导读:本文包含了分层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:LiDAR点云,城市,叁维绿量,不规则叁角网
分层点云论文文献综述
陈小祥,李嘉诚,徐雅莉[1]（2018）在《基于LiDAR点云数据的城市叁维绿量分层测算方法研究》一文中研究指出叁维绿量已成为测度城市绿化水平的重要指标。为有效实现其在城市范围内的应用,文中基于LiDAR点云数据与高分辨率遥感影像数据,将"分隔带"法与边缘特征点提取算法相结合,提出一种分层叁维绿量测算方法。首先,对LiDAR点云数据与遥感影像数据预处理,包括拼接、匹配、点云去噪及压缩等,提取城市绿化区点云数据;然后,通过"分隔带"法识别不同类别植被分布区,将植被在林层尺度下分割;其次,采用冠体边缘特征点提取算法,快速构建冠体外廓;最后,应用不规则叁角网TIN,对绿化植被分层建模并计算。为验证文中测算结果,选取15个随机点建立样方进行实测,经检验表明所得精度较高,能够满足城市范围内叁维绿量测算的需求。(本文来源于《测绘工程》期刊2018年09期）
郑立婷,桂进斌,刘超[2]（2018）在《基于WRP点云叁维物体的优化分层研究》一文中研究指出空间曲面光源的衍射计算研究中,将曲面光源转换为平面光源的集合是一种较为流行的算法。基于波前记录(WRP)方法,计算出叁维物体点与WRP虚拟平面有效距离关系,并通过对不同叁维物体进行WRP分层计算,得出叁维物体WRP分层计算的最优化分层数。模拟及光电再现实验结果表明,该方法在一定程度上能够加快计算全息图生成速度,并且重建像质量较高。(本文来源于《新技术新工艺》期刊2018年05期）
裴书玉,杜宁,王莉,张春亢[3]（2018）在《基于自适应分层的文物点云数据压缩算法》一文中研究指出叁维激光扫描点云为文物模型重建提供了新的数据支持,但扫描所得海量点云包含大量冗余数据,给建模带来很大不便。针对扫描点云过密、冗余数据较多的问题,提出了一种基于自适应分层的文物点云数据压缩算法。算法的基本思想是:首先通过基于倒角距离变换的自适应分层方法对原始点云进行自适应分层;然后使用弦高差值作为特征点的判别依据来删除冗余数据,采用改进的弦高差法对每层点云进行压缩,保留对模型特征贡献较大的特征点。实验结果表明,通过形状误差控制分层厚度,能在平缓部位减少层数以提高效率的同时不至于使复杂部位因分层过厚而损失重要特征,改进的弦高差法在保留大曲率特征的同时不至于使平缓部位出现孔洞,从而保证了模型重建的精度。(本文来源于《计算机应用研究》期刊2018年11期）
解则晓,刘静晓,潘成成,张梦泽[4]（2016）在《一种散乱分层点云的有序化精简方法》一文中研究指出针对激光扫描仪所得点云散乱分层的特点,提出一种有序化的精简方法。首先基于已知标记点建立叁维R-tree和八叉树集成的空间索引,快速准确地获取局部点云数据,保证良好的数据检索效率。然后根据局部点云数据的参考平面法向量信息,选取工件坐标系中的一个坐标轴作为参数化的方向,对局部点云数据进行参数化并拟合二次曲面。最后对R-tree叶节点内的二次曲面进行有序化采样,使散乱分层的点云变为单层,得到整个型面的有序参考点集。应用实例表明,该方法适用于大规模的、具有复杂几何特征且存在一定程度散乱分层的点云,可以有效地提高数据点的整体精确度,且不会丢失点云的细节特征,具有较强的实用性。(本文来源于《图学学报》期刊2016年03期）
陈新河,庞俊亭,周波[5]（2016）在《改进的分层曲率海量点云精简算法》一文中研究指出海量点云精简既要考虑算法的复杂度,又要考虑精简结果的效果。根据叁维扫描仪形成的点云特点,提出将空间点云划分为扫描层平面点云,从而将空间问题转化为平面问题。通过平面内Angl的简单计算获得点曲率,从而简化算法复杂度;通过引进距离参数Dis防止精简"大孔洞"的出现;通过综合考虑点的曲率和点间的距离,形成一个判别点是否被删除的标准,修改该判别标准公式中的系数,可以得到不同的精简效果。试验结果证明,该算法对海量点云的精简实践可行,具有复杂度低、数据精简率高等特点。(本文来源于《计算机应用与软件》期刊2016年04期）
