导读:本文包含了点云区域论文开题报告文献综述及选题提纲参考文献，主要关键词:叁维激光扫描仪法,容量计量,地下储油洞库,点云分割
点云区域论文文献综述
谢小芳,万勇,严可馨,张洪军[1]（2019）在《地下洞库叁维激光扫点云区域分割和容积计算》一文中研究指出针对叁维激光扫描法大型地下储油洞库容积测量中点云区域分割和容积计算技术进行研究,提出了人工粗分和计算机辅助精确计算相结合的方法,该方法首先在靠近相贯线高的和低点附近人工选择两个点,然后计算机计算以这两个点为中心的一定鉴别域内N个点的x、y和z坐标的平均值。搜寻得到两区域相贯线相对高点和低点,以过这两点并与主洞室x轴平行的平面切割巷道进行区域分割。采用此方法对某实际双主洞室洞库进行了区域分割并采用体积迭加法和矩形微元法计算了各区域容积,计算生成了各区域容积表以及总容积表,结果比较理想,解决了现有方法相对繁琐的问题。(本文来源于《电子测量与仪器学报》期刊2019年09期）
汤慧,周明全,耿国华[2]（2019）在《基于区域分割的低覆盖点云配准算法》一文中研究指出针对低覆盖点云配准的时间复杂度高、收敛速度缓慢以及对应点匹配易错等问题,提出一种基于区域分割的点云配准算法。首先,利用体积积分不变量计算点云上点的凹凸性,并提取凹凸特征点集;然后,采用基于混合流形谱聚类的分割算法对特征点集进行区域分割,并采用基于奇异值分解(SVD)的迭代最近点(ICP)算法对区域进行配准,从而实现点云的精确配准。实验结果表明,所提算法通过区域分割可以大幅提高点云区域的覆盖率,并且无需迭代即可计算刚体变换的最佳旋转矩阵,其配准精度比已有算法提高了10%以上,配准时间降低了20%以上。因此,所提算法是一种精度高、速度快的低覆盖点云配准算法。(本文来源于《计算机应用》期刊2019年11期）
张刚,刘文彬,张男[3]（2019）在《基于区域特征分割的密集匹配点云渐进形态学滤波》一文中研究指出随着计算机视觉和遥感技术的进步,基于遥感影像的密集匹配也成为目前获取高精度点云的重要手段之一。与LiDAR点云类似,点云数据处理的基础步骤就是点云滤波。在数据特征上,密集匹配生成的点云与LiDAR获取的点云既类似但又有区别。本文在渐进形态学滤波算法上添加了特征条件,将点云和图像结合成深度图像,并对深度图像按典型地物类型进行语义分割,从而对与图像平面坐标一致的点云进行标记和首次滤波;然后按几何特征将场景简单分类,按分类结果对应的参数滤波构建地面点叁角网;最后综合初滤波结果和语义分割类型标记对特征相似的区域进行优化确认,得到最终的滤波结果,并与布料模拟滤波(CSF)算法进行了对比验证实验。结果表明,基于特征的渐进形态学滤波其I类误差在1.98%以内,Ⅱ类误差在2.33%以内,较适宜对精度要求较高的应用,尤其是混合地形的滤波。(本文来源于《地球信息科学学报》期刊2019年04期）
鲍彬,武云涛[4]（2019）在《叁维点云模型区域选择算法设计与实现》一文中研究指出本文提出一种基于射线的拾取算法和一种点云模型区域填充算法,实现了在点云模型上交互地选择区域。本文将算法应用于点云模型实例,实验结果表明提出的算法有效,快速且容易实现。(本文来源于《数字技术与应用》期刊2019年02期）
杨琳,翟瑞芳,阳旭,彭辉,陶莎[5]（2019）在《结合超体素和区域增长的植物器官点云分割》一文中研究指出点云分割是点云识别与建模的基础。为提高点云分割准确率和效率,提出一种结合超体素和区域增长的自适应分割算法。根据叁维点云的空间位置和法向量信息,利用八叉树对点云进行初始分割得到超体素。选取超体素的中心体素组成一个新的重采样后的密度均匀点云,降低原始点云数据处理量,从而减少运算时间。建立重采样后点云数据的K-D树索引,根据其局部特征得到点云簇。最后将聚类结果返回到原始点云空间。分别选取植物叁个物候期的激光扫描点云,对该方法的有效性进行验证。实验结果表明,该方法分割后点云与手工分割平均拟合度达到93.38%,高于其他同类方法,且算法效率得到明显提升。(本文来源于《计算机工程与应用》期刊2019年16期）
王雯,任小玲,陈逍遥[6]（2018）在《一种改进的区域增长彩色3D点云分割算法》一文中研究指出针对目前3D点云分割中广泛应用的区域增长算法,对其进行了改进。首先,对原始3D点云进行了去噪及简化。其次,选取局部邻域内法线间平均夹角最小的点作为种子点,减少了聚类类数,使得分割结果更加稳定。再次,在增长过程中,利用3D点云的彩色信息,将法线夹角和颜色差异小于某设定阈值的点聚为相同的类。最后,优化分割结果,检测过少或过多的聚类点数以避免过分割和欠分割。实验结果表明,和传统算法相比,该方法提高了点云分割速度,解决了点云区域增长不稳定问题,达到了良好的点云分割效果。(本文来源于《国外电子测量技术》期刊2018年11期）
