导读:本文包含了点云获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:叁维测量,逆向工程,点云数据
点云获取论文文献综述
王玲玲[1]（2019）在《飞机异形件叁维点云数据的获取及逆向建模技术研究》一文中研究指出逆向工程技术是快速开发新产品的重要方法之一。以飞机操控产品的需求为依托,以某机型杆头为例,研究了利用叁维激光扫描仪获取点云数据的方法,并详细介绍了扫描过程中的关键点和注意事项。探讨通过专门的逆向软件Geomagic Studio、Geomagic DX及叁维建模软件进行重构的方法。将飞机杆头的点云数据处理成叁维数据模型,得到杆头高精度的数字模型。大大节省了新产品研发的周期,在结构允许的条件下进行创新、改进,加快研发进度。(本文来源于《2019中国铸造活动周论文集》期刊2019-10-28）
廖娟,汪鹞,尹俊楠,刘路,张顺[2]（2019）在《基于双目视觉的作物点云获取与分割定位方法》一文中研究指出为了提高农业视觉导航系统对作物定位的精确性,提出了一种基于双目视觉的作物点云获取与分割定位方法。该方法采用ZED双目相机采集作物左右视图,通过视差原理获取作物的3D点云数据,利用点云离散程度和体素化网格方法对初始点云数据的离散点和冗余数据进行去除,然后在预处理后的点云图中利用基于点云法线角度差的区域生长分割出每株作物的点云簇,用每个点云簇中所有点的平均坐标值作为该株作物的叁维坐标,结合视觉系统坐标系,计算出作物与相机的水平距离以及水平偏角,从而实现作物定位。试验结果表明,该方法测得的作物平均距离误差为1.89%,平均角度误差为2.17%,该算法可以对作物进行准确定位,为基于双目视觉导航的路径规划提供可靠的定位信息。(本文来源于《江苏农业学报》期刊2019年04期）
史云鹏[3]（2019）在《复杂零件点云数据获取方法对比研究》一文中研究指出本文主要针对叁维激光扫描仪的选取以及点云数据的获取进行研究,针对数据获取的方法进行比较分析,并且对变速箱壳体进行了叁维激光检测实验对比研究,最后得出手持式扫描仪器更适合于复杂零件点云数据的采集。(本文来源于《内燃机与配件》期刊2019年11期）
阳旭[4]（2019）在《基于多时相点云数据的作物表型参数获取及动态量化方法研究》一文中研究指出植物物种的基因组测序揭示了其遗传信息,而植物的表型研究揭示了基因组和环境的相互作用对植物性状的影响。建立基因与植物性状关系过程中表型分析和基因型分析同样重要。植物特征能够通过相关表型分析来确定,然而当前许多植物表型研究需要大量的人工参与,并且只在植株某个特定生长阶段开展而无法实现植物连续生长变化的研究,分析流程及结果评估存在不足。同时,为了应对快速增长的世界人口和全球环境变化带来的挑战,需要通过基因和表型分析来选育更适应有限的资源环境和土壤条件的作物品种,来提高作物的产量和质量。因此,实现作物表型参数高效、准确、无损的测量和对作物持续生长变化及表型参数动态量化研究是作物表型研究和育种中亟待解决的问题,也是作物表型组学研究和现代农业发展的趋势。随着农作物表型组学和表型技术的发展,叁维激光扫描技术也逐渐引起了高通量表型测量研究人员的关注与兴趣。因此,本文以油菜和棉花为研究对象,采用叁维激光扫描技术获取油菜和棉花植株的多时相点云数据,实现作物植株主干提取、叶片分割及相关表型参数测量,完成作物相邻时期点云数据对齐、叶片器官对应关系建立及表型参数动态量化。