导读:本文包含了点云数据处理论文开题报告文献综述及选题提纲参考文献，主要关键词:滤波算法,机载LIDAR,DEM,粤西高密度山区
点云数据处理论文文献综述
崔珍珍,孟蕾,周碧莲[1]（2019）在《粤西高密度山区DEM生产中机载LIDAR点云数据处理方法研究》一文中研究指出针对基础测绘新兴数据源低空机载LIDAR数据处理,提出一种融合形态学自适应分块拟合迭代滤波算法解决粤西高植被覆盖、强遮挡、高密度山区地形场景测绘难题。该算法融合渐进叁角网法和形态学法,在粗滤波基础上按照随机采样一致性检测,针对低点、飞点、植被点特定类型增加相应的滤波函数,再利用开发的针对山谷、山脊的工具块进行区域地形高效恢复,最后由作业员精细检查细分,最终获取测区的数字高程模型(DEM)。对测区的生产试验表明,该滤波算法能解决粤西部分高密度地区地形起伏较大、植被高覆盖区域植被点云智能化剥离难题。通过比较渐进叁角网法、形态学法和本文采用的方法得到的DEM与RTK采集点比较得到的Z值均方根误差分别为0.144 5,0.143 8和0.133 6 m,说明本文方法对于粤西特定山区场景提高DEM质量有很好的优势。(本文来源于《资源信息与工程》期刊2019年05期）
李志彦[2]（2019）在《基于Geomagic Studio的点云数据处理与叁维建模技术》一文中研究指出该项目用到一款点云数据处理软件Geomagic Studio,在处理非大量点云数据时具有一定优势。该文中,笔者主要介绍利用Geomagic Studio软件处理扫描获取的点云数据生成曲面模型,然后生成叁维模型的过程。从数据预处理、提取特征线、构建曲面、生成叁维模型4个基本步骤对基于Geomagic Studio点云数据处理叁维建模技术进行了分析和总结。(本文来源于《科技资讯》期刊2019年21期）
吴震宇[3]（2019）在《一种点云数据中静止水体高程的快速处理方法》一文中研究指出点云数据中静止水体高程处理是人工处理的一项复杂工序。本文结合LiDAR-DP软件开发的模块功能对点云数据中静止水体高程的快速处理展开研究。首先LiDAR点云数据生成DEM影像,然后利用DLG要素获取水体的边界信息并修正,最后结合LiDAR-DP软件开发的模块功能获取精确的水体高程值。实验结果表明,该方法有效提高了生产效率,具有较好的视觉效果和较高的工程应用价值。(本文来源于《北京测绘》期刊2019年07期）
刘旭辉,王宏燕[4]（2019）在《点云数据的深度学习处理方法》一文中研究指出随着自动驾驶的快速发展,对环境感知的要求也越来越高。作为自动驾驶汽车最重要的传感器之一,激光雷达可以通过扫描周围环境得到点云数据。使用合适的方法处理点云数据,我们可以获得目标物体的种类、距离、方位等。因此,点云数据的处理成为了自动驾驶行业的一大热点。深度学习在图像上的巨大成功给我们启发,近年来业内提出了很多基于深度学习的点云处理方法,如多视角投影、体素化网格等等,但有着各方面的缺陷。PointNet的提出开拓了全新的处理点云的方法,即直接在点云上应用深度学习模型,并解决了点云数据的无序性、无结构性的问题。但是其应用的最大池化对称函数舍弃了太多信息,在实际应用时方差较大。针对该问题,本文提出了新的解决点云数据无序性和保证空间变化不变性的方法。在解决无序性问题时,用全局最大池化和全局平均池化分别处理每一维的点云数据,然后将得到的两个向量串联得到全局特征。在保证空间变化不变性的同时,对学习转换矩阵的特征提取中,也引入了全局最大池化和全局平均池化方法,以得到与数据集更加匹配的转换矩阵。实验证明,本文的方法有效地提高了分类结果的平均准确率,并减小了准确率方差。(本文来源于《2019世界交通运输大会论文集（上）》期刊2019-06-13）
