于区域分割的叁维点云模型骨架提取算法研究》一文中研究指出骨架是概括表示叁维模型的一种抽象化手段,它能有效刻画并表达模型的拓扑结构和形状特征,同时节省模型在计算机上的存储空间,因此骨架提取技术被广泛应用于各领域。但是传统算法仍存在骨架提取结果易产生错位或忽略模型细节特征的问题。本文在计算机辅助文物保护与复原的研究课题基础上,结合叁维点云模型的分割技术,针对点云模型的骨架提取问题展开了一系列的研究,主要工作如下:(1)提出一种基于马尔科夫随机场(Markov Random Filed,MRF)的点云模型分割算法。针对传统分割算法容易产生过分割的问题,该方法将马尔科夫随机场模型应用于点云模型分割,利用点云模型几何特征作为先验信息,根据点云属性和邻域点相关性确定目标函数并求解得到点的最优标号集,完成点云模型的有效分割。实验结果表明,该算法在保留点云模型特征的基础上,提高了分割过程的自适应性和分割结果的准确性。(2)提出一种基于区域分割的点云模型骨架提取算法。针对传统方法在相邻区域较紧密模型中提取骨架结果易跨越区域的问题,该方法在分割后区域相邻处生成连接点,同时在区域内自适应计算初始收敛邻域尺度并提取各区域骨架分支,最后通过连接点将相邻区域骨架分支连接得到完整的骨架。实验结果表明,该方法减少了全局迭代收敛的计算量和迭代次数,同时使用局部稠密度对点云密度加权,降低噪声点的影响程度,保证其拓扑结构正确。除此之外,通过引入连接角的概念并建立新的连接方式,确保提取骨架的完整性。(3)本文算法主要应用于“基于全局优化的破损兵马俑虚拟复原方法研究”项目,针对秦俑点云模型进行骨架提取,得到符合原始模型特征的骨架,以此支撑后续模型的拓扑结构分析以及秦俑文物的形状匹配与识别。(本文来源于《西北大学》期刊2017-06-01）
黄慷明[8]（2017）在《最优质量传输理论在点云骨架提取中的应用研究》一文中研究指出点云骨架提取一直是计算机图形学领域的研究热点。近年来叁维扫描设备的使用越来越广泛,点云模型的应用场景也越来越多。但是点云数据由于数据量庞大等原因不宜保存,同时原始点云因为含有大量噪声也不宜直接使用。骨架作为模型叁维空间的一维表示,可以完整地保存模型的几何特征而受到研究者们的关注。一般来说,设备扫描得到的原始点云数据含有大量噪声和离群点,这些噪声和离群点都会在不同程度上影响骨架的质量,所以如何设计一种鲁棒的点云骨架提取算法一直是一个难题。因此,本文采用最优质量传输方法,提出了一种对噪声和离群点鲁棒的点云骨架提取算法。该算法在保证骨架准确性的同时,还能提高骨架的连续性。本文的主要工作包括:1.提出一种基于最优质量传输理论的点云骨架提取算法。该算法首先对输入源模型进行随机采样,在此基础上给点分配质量构建概率空间,然后根据质量传输的思想建立起描述骨架的函数模型。在优化传输方案的过程中,将采样点收缩到模型的局部中心。最后根据采样点邻域关系构建骨架分支,最终得到近似于理想结构的曲线骨架。2.提出一种骨架优化算法。该算法首先在初步骨架的基础上进行线性插值扩充骨架点,保证骨架可以捕捉到更多细节。然后对骨架点分布进行分析,在原有能量函数上添加了一个正则项,计算了当前骨架点与其相邻骨架点中心的距离之和。经过优化后的骨架不仅分布均匀,还能在保证骨架准确性的同时骨架的连续性。3.通过对不同的点云数据进行骨架提取实验,得到的曲线骨架能够较好地反映源模型的形状及拓扑信息。并且与ROSA算法和L1中值算法的对比,验证了本文算法是有效的。研究结果可以适用于叁维点云的识别、分析和重建等领域。(本文来源于《重庆邮电大学》期刊2017-05-18）
