导读:本文包含了轮廓点云论文开题报告文献综述及选题提纲参考文献，主要关键词:机载LiDAR,点云滤波,建筑提取,屋顶轮廓线提取
轮廓点云论文文献综述
霍芃芃,侯妙乐,杨溯,侯庆明,周庆[1]（2019）在《机载LiDAR点云建筑物屋顶轮廓线自动提取研究综述》一文中研究指出建筑物作为城市中最主要的人工地物,其叁维模型是智慧地球建设的重要数据支撑,实现精准自动化叁维重建至关重要。机载激光雷达(Light Detection and Ranging, LiDAR)技术因具有环境约束小、操作成本低、采集速度快、数据精度高、可全天候获取地物空间信息等优势,已成为自动提取建筑屋顶轮廓线辅助建筑叁维重建的主要数据源。首先对建筑屋顶轮廓线提取技术的发展历程进行简要回顾,再根据以往研究内容总结出一套较为通用的技术流程;该技术流程4个关键步骤为点云滤波、建筑物提取、屋顶轮廓线提取和轮廓线规则化;对每一步骤的实现方法、常用算法、发展现状以及面临问题进行详细阐述和对比分析。最后,对本技术面临的挑战和未来发展趋势进行讨论。(本文来源于《地理信息世界》期刊2019年05期）
樊晶晶,马骊群,孙安斌,王一璋[2]（2019）在《模式向量法提取点云数据线轮廓点》一文中研究指出本文以表面连续的折线型边缘和小圆弧屋脊型边缘为研究对象,提出了一种基于扫描点云数据的线轮廓提取方法。该方法通过构造万向切片从点云数据中提取包含线轮廓点的截面数据,根据截面数据上线轮廓点两侧的分布形式,定义了基于法向夹角分布规律的模式向量,将截面数据的相邻点法向夹角序列进行等元素划分,计算各组与模式向量的欧氏距离,在欧氏距离最小的组内提取线轮廓点。为验证方法的准确度,分别对直线型折线轮廓、弯曲折线轮廓和4个圆形屋脊轮廓进行试验,并将提取的线轮廓点进行最小二乘拟合,以线轮廓点相对拟合曲线的偏差评价方法的准确度。提取的直线轮廓点和曲线轮廓点的拟合标准偏差分别为0.076mm和0.047mm;4个圆形轮廓点的拟合标准偏差不大于0.1mm,圆半径相对叁坐标测量结果的偏差不大于0.1mm。模式向量法适用于提取折线型边缘和小圆弧屋脊型边缘上的轮廓点数据,具有计算简单,适用性强的特点。当扫描仪准确度优于0.03mm时,模式向量法的准确度在0.1mm的量级。(本文来源于《光学精密工程》期刊2019年07期）
付敬帅,李斌[3]（2019）在《基于点云截面数据点的多轮廓排序算法》一文中研究指出针对使用切片技术提取的点云截面数据点的多轮廓排序问题,提出了一种简便有效的算法.该算法分为两步,首先通过最近邻域搜索,根据距离阈值依次生成各个轮廓的闭合多边形,完成多轮廓截面数据点的粗排序和轮廓分离,然后将剩余数据点依照最小夹角原则插入到相应的轮廓闭合多边形中,达成截面数据点的精确排序.实验证明,该算法可对逆向工程中各种复杂的截面数据点实现精确排序和轮廓分离,将无序数据点转化为有序数据点,排序结果稳定、准确.(本文来源于《河南科学》期刊2019年06期）
甄宗坤,蔡东健[4]（2019）在《基于面片裁切技术的点云轮廓线生成算法》一文中研究指出随着点云在各个领域的广泛应用,对点云处理相关技术的研究更为活跃。目前,研究的热点主要集中在点云去噪、配准、分割、增强、特征提取和重建等方面。其中,特征提取起着承前启后的作用,具有十分重要的研究价值。基于面片裁切技术的点云轮廓线生成算法。首先,对点云数据进行面片提取,通过面片生长、融合生成特征面片,并根据提出的面片双向索引法快速构造特征线,最终实现点云平面轮廓线的生成。实验证明,本算法可快速、准确、有效地实现点云轮廓线的生成。(本文来源于《测绘与空间地理信息》期刊2019年04期）
王果,刘绍堂,陈超,张迪[5]（2019）在《基于激光点云的建筑物立面轮廓提取》一文中研究指出提出一种基于叁维激光点云数据的建筑物立面轮廓提取方法。在数据预处理的基础上,采用考虑局部点云密度的自适应建筑物立面分割方法进行建筑物立面点云分割,并将分割后的建筑物立面进行重心化和坐标转换,利用轮廓提取算法进行建筑物立面轮廓提取。分别采用模拟和实测点云数据进行实验,结果表明,该方法能够有效提取建筑物立面轮廓。(本文来源于《激光与光电子学进展》期刊2019年18期）
