

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、三維點云數據具有獲取速度快、實時性強、點位精度高、全數字特征等特點,是三維空間信息一種重要的數據來源。但是,由于點云的數據量巨大、離散性差、邊緣點精度低以及含有噪聲等諸多問題,使得目前點云數據處理尤其是點云分割很大程度上依賴于人工輔助,并且其分割結果的精度也會受到人為因素的影響。
傳統(tǒng)的點云分割算法存在的不足,主要表現在三個方面:一是算法無法滿足大場景三維點云分割的需求;二是自動化程度較低,多為人工輔助或者人工輔助的半自動化分
2、割;三是算法只能夠實現部分規(guī)則物體的分割與提取,對曲面的分割提取較少。本文從建筑物結構的自身特點出發(fā),通過點云粗分割與細分割兩個部分對室內SLAM(Simultaneous Localization And Mapping,同步定位與制圖)點云實現精細化分割。
研究工作和內容具體包括以下幾點:
(1)室內SLAM點云數據的預處理
針對室內SLAM點云數據的數據量大,離散性強且包含噪聲等因素。在對點云數據進行
3、處理前,需要對其進行預處理操作。本文基于KD樹先對三維點云數據構建空間數據索引,提高三維點云鄰域搜索效率。通過對點云進行簡化處理,減少點云的數據量。最后采取稀疏離群點移除的方法去除點云離散點,降低點云噪聲。
(2)三維點云數據的聚類分割
為提高聚類分割算法的效率和自動化程度,本文以FDBSCAN算法為基礎,通過改進代表點的選取方式,來提高FDBSCAN算法效率。同時,結合鄰域半徑£參數的自動化估計算法以及簇類合并算法
4、,實現對室內SLAM點云的快速自動化分割。
(3)點云數據的精細化分割
本文先采用基于顏色的區(qū)域生長分割算法對粗分割過程中在同一聚類中的不同物體進行分割;再通過全景影像分割獲取室內點云的幾何結構信息,并對相應的點云數據進行標記,通過點云匹配將該幾何結構信息標記到待分割點云數據中;最后根據標記的幾何結構信息設定RANSAC算法模型,從而實現對待分割點云數據的精細化分割。
(4)實驗驗證與分析
最后以
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于建筑物的著色點云平面區(qū)域分割研究.pdf
- 機載LIDAR點云數據濾波及建筑物點群分割研究.pdf
- 車載LiDAR點云的建筑物立面信息快速自動提取.pdf
- 影像特征線輔助下的三維激光點云建筑物建模.pdf
- 基于LiDAR點云數據的建筑物邊緣提取.pdf
- 大規(guī)模建筑物點云的重建算法研究.pdf
- 基于航空LIDAR點云數據的建筑物提取研究.pdf
- 激光點云下的建筑物重建技術研究.pdf
- 基于機載LIDAR點云數據的建筑物邊緣提取.pdf
- 建筑物棱角掃描點云特征填補方法研究.pdf
- 樹木遮擋下的機載Lidar點云建筑物輪廓提取.pdf
- 利用機載LiDAR點云提取損毀建筑物的方法研究.pdf
- 基于車載LiDAR點云的建筑物三維建模.pdf
- 散亂點云重建室內建筑結構的研究.pdf
- 不同視角下建筑物LiDAR點云配準技術的研究.pdf
- 基于LiDAR點云與CCD影像的建筑物特征提取.pdf
- 基于幾何特征的規(guī)則激光點云分割方法研究.pdf
- 基于激光點云數據的建筑物三維模型重建研究.pdf
- 利用航空影像和LiDAR點云進行建筑物重建的方法研究.pdf
- 機載LiDAR點云數據濾波及建筑物提取技術研究.pdf
評論
0/150
提交評論