导读:本文包含了点云密度论文开题报告文献综述及选题提纲参考文献，主要关键词:激光雷达,栅格地图,障碍物检测,数据关联
点云密度论文文献综述
汪世财,谈东奎,谢有浩,赵林峰[1]（2019）在《基于激光雷达点云密度特征的智能车障碍物检测与跟踪》一文中研究指出现有的基于点云数据的车载叁维激光雷达障碍物检测和跟踪存在实时性差、准确率不高以及场景内障碍物数目增多时难以有效关联等问题。针对这些不足,文章提出了结合区域生长与密度聚类的算法以及同时考虑了障碍物几何特征与点云密度特征的关联方法。基于栅格地图,运用最大、最小高度图法去除背景点云数据;在得到可靠障碍栅格地图后,搜索匹配8邻域栅格属性,结合自适应阈值的密度特征进行聚类,提高了障碍物检测准确率;考虑了障碍物的点云密度特征和高度特征,提高了障碍物关联的可靠性并运用卡尔曼滤波器对动态障碍物进行了跟踪。在自行搭建的智能车平台上进行的实车实验验证了该文算法的有效性。(本文来源于《合肥工业大学学报(自然科学版)》期刊2019年10期）
高云云,鲁程鹏,王茂枚,姜果,赵钢[2]（2019）在《点云密度对水下抛石效果评价的不确定性研究》一文中研究指出水下抛石为隐蔽工程,其抛石效果评价是工程项目验收的重要部分,对工程质量评价有重要意义。为此,以张家港市老海坝河段整治工程的抛石护岸工程区为研究区,通过多波束测深技术获取代表区域不同点云密度下的抛石增厚值,再分析不同点云密度对抛石效果的影响。结果表明:点云密度对抛石增厚值的效果评价影响较大,且不同点云密度下评价结果的误差呈正态分布。基于测量不确定理论给出了不同点云密度、不同置信概率下的评价结果置信范围,可为水下抛石效果评价方法的制定和选取合适的点云密度提供依据。(本文来源于《人民长江》期刊2019年08期）
金振振,靳海亮,李志杰,黄兵[3]（2019）在《机载LiDAR点云数据密度的影响因素研究》一文中研究指出机载激光雷达获取的点云数据是分布于对象表面的叁维坐标点,由于受多种因素的共同作用,用户得到的点云在空间上是呈离散分布的,局部点云密度会呈现非常显着的区别。点云密度作为点云数据质量评价体系中的一项重要指标,研究其影响因素以帮助项目进行合理的设计实施,既能提高点云产品质量,又能帮助提高扫描作业的效率,节约工程成本。本文通过总结大量的工程应用实例,结合已有的科研成果,综合分析了能够影响机载Li DAR点云密度的主要因素。(本文来源于《科技风》期刊2019年12期）
李志杰,黄兵,雷建国[4]（2019）在《影响机载激光雷达点云密度的因素分析》一文中研究指出针对机载激光雷达设计点云密度与实际获取不一致的问题,该文从参数设计、设备性能、摄区情况和综合要求等方面讨论影响点云密度的因素,分析各个因素对点云密度的影响程度,提出了保证点云密度的一般方法。基于影响因素分析结果,该文从工程实践出发,系统性地介绍了点云密度设计思路并验证点云密度影响因素。研究结果为如何设计机载激光雷达点云密度提供参考依据,对工程项目设计和数据处理具有一定指导意义。(本文来源于《测绘科学》期刊2019年06期）
陆帆,李松,曹菁菁,鄂晓征,周勇[5]（2019）在《基于反距离权重和密度的点云边界点检测算法》一文中研究指出针对散乱点云模型的边界点检测问题,提出一种通用型的算法。建立目标点的K邻域作为局部参考数据,采用最小二乘法拟合K邻域的微切平面,求得目标点与其邻域点在该平面上的投影;计算目标点投影点与各个邻域点投影点组成的向量,将其等效为合力的各个分力,赋予其反距离权重,加权相加后得到合力,根据距离计算点云密度;利用加权等效合力和密度组成的综合检测参数与阈值比较,判定其是否为边界特征点。实验结果表明,所提算法适用于多种类型的点云模型,具有比传统方法更好的检测效果。(本文来源于《计算机工程与设计》期刊2019年02期）
赖旭东,刘雨杉,李咏旭,祝勇[6]（2018）在《机载激光雷达点云密度特征应用现状及进展》一文中研究指出点云密度是机载激光雷达(light detection and ranging,LiDAR)点云数据的重要特征,也是硬件制造、数据采集、数据处理及数据应用中常用的关键指标。随着LiDAR硬件技术的发展,点云密度越来越高,能够更精确地描述地形地物的特征和规律,已有众多学者针对点云密度开展相关研究。基于此,归纳了目前点云密度的研究和应用现状,探讨了存在的主要问题;研究了不同密度点云数据生产DEM的能力;验证了点云抽稀及点云加密方法。(本文来源于《地理空间信息》期刊2018年12期）
王长青,邢万里,邢艳秋,李梦颖,李贝贝[7]（2018）在《基于双尺度体元覆盖密度的TLS点云数据单木识别算法》一文中研究指出针对现有的地基激光雷达(Terrestrial Laser Scanning,TLS)点云数据单木识别算法存在抗噪性差的问题,本文提出一种基于双尺度体元覆盖密度的TLS点云数据单木识别算法。首先选择内蒙古根河林场的兴安落叶松天然次生林为研究对象,利用徕卡C10叁维激光扫描仪获取单测站点云数据;然后通过计算双尺度体元覆盖密度滤除非树干点;最后通过分析体元水平坐标(x,y)位置处的体元z值序列确定滤波后点云数据中的单木位置。研究结果表明:该算法二次滤波结果的平均噪声比为1.66%;滤波后保留的单木数量是实际单木数量的88.94%;滤波后点云数据的单木识别率98.3%,漏检率1.69%,过检率0.56%,实际点云数据的单木识别精度为87.43%。与已有的单测站点云数据单木识别的研究相比,本文提出的单木识别算法简单、抗噪性强且单木识别精度更高,这对于实现复杂密集林分样地单测站点云数据单木的准确识别具有重要意义。(本文来源于《森林工程》期刊2018年05期）