本文所开展的研究内容包括:(1)点云数据采集:比较基于多幅影像重建和叁维激光扫描技术采集的油菜点云,在后期研究中采用叁维激光扫描技术获取油菜和棉花植株的多时相原始点云数据并对点云数据进行预处理;(2)作物器官分割:(1)主干提取,蕾薹期油菜和棉花植株主干趋于笔直,故采用RANSAC算法结合直线模型实现作物植株主干提取;(2)叶片分割,苗期油菜未长出主干,植株呈莲座状,使用基于凹凸性的方法对苗期油菜点云进行叶片分割,对蕾薹期油菜和棉花植株主干提取后的点云使用欧式聚类算法完成叶片聚类;(3)多时相点云数据对齐及叶片对应关系建立:使用采样一致性初始配准算法完成同一株作物相邻时期点云对齐,在对齐基础上建立了相邻时期作物叶片器官的对应关系;(4)表型参数量化包括:(1)株高,根据点云计算的株高与人工测量结果相对误差均不超过2.5%;(2)叶片数目,作物叶片分割后统计叶片数量与人工统计的叶片数量一致;(3)叶片长度和宽度,点云计算的作物叶片长度、宽度与人工测量的叶片长度和宽度相关性较高,相关性均超过0.99;(4)叶片面积,对封装的叶片计算叁角网格面积之和即可得到叶片的面积;(5)植株体积,对每个时期的植株点云,从植株顶部对植株进行正投影并计算投影面积,结合株高完成植株体积测量。将作物相邻时期的表型参数进行对比实现作物表型参数动态变化量化。经过一系列试验证明,针对获取的作物多时相点云数据,利用本文中的相关算法可以无损、准确的提取作物表型参数并实现作物表型参数的动态量化,从而为油菜、棉花等作物表型组学研究提供方法及精度更高规模更大的数据支持,同时指导实际的作物生产。(本文来源于《华中农业大学》期刊2019-06-01）
吴端松[5]（2019）在《LIDAR点云的获取及分类方法浅析》一文中研究指出Lidar能够实时快速的获取高精度的叁维地面信息;Lidar产品能方便的与多种实用程序软件接口直接连接,如CAD、叁维动画软件等等。这些优势使得Lidar得到了越来越广泛的应用。机载激光雷达(Light Detection And Ranging,简称LiDAR)量测技术是应用机载激光雷达系统进行叁维空间测量,得到密集的地面物体的叁维坐标点云数据,再通过相关软件处理后,获得DEM、等高线图、正射影像图及叁维建筑物模型。由于Li DAR系统本身包含激光、全球定位系统(GPS)和惯性导航系统(INS)叁种技术,并与数字航摄仪相结合,而且激光脉冲不受阴影和太阳角度影响,其高程数据精度不受航高限制,因此经过专用软件处理,可在空中完成地面高程模型DEM及数字正射影像图DOM的大规模生产,大大提高航测成图的作业生产效率,减少生产环节,缩短生产周期,提高成图精度。由于比常规摄影测量更具优越性,近些年得到了迅速发展。(本文来源于《地球》期刊2019年04期）
杨辉山,雷丽珍[6]（2019）在《机载LiDAR点云获取与高精度DEM建设关键技术探讨》一文中研究指出结合广东省机载LiDAR点云获取与高精度DEM建设项目,介绍了项目总体技术路线,针对项目难点,从设备选择、点云密度设计、植被覆盖密集山区数据获取方法、点云数据分类组合算法、空白区处理等5个方面的关键技术进行了探讨,并提出解决方案,为同类项目的设计与实施提供参考。(本文来源于《测绘通报》期刊2019年03期）
李锦慧,吴烽云,邹湘军,司徒伟明,陈明猷[7]（2019）在《基于双目视觉的目标完整点云获取方法》一文中研究指出快速获取复杂形状目标的完整叁维点云,重构目标的叁维模型是目前智能检测和机器人识别与定位的关键技术和难点。基于立体视觉,提出一种图像预处理和优化半全局立体匹配过程的方法。该方法设计了图像预处理算法,与半全局立体匹配和点云配准算法配合使用,获取复杂形状目标完整的叁维点云。搭建了硬件实验平台和旋转工作台,获取多角度下目标的左右图像对,在此平台上开发了一套基于双目视觉的点云获取系统,并以复杂形状的齿轮为实验对象对该系统进行测试。测试结果表明,该方法生成的物体叁维点云效果良好,为目标叁维重构提供方法和理论,实用性较强,并且系统运行速度快,算法处理过程可行。(本文来源于《现代电子技术》期刊2019年04期）