徐光禹[5]（2019）在《基于地面叁维激光的溶洞点云数据处理及应用研究》一文中研究指出溶洞景观主要记录了喀斯特地貌特征的形成过程,且为其提供了保存和研究场所。喀斯特地貌下的溶洞景观不仅具有地质学研究意义,在旅游景点上同样也极具吸引力。织金洞位于贵州省织金县,被评为“中国最美六大旅游洞穴”之首。为加强溶洞景观的研究、保护与开发,运用叁维激光扫描技术,建立数字化叁维模型,具有一定的理论意义和经济实用价值。本文通过使用地面叁维激光扫描仪技术,借助实地测绘、算法设计和仿真实验等方法,对织金洞溶洞点云进行数据预处理和模型重建等工作。围绕溶洞点云数据处理及建模技术,对点云数据滤波去噪、数据精简以及模型重建等关键问题进行了深入研究,主要成果如下:(1)提出了基于弦高比的点云数据滤波算法。叁维点云数据采集时,因受到测量仪器、外部环境以及被测物体本身等因素影响,测得的数据会出现小幅噪声点或离群点,影响数据处理效率,重建后的模型也会粗糙不堪,甚至发生变形。为了有效滤除噪声点,提出了一种结合自适应分层技术和弦高比的点云数据去噪算法。实验分析与对比表明该算法可有效去除噪声数据,且能在保持模型的细节数据和几何特征的基础上提升处理效率。(2)提出了一种点到拟合曲面距离的点云数据精简算法。随着扫描仪器不断优化升级,其数据获取能力也逐步提升,使得大规模复杂场景建模工作成为可能。因此要处理的模型数据越来越庞大,对点云数据进行精简压缩是数据处理必不可少的重要步骤。针对溶洞点云数据精简问题,对数据点进行局部曲面拟合,再依据点到拟合曲面距离的判别方法来保留特征点云,同样结合快速成型领域里的自适应分层技术来实现大场景点云的自适应简化。实验表明,该方法避免了传统算法中注重保留特征但压缩率较低或者追求压缩率但忽略细节特征的缺点,点云数据的压缩率和特征效果达到了较好的平衡效果,并具有较快的简化速度。(3)在点云数据经过上述系列处理后,对点云的模型重建问题进行了深入探讨和实验研究,在分析MC重构、贪婪投影叁角化重构与泊松重构等算法的基础上,通过PCL开源库中的PCL_visualization模块对重构模型进行可视化处理,并对不同算法的重构模型进行了分析与评价。综上所述,本文对溶洞点云数据处理和叁维模型重建相关技术进行了研究,通过实验验证了本文提出的滤波和精简算法在点云数据处理上的可行性与优势性,并在此基础上对溶洞景观进行了叁维模型可视化重建,总体实验效果良好。(本文来源于《贵州大学》期刊2019-06-01）
崔绍臣[6]（2019）在《叁维点云数据处理系统设计与开发》一文中研究指出叁维激光扫描技术是近些年成长迅速,可以直接取得物体的叁维坐标,颜色值、激光强度等数据的新兴技术。由此获得的海量离散数据,我们将其称之为“点云”。叁维点云数据已然在测绘、医疗、人工智能、休闲娱乐等领域有广泛的应用,然而原始点云数据由于仪器自身精度,机械振动和某些偶然的环境因素影响,会出现许多噪声和孔洞,影响后续处理和应用。因此自主研发一套叁维点云数据处理系统具有重要的价值和意义。本文首先研究点云数据处理的基础知识,包括两种点云数据格式、组织结构、最邻近搜索算法、法线和曲率等。然后根据这些基础和特点,研究相关的点云数据处理算法。在滤波去噪方面,研究多种滤波算法,如直通滤波、半径滤波、SOR滤波和VG下采样。在点云分割方面,研究随机采样一致性算法,实现了平面模型和圆柱模型分割,同时研究欧式聚类分割和区域生长分割算法。在点云分类方面,研究渐进形态学滤波算法,并成功用于分类地面点与非地面点。本文提出了一种基于回波信息和高程纹理特征的分类策略,成功用于建筑物点和植被点的提取。在曲面重建方面,研究移动最小二乘算法,并实现了点云的平滑。研究贪婪投影叁角化算法,并完成了曲面模型的构建。最后根据实际需求,设计了点云数据处理系统的总体框架和处理流程。以开源libLAS库和PCL点云库为基础,采用C++面向对象的思想,结合QT图形用户界面的框架,针对LAS和PCD格式点云,设计并开发了一套点云数据的处理系统,完成了点云数据处理中的主要操作和功能。本文选取相关的点云数据进行各类算法实验,并取得了理想的实验效果,验证了系统的流畅性和稳定性。(本文来源于《吉林大学》期刊2019-06-01）