赵琦,解琳琳,侯妙乐,刘浩宇[6]（2018）在《基于点云数据的雀替轮廓线参数信息自动化提取方法》一文中研究指出近年来,古建筑遗产的科学保护与发展成为了热点和难点问题。雀替作为中国古代建筑中最常见的大木构件,具有重要的结构功能和艺术价值,其形态相对特殊但具有一定的规律性。针对外轮廓具有明显分段曲线特征的蝉肚形雀替,发展完善了一套基于点云数据的雀替外轮廓线参数信息自动化提取方法,可服务于雀替信息的数字化留取。该方法由点云切片算法、几何特征点识别算法和曲线拟合算法组成,通过对3个典型雀替的数字化信息提取,建议了该方法的关键参数取值,其中关键参数窗口边长可取为构件长度的1/55,曲线拟合点个数可取为3。基于该方法可准确高效地提取雀替外轮廓线参数信息,为古建筑中的雀替保护提供了重要参考。(本文来源于《地理信息世界》期刊2018年05期）
郑书富,李渭,刘莉[7]（2018）在《基于超体素聚类的叁维点云轮廓特征提取》一文中研究指出叁维点云的轮廓结构作为大规模叁维场景的一种表征信息,能够保留其主要信息且大幅度压缩数据量,因此,对于大规模叁维场景的表达具有重要意义.本文提出一种基于超体素聚类分析的大规模叁维点云轮廓特征提取算法.首先,对叁维点云进行超体素聚类分析,生成分割块;其次,结合超体素块的法向量,利用α-shape提取每个叁维超体素块的边缘点;最后,利用相互最近邻法剔除相邻且共面超体素块间的边缘点,保留相邻但不共面超体素块间的边缘点并结合无邻接的超体素块边缘点,即轮廓边缘点.实验表明,本文所提算法实现了叁维轮廓特征的提取,且在保留主要轮廓信息的同时大幅度压缩了点云的数据量.(本文来源于《兰州文理学院学报(自然科学版)》期刊2018年03期）
刘学思[8]（2018）在《基于激光点云的建筑物轮廓自动提取系统实现及应用》一文中研究指出随着社会的发展、城市的进步,数字城市的概念已深入大众。在数字城市的建设过程中不可避免需要建立建筑物的叁维模型,如何更加逼真、形象的完成建模,这必然需要高效、准确地提取建筑物的轮廓信息。而叁维激光扫描测量技术由于具有快速获取建筑物大量点云数据等特点,已成为获取建筑物轮廓信息的重要手段。本文主要是对地面叁维激光扫描仪获取的点云数据进行轮廓提取研究。首先,叙述了地面叁维激光扫描仪的相关技术基础以及其扫描作业的基本流程,同时也对点云数据的预处理进行了相关介绍。并在此基础上,利用Riegl VZ-400完成本文所需数据的采集,并完成了点云数据的预处理工作,以便为后续工作提供数据支持。随后,对点云轮廓提取的关键技术进行学习研究,主要是点云分割算法、轮廓提取算法以及轮廓简化与规则化算法。点云分割主要包含区域增长分割、欧式距离聚类分割以及基于RANSAC算法分割;轮廓提取主要包含凸包算法、Delaunay叁角网法、基于邻居点几何特征算法以及Alpha-Shapes算法;轮廓简化与规则化主要是矩形外接圆法。针对前两类算法给出了各自算法的基本原理及编程实现伪代码,并利用实验对比分析各自优缺点,对于轮廓简化与规则化算法主要是介绍窗体规则化过程。最后,利用自主研发的地面叁维激光建筑物点云轮廓提取软件完成一套完整的建筑物轮廓提取实验,并针对提取结果进行内外符合精度分析和软件的可用性分析。(本文来源于《武汉大学》期刊2018-05-01）
吕城腾,王靖雯[9]（2018）在《根据断面轮廓线修复隧道点云孔洞的方法》一文中研究指出为了修复采集点云的数据缺失,设计一种根据隧道断面轮廓闭合矢量线修复点云孔洞的方法,利用Microsoft Visual Studio 2010设计实现隧道轮廓线提取系统,并借助OpenGL实现结果的可视化。(本文来源于《地理空间信息》期刊2018年02期）