陈智,魏艳红,刘仁培,沈泳华[8]（2018）在《基于PTS光栅扫描仪的模具点云获取工艺研究》一文中研究指出模具增材再制造过程中,所得的点云结果常常出现碎片、空洞、噪点以及拼接精度较低等问题,不能满足后期实施增材再制造。从扫描角度、喷涂层数和光强3个方面对优质模具点云的获取作了研究。分别设计4种不同角度、6组喷涂层数以及4组光强的试验,比较相应的标记点识别、对比点云图的完整性以及拼接精度。结果表明,在该试验条件下,平面扫描角度0°、侧面扫描角度58. 1°、喷涂层数7层以及灰度值150所得到的点云拼接精度高,且扫描出的点云噪点较少,点云的完整性良好。(本文来源于《机械制造文摘(焊接分册)》期刊2018年06期）
李敏勇,戴佳权,石云南,何原荣[9]（2018）在《点云数据在室内场景信息获取与装潢设计中的应用》一文中研究指出以位于厦门市新城际广场商品房为研究对象,提出基于高精度、高速率的叁维激光点云数据的室内场景叁维信息研究.通过叁维激光扫描,对采集的点云数据进行拼接、去噪等预处理,并基于点云数据运用算法,精确提取砖块和管道信息,绘制室内的几何平面图、二维线划图,实现室内信息数据的有效获取及分析.应用结果表明,叁维激光扫描技术对室内叁维数据的提取及场景设计效率高,大大降低了数据采集的时间成本和人工成本,提高了生成实践效率.(本文来源于《湖南工程学院学报(自然科学版)》期刊2018年04期）
马娟,龙根,赵文亮,孙晓莉,陈国平[10]（2018）在《利用地面固定站获取的建筑物激光点云去噪方法》一文中研究指出分析了地面固定站获取的建筑物激光点云特点,提出了建筑物激光点云噪声的3种形态,并针对不同形态噪声数据,采用可视化人工交互方式和利用点云模型的双边滤波算法构造双边滤波器进行综合处理。实验证明,该方法可以有效去除建筑物外立面点云噪声数据。(本文来源于《昆明冶金高等专科学校学报》期刊2018年05期）
点云获取论文开题报告
（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：
为了提高农业视觉导航系统对作物定位的精确性,提出了一种基于双目视觉的作物点云获取与分割定位方法。该方法采用ZED双目相机采集作物左右视图,通过视差原理获取作物的3D点云数据,利用点云离散程度和体素化网格方法对初始点云数据的离散点和冗余数据进行去除,然后在预处理后的点云图中利用基于点云法线角度差的区域生长分割出每株作物的点云簇,用每个点云簇中所有点的平均坐标值作为该株作物的叁维坐标,结合视觉系统坐标系,计算出作物与相机的水平距离以及水平偏角,从而实现作物定位。试验结果表明,该方法测得的作物平均距离误差为1.89%,平均角度误差为2.17%,该算法可以对作物进行准确定位,为基于双目视觉导航的路径规划提供可靠的定位信息。
（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。
点云获取论文参考文献
[1].王玲玲.飞机异形件叁维点云数据的获取及逆向建模技术研究[C].2019中国铸造活动周论文集.2019
[2].廖娟,汪鹞,尹俊楠,刘路,张顺.基于双目视觉的作物点云获取与分割定位方法[J].江苏农业学报.2019
[3].史云鹏.复杂零件点云数据获取方法对比研究[J].内燃机与配件.2019
[4].阳旭.基于多时相点云数据的作物表型参数获取及动态量化方法研究[D].华中农业大学.2019
[5].吴端松.LIDAR点云的获取及分类方法浅析[J].地球.2019
[6].杨辉山,雷丽珍.机载LiDAR点云获取与高精度DEM建设关键技术探讨[J].测绘通报.2019
[7].李锦慧,吴烽云,邹湘军,司徒伟明,陈明猷.基于双目视觉的目标完整点云获取方法[J].现代电子技术.2019
[8].陈智,魏艳红,刘仁培,沈泳华.基于PTS光栅扫描仪的模具点云获取工艺研究[J].机械制造文摘(焊接分册).2018
[9].李敏勇,戴佳权,石云南,何原荣.点云数据在室内场景信息获取与装潢设计中的应用[J].湖南工程学院学报(自然科学版).2018
[10].马娟,龙根,赵文亮,孙晓莉,陈国平.利用地面固定站获取的建筑物激光点云去噪方法[J].昆明冶金高等专科学校学报.2018