邓博文[7]（2019）在《大体积比工件装配面检测及其点云数据处理方法研究》一文中研究指出大体积比工件是指由两个或多个体积相差较大的部件装配组成的工件。其典型代表为固体火箭发动机,而固体火箭发动机作为当今最常用的武器及航天器推进机构,其装配的成败直接关系着产品质量的好坏。固体火箭发动机主要部件为大体积的燃烧室及小体积的喷管,这两部分的装配是通过末端装配面之间穿过螺栓固定,此外,装配面上往往加工一个或多个台阶面(凸台及凹台)以实现密封。大体积比工件装配面的尺寸检测项目十分繁杂,传统测量方式无法高效甚至有效的进行检测。本文以大体积比工件的代表——固体火箭发动机各部件装配面作为研究对象,以其几何尺寸测量作为研究目标,研发了一套大体积比工件装配面尺寸检测系统并对测量系统获取的装配面点云数据进行处理,主要研究工作如下:(1)大体积比工件装配面尺寸测量机研发结合装配面外形特点,本文在充分利用叁坐标测量机(CMM)和关节臂式坐标测量机(AACMM)优点的基础上,开发了一套基于龙门、回转臂及二维线激光传感器的关节臂式坐标测量机。二维线激光传感器可以实现大比例工件各部件装配面的高效高精度的全尺寸检测,龙门结构的引入保证了大体积比的部件(燃烧室与喷管)可以在同一坐标系下被检测,回转臂的使用给测量机提供了灵活的测量空间以应对复杂检测项目的挑战,同时摒弃了人工引导测量,从而减少了人工因素的引入。(2)激光测量信号降噪算法原始激光信号在获取过程中受环境光照、待测表面形态以及测量机自身物理限制的影响,无可避免的会存在噪声,本文提出了一种基于自适应的数学形态学滤波算法对激光信号进行降噪处理,该算法首先以RANSAC算法分段拟合激光信号,再以分段线作为形态学滤波模板,自适应的控制模板长度,在滤除噪声的同时,实现了激光测量信号中尖锐角点的保护。(3)点云压缩算法对于通过测量机获取的装配面海量叁维点云数据,文中提出一种拟万有引力定律定律的点云精简算法对其进行压缩。该算法充分利用了测量机获取的点云数据的组织特点,通过将点云投影至二维平面,求取每一点的“合力”参数,并以该参数作为依据,将点云分割为“非特征点集”与“特征点集”两部分,进而保护“特征点集”并对“非特征点集”进行大比例抽样,实现了特征保持的点云压缩。(4)点云尖锐特征微分信息估计算法对于台阶面等尖锐特征,传统的K邻域(KNN)或经过结构张量协方差矩阵特征熵优化的最佳K邻域算法均无法有效解决尖锐特征处采样点邻域存在多个平面点的问题,为此,本文在最佳K邻域的基础上,提出一种基于二维特征值最大化的邻域选择算法,该算法选取尖锐特征处采样点最佳邻域中点密度最大的一个平面上的点作为其邻域,从而避免了因邻域存在多个平面而造成的法向量等微分信息失真。(5)装配面几何特征值估计算法本文将叁维特征信息组成特征向量,对点云压缩时分割出的“特征点集”进行细化,将“特征点集”细化为“非特征平面点集”、“螺纹孔点集”以及“台阶圆柱体点集”,对“非特征点集”进行分层并以RANSAC算法进行平面拟合,以点数最大的平面作为基准平面,将点云各个点集分别对其投影并得到相应位图,通过数学形态学梯度获取位图边缘,从而得到点云边界点集,以RANSAC算法对边界点集进行圆拟合,从而获取装配面圆类几何特征信息。通过RANSAC算法再次对“台阶圆柱体点集”进行回转轴估计,而后将该点集投影至回转轴,统计投影最大值与最小值,从而得到了台阶高度(深度)。通过法兰类工件以模拟固体火箭发动机装配面,实验结果表明:测量系统对螺纹孔内外直径的检测最大误差为0.05mm,最大均方根误差为0.018mm;对台阶直径检测的最大误差为0.04mm,均方根误差为0.02mm;对工件外直径检测的最大误差为0.06mm,均方根误差为0.023mm;对台阶高度(深度)的检测最大误差为0.03mm,均方根误差为0.016mm。(本文来源于《中北大学》期刊2019-05-30）