杨铭,张晓丽,霍朗宁,高凌寒[7]（2018）在《森林区域机载LiDAR点云数据的改进八叉树滤波算法研究》一文中研究指出【目的】利用机载LiDAR点云数据能准确获取地物点叁维坐标的特点,本文对森林区域LiDAR数据进行滤波分析,旨在提高点云滤波精度。【方法】基于改进的八叉树模型,将复杂地形分解为大量山坡地形,通过改变节点尺寸,既保留了点云的原始信息,又增强了点云数据分割的准确性。针对森林区域地形起伏不定的实际情况,在滤波算法中引入坡度判断,在一定程度上改善了山坡低矮植被易被错分为地面点的情况。【结果】对于3组不同地形下的点云数据,滤波总错误率分别为4.57%、4.75%和5.83%。这一结果对森林区域不同地形下的点云滤波具有一定的实用性。【结论】本文提出的改进八叉树滤波算法可以充分利用数据结构特征实现快速、高精度的滤波,从而节约时间成本和运行成本,也为后续森林参数的提取奠定基础。(本文来源于《北京林业大学学报》期刊2018年11期）
王晓辉,吴禄慎,陈华伟,胡赟,石雅莹[8]（2018）在《基于区域聚类分割的点云特征线提取》一文中研究指出提出一种非结构化点云特征线提取方法,其过程主要分为区域分割和特征检测两个阶段。在区域分割阶段,引入社会粒子群优化模糊C-均值聚类算法对点云数据进行区域聚类,得到边界清晰的各个分区,便于后续边界特征的提取;在特征检测阶段,对各个分区进行局部径向基函数曲面重构,以获取各个分区内采样点的曲率信息。提出基于平均曲率计算的局部特征权值,并通过局部特征权值和曲率极值法对特征点进行双重检测。并通过建立特征点的最小生成树构建特征曲线。对不同点云模型进行特征线提取实验,结果表明,本文方法既能够提取点云模型中的显着特征和尖锐特征,也能够很好地提取特征强度变化的曲线特征。(本文来源于《光学学报》期刊2018年11期）
周建钊,杜文超,颜雨吉,何晓辉,代菊英[9]（2018）在《基于区域划分的点云全局配准研究》一文中研究指出在分析了基于穷举思想进行全局配准的常用方法的基础上,阐明了现有方法在两点云低重迭比例情况时配准的局限性,提出了基于区域划分的超级四点全等集算法用于点云全局配准的方法,通过实验分别定性、定量地对比了本算法与四点全等集算法在不同点云数目以及不同重迭比例下的配准效果,验证了本算法在低重迭比例情况下的优越性。本算法对于几何特征不明显且重迭比例较低的点云具有较好的配准效果,对提高点云全局配准的精度及效率具有重要的意义。(本文来源于《信息技术与网络安全》期刊2018年11期）
刘冠洲,张元生,张达[10]（2018）在《基于叁维激光点云数据的采空区形变区域识别算法》一文中研究指出利用采空区叁维激光扫描点云数据,记录采空区在不同时段的点云形态,提出了采空区形变区域识别算法,利用八叉树构造目标点云和参照点云的拓扑关系,对照分析叶子结点的云形变系数,提取形变系数较大的叶子结点作为形变区域,通过对形变区域点云整体去噪和叁维重建,获取采空区形变区域形态并估算形变区域容积。实验表明该算法对采空区潜在危害性评价和确定采空区处治对策具有关键性作用。(本文来源于《中国计量协会冶金分会2018年会论文集》期刊2018-11-01）
点云区域论文开题报告
（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：
针对低覆盖点云配准的时间复杂度高、收敛速度缓慢以及对应点匹配易错等问题,提出一种基于区域分割的点云配准算法。首先,利用体积积分不变量计算点云上点的凹凸性,并提取凹凸特征点集;然后,采用基于混合流形谱聚类的分割算法对特征点集进行区域分割,并采用基于奇异值分解(SVD)的迭代最近点(ICP)算法对区域进行配准,从而实现点云的精确配准。实验结果表明,所提算法通过区域分割可以大幅提高点云区域的覆盖率,并且无需迭代即可计算刚体变换的最佳旋转矩阵,其配准精度比已有算法提高了10%以上,配准时间降低了20%以上。因此,所提算法是一种精度高、速度快的低覆盖点云配准算法。
（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。
点云区域论文参考文献
[1].谢小芳,万勇,严可馨,张洪军.地下洞库叁维激光扫点云区域分割和容积计算[J].电子测量与仪器学报.2019
[2].汤慧,周明全,耿国华.基于区域分割的低覆盖点云配准算法[J].计算机应用.2019
[3].张刚,刘文彬,张男.基于区域特征分割的密集匹配点云渐进形态学滤波[J].地球信息科学学报.2019
[4].鲍彬,武云涛.叁维点云模型区域选择算法设计与实现[J].数字技术与应用.2019
[5].杨琳,翟瑞芳,阳旭,彭辉,陶莎.结合超体素和区域增长的植物器官点云分割[J].计算机工程与应用.2019
[6].王雯,任小玲,陈逍遥.一种改进的区域增长彩色3D点云分割算法[J].国外电子测量技术.2018
[7].杨铭,张晓丽,霍朗宁,高凌寒.森林区域机载LiDAR点云数据的改进八叉树滤波算法研究[J].北京林业大学学报.2018
[8].王晓辉,吴禄慎,陈华伟,胡赟,石雅莹.基于区域聚类分割的点云特征线提取[J].光学学报.2018
[9].周建钊,杜文超,颜雨吉,何晓辉,代菊英.基于区域划分的点云全局配准研究[J].信息技术与网络安全.2018
[10].刘冠洲,张元生,张达.基于叁维激光点云数据的采空区形变区域识别算法[C].中国计量协会冶金分会2018年会论文集.2018