陈天放[9]（2017）在《基于点云的植物骨架提取与建模研究》一文中研究指出骨架作为叁维模型的“紧凑”表示方法,能抽象反映出植物模型的拓扑结构以及体态特征。由于骨架的拓扑结构简单,操作方便,是叁维模型表面重建、检索和匹配的基本要素,因而广泛应用于植物建模、叁维动画设计、医学影像和测绘学图像等领域。现有的骨架提取算法多以人体和物体为初始模型,基于体素数据或网格曲面信息表示叁维模型,而直接针对植物点云数据进行骨架提取方法却很少。由于植物形态结构复杂、自身遮挡比较严重以及常用采集设备的精度限制,采集到的植物初始云数据中存在大量的噪声,且局部数据缺失比较严重,如果采取传统的骨架提取方法,其正确性和完整性难以保证。因此,本文提出了一种基于Kinect的植物点云数据骨架提取的方法,具体内容为:(1)以Kd-tree作为数据结构进行点云的存储和处理,利用拾取技术从叁维植物模型中交互选取所需点云数据,并用不同颜色作初始标记,对采集出的散乱点云进行去噪与配准处理。(2)通过搜索目标点的k近邻建立点云的拓扑关系,采用k均值聚类方法最大限度地保留植物枝干弯曲延伸特征的点云集合,并依据每个目标点与其相邻点的夹角关系生成植物骨架。(3)根据提取的植物骨架重建叁维植物模型,并进行真实感渲染,与传统网格重建方法比较,本文方法避免了边缘失真、枝叶遮挡以及扫描漏洞等方面的问题,并较为真实地还原出植物模型的形态及细节。(4)结合OpenGL设计开发原型系统,实现骨架提取、表面重建及纹理贴图等功能,用户通过交互式界面控制参数,直观、生动地显示实验结果。(本文来源于《江苏大学》期刊2017-04-01）
刘金鹏,张怀清,刘闽,李永亮,李伟娜[10]（2016）在《基于点云骨架的单木分枝参数提取研究》一文中研究指出地面激光扫描技术在获取树木参数的应用中发挥了重要作用,而图形学算法为实现单木结构参数自动提取提供了可行的方法。本文提出一种基于地面激光扫描数据来获取单木分枝结构参数的方法,应用Skel Tre算法对激光扫描仪获取的单木点云数据进行处理得到单木的骨架模型;根据骨架模型邻边的拓扑关系搜索与各个分枝相连接的节点提取分枝结构,计算枝长;在分枝着枝点处以骨架线为轴作横切面,应用凸包算法提取横切面点云外包多边形并计算分枝直径;对枝长和分枝直径的实测值和模型的估计值进行回归分析分别得到二者的对比分析结果,枝长的实测与估计值回归分析结果为Y=1.006X+1.335,显着性值为0.001,分枝直径的回归分析结果为Y=0.923X+0.105,显着性值为0.000。实验结果表明,基于地面激光扫描数据提取骨架模型以获取单木的分枝结构和提取分枝结构参数(如枝长、分枝直径)的方法具有很好的适用性和应用前景。(本文来源于《北京林业大学学报》期刊2016年10期）
点云骨架提取论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文基于ROSA(Rotational Symmetry Axis)和中轴的骨架提取算法,搭建一个半自动的点云模型线性骨架提取实验平台,系统地分析了基于勾画的交互方式进行点云模型骨架提取的实验平台的结构与特点,并阐述了骨架结点位置提取、骨架连接关系提取、骨架编辑等各个功能模块在实验平台中的具体实现和功能,最后对实验平台的开发工作进行了总结。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
点云骨架提取论文参考文献
[1].郝腾宇.基于骨架提取的树木点云叁维重建方法研究[D].西北农林科技大学.2019
[2].段红娟.半自动点云模型线性骨架提取技术[J].现代信息科技.2019
[3].王强.基于叁维点云骨架提取的单木L系统规则构造方法研究[D].华北电力大学.2019
[4].段红娟.点云模型线性骨架提取技术研究进展[J].信息与电脑(理论版).2018
[5].黄彦钊.基于点云的骨架特征提取方法研究[D].西北农林科技大学.2018
[6].王晓洁.叁维点云数据骨架提取问题研究[D].山东大学.2017
[7].晁莹.基于区域分割的叁维点云模型骨架提取算法研究[D].西北大学.2017
[8].黄慷明.最优质量传输理论在点云骨架提取中的应用研究[D].重庆邮电大学.2017
[9].陈天放.基于点云的植物骨架提取与建模研究[D].江苏大学.2017
[10].刘金鹏,张怀清,刘闽,李永亮,李伟娜.基于点云骨架的单木分枝参数提取研究[J].北京林业大学学报.2016