冯茂林[10]（2017）在《树木遮挡下的机载Lidar点云建筑物轮廓提取》一文中研究指出建筑物是城市重要的组成,是"数字城市"不可缺少的组成部分。从机载Lidar(Light Detection And Ranging)点云中提取建筑物是城市建模的关键问题之一,而建筑物的轮廓则是表达建筑物的关键信息。目前建筑物轮廓提取的研究大都是针对完整的建筑物点云。针对由于相邻高大树木等对建筑物的遮挡,使得建筑物点云存在部分缺失,建筑物轮廓不完整的情况,目前还没有有效的轮廓提取方法。本文针对建筑物被遮挡的情况下准确提取建筑物轮廓开展两方面研究:1)滤波,将原始Lidar点云中,地面点和非地面点分开;2)建筑物轮廓提取,从非地面点云中提取建筑物点,并提取建筑物轮廓。首先在现有的偏度平衡滤波(SKF)算法的基础上,利用局部拟合高差代替点的高程,提出基于高差的偏度平衡滤波(SKF-HD)算法。该算法保持了对高大地物提取效果的同时,提高了低矮地物的提取效果,且显着提高了地形起伏区域的适应性。叁组不同地形、不同区域的实验结果表明该算法能够更好的提取低矮地物、适用于不同程度的起伏地形。与偏度平衡滤波算法相比较,提出的算法在平坦区域、地形起伏较小区域和地形显着起伏区域的总体精度分别增大4.8%、5.1%和13.3%。在不同地形条件下,尤其是在地形显着起伏区域,新算法的滤波精度得到了明显的提高。然后改进MBR算法,针对被遮挡的规则多边形建筑物提出多级最小外接矩形(MMBR)算法,准确的提取建筑物的轮廓。该方法不仅可以准确得到建筑物没有遮挡部位的轮廓的同时还能得到准确的被遮挡部位的轮廓。叁组不同遮挡情况、不同形状的实验区域的实验结果表明该算法能够准确的得到被遮挡区域的建筑物轮廓。与直角约束的迭代最小二乘(HLSPC)算法相比较,提出的算法在规则矩形建筑物、L型复杂多边形建筑物和复杂多边形建筑物中都能准确的提取建筑物轮廓,且Vd值分别减小31.8%、14.3%和12.5%。在不同遮挡情况下,MMBR算法的精度都较高。(本文来源于《西南交通大学》期刊2017-05-01）
轮廓点云论文开题报告
（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：
本文以表面连续的折线型边缘和小圆弧屋脊型边缘为研究对象,提出了一种基于扫描点云数据的线轮廓提取方法。该方法通过构造万向切片从点云数据中提取包含线轮廓点的截面数据,根据截面数据上线轮廓点两侧的分布形式,定义了基于法向夹角分布规律的模式向量,将截面数据的相邻点法向夹角序列进行等元素划分,计算各组与模式向量的欧氏距离,在欧氏距离最小的组内提取线轮廓点。为验证方法的准确度,分别对直线型折线轮廓、弯曲折线轮廓和4个圆形屋脊轮廓进行试验,并将提取的线轮廓点进行最小二乘拟合,以线轮廓点相对拟合曲线的偏差评价方法的准确度。提取的直线轮廓点和曲线轮廓点的拟合标准偏差分别为0.076mm和0.047mm;4个圆形轮廓点的拟合标准偏差不大于0.1mm,圆半径相对叁坐标测量结果的偏差不大于0.1mm。模式向量法适用于提取折线型边缘和小圆弧屋脊型边缘上的轮廓点数据,具有计算简单,适用性强的特点。当扫描仪准确度优于0.03mm时,模式向量法的准确度在0.1mm的量级。
（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。
轮廓点云论文参考文献
[1].霍芃芃,侯妙乐,杨溯,侯庆明,周庆.机载LiDAR点云建筑物屋顶轮廓线自动提取研究综述[J].地理信息世界.2019
[2].樊晶晶,马骊群,孙安斌,王一璋.模式向量法提取点云数据线轮廓点[J].光学精密工程.2019
[3].付敬帅,李斌.基于点云截面数据点的多轮廓排序算法[J].河南科学.2019
[4].甄宗坤,蔡东健.基于面片裁切技术的点云轮廓线生成算法[J].测绘与空间地理信息.2019
[5].王果,刘绍堂,陈超,张迪.基于激光点云的建筑物立面轮廓提取[J].激光与光电子学进展.2019
[6].赵琦,解琳琳,侯妙乐,刘浩宇.基于点云数据的雀替轮廓线参数信息自动化提取方法[J].地理信息世界.2018
[7].郑书富,李渭,刘莉.基于超体素聚类的叁维点云轮廓特征提取[J].兰州文理学院学报(自然科学版).2018
[8].刘学思.基于激光点云的建筑物轮廓自动提取系统实现及应用[D].武汉大学.2018
[9].吕城腾,王靖雯.根据断面轮廓线修复隧道点云孔洞的方法[J].地理空间信息.2018
[10].冯茂林.树木遮挡下的机载Lidar点云建筑物轮廓提取[D].西南交通大学.2017