王磊,郭清菊,姜晗[6]（2016）在《基于改进的八叉树索引与分层渲染的海量激光点云可视化技术》一文中研究指出近年来利用叁维激光扫描技术进行的国内各地城市数字化发展迅速,随着硬件技术的升级和扫描范围的逐渐扩大,获得的相应的叁维数据可达TB级。因此,如何合理的建立点云索引管理机制,是解决海量点云数据组织和管理的关键问题。本文首先对传统八叉树数据结构的索引方法进行了优化,然后对叁维点云分块,建立八叉树索引数据文件,同时用LOD方法对其进行分层抽稀操作,通过建立改进的八叉树与LOD方法相结合的索引,来降低内存的消耗、提高查询的效率,最后根据屏幕显示范围与视角变化实时读取释放点云索引数据,从而实现海量点云数据的可视化。(本文来源于《软件》期刊2016年03期）
邢旭东,吕现福,王旭东,王星晨[7]（2016）在《一种基于分层自适应移动曲面拟合机载LiDAR点云数据滤波方法》一文中研究指出为提高机载Li DAR数据滤波精度,提出了一种分层自适应移动曲面拟合法滤波。通过改进均值限差法,对原数据进行"粗滤波";之后以Mean Shift算法进行数据分类,建立虚拟格网索引结构,通过二次多项式进行曲面拟合,以自适应阈值进行"精滤波"。实验结果表明:该方法的适应性强,滤波结果具有较高的准确性。(本文来源于《测绘与空间地理信息》期刊2016年01期）
王妮[8]（2015）在《散乱点云自修复重建与3D打印分层算法研究》一文中研究指出近年来,散乱点云数据的曲面重构在逆向工程、医药卫生、虚拟现实、3D打印等领域内有着广泛的应用。由于测量实体模型表面时存在误差以及曲面重构算法的缺陷,导致模型表面不光滑以及叁角网格拓扑中存在空洞、多边共线和法向不一致等错误,这些都给曲面重构以及3D打印带来挑战和困难,因此模型表面的平滑处理,以及错误修复是建立完整模型的关键。另外,3D打印作为一种快速成型技术,目前已有着广泛的应用领域和巨大的发展空间,分层处理是3D打印的一个关键步骤,分层处理的效率决定了3D打印的效率、质量,因此对分层算法的研究是目前3D打印技术研究的一个热点。基于投影的点云曲面重建算法原理简单、重建速度快、重建效果好,但该算法存在局限性,需要假设曲面光滑和点云密度变化均匀,否则会使重建的曲面不光滑或者有空洞,因此本文使用基于移动最小二乘法的点云平滑算法对点云数据预处理,针对模型表面存在的多边共线,以及法向不一致错误,根据重建的局部性原理,重建时调整叁角面片的法向,并引入辅助修复多边共线的入射半边链表,根据该数据结构提出多边共线的检测与修复算法。实验结果表明该算法能够修复叁维模型中的多边共线错误,改善了模型的质量,为3D打印分层处理提供了完善的叁维数据模型。由于STL文件表示模型的缺陷,限制了3D打印的快速发展,通过分析传统基于STL模型分层算法的缺陷,以及对比STL模型与AMF模型的优缺点,根据投影重建算法的局部性原理以及AMF模型的特点,提出一种基于散乱点云叁维重建的拓扑结构分层算法。在重建的过程中,基于半边匹配完成拓扑结构的建立,并将拓扑信息存储到AMF模型中,最后基于该拓扑信息,完成3D打印的分层处理。实验结果表明该算法可以提高分层的效率,同时该算法将散乱点云的叁维重建、模型的修复以及3D打印分层处理集成起来,减少分步操作所带来的数据有误等问题。(本文来源于《西安电子科技大学》期刊2015-11-01）
梁永涛[9]（2015）在《基于点云的3D打印快速自适应分层算法研究》一文中研究指出3D打印是一种通过堆积材料来形成模型的技术。其中一种3D打印的一般过程是:首先通过叁维激光扫描设备获取模型点云数据,其次通过一定的分层算法将点云模型划分成层片信息,最后依据层片信息逐层进行打印成型。随着叁维数字化激光扫描技术、3D打印技术的发展,需要处理的点云数据的规模日益增加,需要处理模型的精度也越来越高,并且数据中存在大量噪音数据,处理数据的效率不容忽视。现存的分层算法主要依据点云数据生成叁角面片信息,然后依据叁角面片生成切片信息。本文中提出一种基于点云数据的快速自适应厚度调整分层算法,避免了曲面重构(建模)过程,在切片层数相对较少的情况下,使分层产生的误差达到最小。本文分层算法跳过建模的过程,直接基于点云数据进行分层厚度的调整,基于分层后获得的点云带数据进行轮廓提取,使3D打印效率显着提高。首先,分析了目前存在的自适应分层厚度调整算法的研究现状,提出一种通过不断调整厚度并计算调整时造成的模型误差确定最佳分层厚度的方法。