吴雅文,赵钢,王茂枚,刘波,姜果[8]（2018）在《点云密度对水下抛石效果评价的影响》一文中研究指出水下抛石检测过程中常将多波束测深系统扫测所得的高密度点云水深数据进行一定尺度的抽稀处理,但不同抽稀方式对原始点云密度的影响,直接决定了抽稀处理后的水深数据能否如实反映实际抛投效果。因此,为探讨不同点云密度对水下抛石效果评价的影响,对抛石工程施工前后两期不同密度的点云数据进行迭加分析,计算区域内抛石合格率,并对增厚值的统计特征进行了对比分析。结果表明,点云密度对水下抛石效果评价影响显着,且点云密度为5m时为最佳,既不会因数据过于稀疏导致评价失真,也不会因数据过于密集导致评价困难。(本文来源于《水电能源科学》期刊2018年06期）
杨永涛,张坤,黄国言,吴培良[9]（2018）在《邻域密度约束的动态标准差阈值叁维点云数据离群点检测方法》一文中研究指出为了提升叁维点云数据离群点的检测能力,提高检测方法的适应性,解决针对密度分布变化大的点云数据离群点检测效果不佳的问题,提出一种基于邻域密度约束的动态标准差阈值叁维点云数据离群点检测方法.该方法充分考虑获取的点云数据的密度差异,将点云的密度特征引入离群点判定阈值的计算.首先利用直通滤波提取目标点云数据,检测并移除无效点;然后分析离群点的检测原理,给出点云k-邻域密度的估算方法;最后通过邻域密度约束实现了标准差阈值的动态调整,并采用不同的约束方式对远离主体点云的外部区域和内点区域的离群点进行检测,实现了密度分布变化明显的点云数据离群点的有效检测.实验结果表明,文中方法能够更加有效地移除离群点,通过标准差阈值动态约束满足了密度分布差异较大的点云数据的针对性检测,提升了检测效果和检测性能,达到了预期的目的,对实际应用具有积极意义.(本文来源于《计算机辅助设计与图形学学报》期刊2018年06期）
王丽辉,张娜,罗晓玲[10]（2018）在《基于非参数核密度估计技术的点云数据法向量算法》一文中研究指出该文分析了基于非参数核密度估计技术的点云数据法向量算法的相关问题,文章先分析了非参数核密度估计技术的相关内容,并对其建模内容进行阐述;之后在非参数核密度估计技术的基础上,研究了点云数据法向量算法,希望能对相关人员工作有所帮助。(本文来源于《电脑知识与技术》期刊2018年06期）
点云密度论文开题报告
（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：
水下抛石为隐蔽工程,其抛石效果评价是工程项目验收的重要部分,对工程质量评价有重要意义。为此,以张家港市老海坝河段整治工程的抛石护岸工程区为研究区,通过多波束测深技术获取代表区域不同点云密度下的抛石增厚值,再分析不同点云密度对抛石效果的影响。结果表明:点云密度对抛石增厚值的效果评价影响较大,且不同点云密度下评价结果的误差呈正态分布。基于测量不确定理论给出了不同点云密度、不同置信概率下的评价结果置信范围,可为水下抛石效果评价方法的制定和选取合适的点云密度提供依据。
（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。
点云密度论文参考文献
[1].汪世财,谈东奎,谢有浩,赵林峰.基于激光雷达点云密度特征的智能车障碍物检测与跟踪[J].合肥工业大学学报(自然科学版).2019
[2].高云云,鲁程鹏,王茂枚,姜果,赵钢.点云密度对水下抛石效果评价的不确定性研究[J].人民长江.2019
[3].金振振,靳海亮,李志杰,黄兵.机载LiDAR点云数据密度的影响因素研究[J].科技风.2019
[4].李志杰,黄兵,雷建国.影响机载激光雷达点云密度的因素分析[J].测绘科学.2019
[5].陆帆,李松,曹菁菁,鄂晓征,周勇.基于反距离权重和密度的点云边界点检测算法[J].计算机工程与设计.2019
[6].赖旭东,刘雨杉,李咏旭,祝勇.机载激光雷达点云密度特征应用现状及进展[J].地理空间信息.2018
[7].王长青,邢万里,邢艳秋,李梦颖,李贝贝.基于双尺度体元覆盖密度的TLS点云数据单木识别算法[J].森林工程.2018
[8].吴雅文,赵钢,王茂枚,刘波,姜果.点云密度对水下抛石效果评价的影响[J].水电能源科学.2018
[9].杨永涛,张坤,黄国言,吴培良.邻域密度约束的动态标准差阈值叁维点云数据离群点检测方法[J].计算机辅助设计与图形学学报.2018
[10].王丽辉,张娜,罗晓玲.基于非参数核密度估计技术的点云数据法向量算法[J].电脑知识与技术.2018