高文利[8]（2019）在《平原地区点云数据处理对等高线生成的影响研究》一文中研究指出高精度的激光点云数据带来高精度数据产品的同时,也带来了较难解决的问题。本文结合项目生产经验,研究探讨了平原地区点云精度对等高线生成的影响及解决方法,为基于点云生产等高线提供一定的解决方法和思路。(本文来源于《测绘与空间地理信息》期刊2019年05期）
田旭东,王艋[9]（2019）在《基于B样条小波分析的点云数据滤波处理技术》一文中研究指出在扫描仪采集数据过程中,会受多种因素影响,所获得的点云数据不可避免地混有不合理的离散点和小振幅噪声,这些噪声数据如不消除,必会影响所建模型的精度。针对离散数据的特点,对小波分析的原理及方法进行了研究,提出将具有良好对称性和正交性的B样条小波作为基函数,对扫描的点云数据进行滤波处理。实验结果表明,以B样条小波函数为基函数的改进滤波法不仅可以有效滤除点云数据中的噪声数据,还能较好保留物体原始的特征信息,使滤波后的点云模型能更加精确地表示实际的特征信息。因此,该方法在点云滤波、去噪等处理方面具有一定应用价值。(本文来源于《现代测绘》期刊2019年03期）
方良斌,张宏魏,詹建勇,史培新,赵宇[10]（2019）在《基于移动平均法的危岩点云数据处理及变形分析》一文中研究指出传统危岩监测存在布点困难、效率低等不足,而叁维激光扫描技术因采用非接触测量而可快速获取点云数据,但数据处理是难点。提出了一种基于移动平均法的危岩点云数据处理方法以提高变形识别率。首先根据危岩节理特征构造新的空间坐标系,使得某一轴向可直观反映危岩主要滑移方向,再通过曲面拟合计算移动窗口内的特征点,有效缩减了点云数据,在此基础利用ICP算法搜索对应点。依托温州某隧道工程,分析开挖边坡出现的危岩沿潜在滑移方向的位移,结果表明该方法极大提高了危岩变形识别的正确率,危岩在两次监测时间内存在约10 mm的变形,需采取一定的防治措施。(本文来源于《人民长江》期刊2019年04期）
点云数据处理论文开题报告
（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：
该项目用到一款点云数据处理软件Geomagic Studio,在处理非大量点云数据时具有一定优势。该文中,笔者主要介绍利用Geomagic Studio软件处理扫描获取的点云数据生成曲面模型,然后生成叁维模型的过程。从数据预处理、提取特征线、构建曲面、生成叁维模型4个基本步骤对基于Geomagic Studio点云数据处理叁维建模技术进行了分析和总结。
（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。
点云数据处理论文参考文献
[1].崔珍珍,孟蕾,周碧莲.粤西高密度山区DEM生产中机载LIDAR点云数据处理方法研究[J].资源信息与工程.2019
[2].李志彦.基于GeomagicStudio的点云数据处理与叁维建模技术[J].科技资讯.2019
[3].吴震宇.一种点云数据中静止水体高程的快速处理方法[J].北京测绘.2019
[4].刘旭辉,王宏燕.点云数据的深度学习处理方法[C].2019世界交通运输大会论文集（上）.2019
[5].徐光禹.基于地面叁维激光的溶洞点云数据处理及应用研究[D].贵州大学.2019
[6].崔绍臣.叁维点云数据处理系统设计与开发[D].吉林大学.2019
[7].邓博文.大体积比工件装配面检测及其点云数据处理方法研究[D].中北大学.2019
[8].高文利.平原地区点云数据处理对等高线生成的影响研究[J].测绘与空间地理信息.2019
[9].田旭东,王艋.基于B样条小波分析的点云数据滤波处理技术[J].现代测绘.2019
[10].方良斌,张宏魏,詹建勇,史培新,赵宇.基于移动平均法的危岩点云数据处理及变形分析[J].人民长江.2019