通过对误差产生原因进行分析,推导出由阶梯效应造成的分层厚度与模型误差的公式关系。采用“预分组+四叉树”的数据结构进行数据存储,利用快速排序的思想进行预分组处理,提高了后期查找任意区间的点云带数据的效率;以四叉树为基本数据结构存储每一层的点云带数据,有利于分析四叉树中的叶子结点的变化对于模型误差的影响。实验证明,该算法时间效率高,误差小,对几何特征较复杂的数据模型亦有较好的分层效果。其次,提出一种基于本文分层厚度调整算法确定的点云带数据进行轮廓提取方法。为了加快对于点云带数据的检索和遍历,采用四叉树的数据结构进行数据的存储。采用一种基于投影法和四叉树中的叶子结点相结合的方法提取切片数据,使需要处理的数据量大幅减少。四叉树本身的特性会导致新生成的切片数据点存在一些冗余问题,并且这些冗余数据会对特征多边形的提取造成一定的误差,基于切片数据的邻近关系进一步做了修复,提升了切片数据的有效性。通过切片数据快速建立邻近点序列,进而确定特征多边形,并针对特征多边形中存在的交叉现象进一步做了修复,最后采用叁次B样条算法进行曲线拟合。(本文来源于《西安电子科技大学》期刊2015-11-01）
李娜,程继红,杨继全[10]（2015）在《3DP分层切片中基于点云射线投影的NURBS曲面切片算法》一文中研究指出给出用于叁维打印机的分层切片算法。利用打印模型点云图像不同方向的分形维数参数和切片层数来确定切片方向;通过建立点云在切平面映射的NURBS曲线来拟合模型轮廓线,然后产生打印机使用的指令G代码。设计λ进制数来确定切片方向。λ进制数由两个要素组成,其一是分形维数D,其二是切片层数N,D和N都是越小越好。确定了打印方向后,可进行切片处理,得到切平面。点云图像的散乱点映射到切平面,这些点用带一定偏移量的射线来划分,射线与点云交点就是形成NURBS曲线的控制点。详细给出控制点寻找以及建立NURBS曲线及曲面的过程。首先引入分形维数参数D作为重要参数来确定切片方向,使用λ进制体系优化打印方向,提出高效的射线分割算法来分割点云,并使用NURBS曲线拟合来获得精确的边界轮廓。通过两个模型验证该算法误差都在公差允许范围内,优化了打印方向,提高了打印速度。(本文来源于《机械科学与技术》期刊2015年02期）
分层点云论文开题报告
（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：
空间曲面光源的衍射计算研究中,将曲面光源转换为平面光源的集合是一种较为流行的算法。基于波前记录(WRP)方法,计算出叁维物体点与WRP虚拟平面有效距离关系,并通过对不同叁维物体进行WRP分层计算,得出叁维物体WRP分层计算的最优化分层数。模拟及光电再现实验结果表明,该方法在一定程度上能够加快计算全息图生成速度,并且重建像质量较高。
（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。
分层点云论文参考文献
[1].陈小祥,李嘉诚,徐雅莉.基于LiDAR点云数据的城市叁维绿量分层测算方法研究[J].测绘工程.2018
[2].郑立婷,桂进斌,刘超.基于WRP点云叁维物体的优化分层研究[J].新技术新工艺.2018
[3].裴书玉,杜宁,王莉,张春亢.基于自适应分层的文物点云数据压缩算法[J].计算机应用研究.2018
[4].解则晓,刘静晓,潘成成,张梦泽.一种散乱分层点云的有序化精简方法[J].图学学报.2016
[5].陈新河,庞俊亭,周波.改进的分层曲率海量点云精简算法[J].计算机应用与软件.2016
[6].王磊,郭清菊,姜晗.基于改进的八叉树索引与分层渲染的海量激光点云可视化技术[J].软件.2016
[7].邢旭东,吕现福,王旭东,王星晨.一种基于分层自适应移动曲面拟合机载LiDAR点云数据滤波方法[J].测绘与空间地理信息.2016
[8].王妮.散乱点云自修复重建与3D打印分层算法研究[D].西安电子科技大学.2015
[9].梁永涛.基于点云的3D打印快速自适应分层算法研究[D].西安电子科技大学.2015
[10].李娜,程继红,杨继全.3DP分层切片中基于点云射线投影的NURBS曲面切片算法[J].机械科学与技术.2015