导读:本文包含了离散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:机载激光雷达,数字高程模型,插值方法,交叉验证
离散点云论文文献综述
杨秋丽,魏建新,郑江华,王锐,贾娜娜[1]（2019）在《离散点云构建数字高程模型的插值方法研究》一文中研究指出针对消除DEM构建中插值方法选择的随意性问题,该文基于机载LiDAR离散点云数据,以广东省典型城区与山区为实验对象,利用克里金、反距离权重、径向基函数和自然邻域4种插值方法,对插值参数进行优选后构建DEM,使用交叉验证、相关性分析、像元统计量和叁维可视化等方法进行精度分析与比较。结果表明:在城区反距离权重插值,不但可以对空值区域进行适当填充和平滑,而且对高程最大、最小值的预测精度也很高;不同插值方法在构建山区DEM时精度相差不大,插值精度可以达到厘米级,其中普通克里金插值效果最佳。对于城区与山区点云数据反距离权重插值法生成的DEM均能很好地反映地表自然形态,为今后LiDAR点云数据构建DEM选择最佳的插值算法以及插值参数提供参考。(本文来源于《测绘科学》期刊2019年07期）
胡佳贝,刘喆,张鹏飞,耿国华,张雨禾[2]（2019）在《基于离散Morse理论的散乱点云特征提取》一文中研究指出为了有效提取散乱点云上的特征点,针对现有点云特征提取算法采用全局统一的特征度量阈值易造成特征误判、漏判及需要多次人工调参的问题,基于离散Morse理论,提出一种自适应的特征提取算法。首先,采用基于局部邻域的协方差分析计算每个数据点的特征度量,标定潜在特征点。然后将潜在特征点与其邻域点在主方向上所形成的夹角平均值作为局部特征检测算子,利用该算子计算该点的离散梯度;最后,构建每个潜在特征点局部邻域内的Voronoi图,利用线性插值法计算离散点所在泰森多边形所有顶点的梯度构建离散梯度向量域,将离散梯度向量域中的梯度极值点判定为特征点。为提高算法的稳健性和抗噪能力,将离散梯度计算扩展到多尺度上,将邻域大小作为离散的尺度参数,多尺度地对一点进行判定。实验结果表明,该方法简单、稳健性好,不依赖于特征的尖锐程度,能在有效提取较尖锐特征的同时,尽可能多地保留较平滑特征。当噪声为0.03 dB时,可以有效地提取点云特征,而当噪声为0.05 dB时,尽管存在个别特征点消失的情况,但整体上显着特征点能够得到较好地提取,效果令人满意。(本文来源于《光学学报》期刊2019年06期）
于明旭[3]（2019）在《离散点云数据叁维重建原理与误差分析》一文中研究指出在实际工程应用中,将离散点云数据连续化生成表面模型来模拟真实场景模型细节,本文研究离散点云数据的叁维重建数学原理,分析B-Spline,Bezier,NURBS曲面拟合数学方法,并检测叁维模型和原始点云数据之间的差异,并对差异进行对比分析,所得结论对离散点云数据的叁维重建有一定指导意义。(本文来源于《科学技术创新》期刊2019年05期）
康丽萍[4]（2018）在《基于离散检测点云叁维重构的自由曲面加工精度研究》一文中研究指出在科技高速发展的今天,叁维点云数据处理技术已经广泛地应用于计算机视觉、科学计算、虚拟现实等高新领域,并且在各领域发挥的作用越来越重要。基于叁维点云数据的模型重建是叁维点云数据处理技术中非常重要的环节,是一系列操作及应用的重要基础。针对大量的叁维点云数据,研究出一种更为优良的取点检测算法,以此来精确实现自由曲面模型的叁维重构,对于叁维点云数据的应用具有十分重要的理论研究意义和工程应用价值。因此,本文将从基于叁维点云数据的模型重建、自由曲面检测的取点方式及重构精度等方面展开深入研究,主要的研究内容如下:首先,本文探讨了叁维数据获取方式及叁维曲面重构技术的国内外研究现状,介绍了叁维点云数据处理的基础理论。在此基础上,进一步介绍了等距方法的相关知识,并建立了等距取点检测法、叁角形取点检测法及基于曲率的取点检测法叁种算法的数学模型,为后续基于这叁种算法进行曲面取点及叁维重构提供了理论基础。其次,设计了自由曲面模型,加工了实际工件曲面并进行了点云数据检测;根据提取的检测数据,以Matlab为工具,分别基于Delaunay算法拟合方法、多项式拟合方法和局部加权回归方法对自由曲面进行拟合重构,并绘制相应的残差图,确定了以DT算法拟合自由曲面为后期展开取点工作的叁维曲面。再次,根据本文提出的叁种取点算法的数学模型和取点原理,设计了多种不同的取点方案,在已确定的检测曲面上取点并重建了对应方案下的自由曲面叁维形貌,根据ICP算法分别完成了各种取点方案下的叁维曲面与设计曲面的配准。根据配准信息,给出了所有方案对应的叁维曲面与设计曲面之间的偏差精度,此外,还分析了不同长宽比对等距取点检测、不同内角角度对叁角形取点检测的影响。综合以上内容,在取点数目相同的情况下,可以得出以下结论:(1)采用等距取点检测算法时,正方形长宽比等距取点算法优于其他长宽比等距取点算法;(2)采用叁角形取点检测算法时,等边叁角形取点检测算法优于其它类别叁角形取点检测算法;(3)综合比较等距取点和叁角形取点检测算法,可知,等边叁角形取点检测算法优于正方形等宽比等距取点检测算法;(4)进一步分析可知,基于曲率变化的等边叁角形取点检测算法并没有优于未考虑曲率变化的等边叁角形取点检测算法。因此,实际工业环境中,选用等边叁角形取点检测算法会得到最优效果。在产品数字化建模工程中,叁维数据加工精度信息的精准处理技术将会发挥越来越重要的作用,通过本文验证的结论及方法,满足实际工程应用需要,可以帮助实现叁维模型更为精确的重建,并应用于指导实际工业加工、现场生产、无纸化设计与研发等领域,具有重要的理论研究意义和工业经济价值。(本文来源于《华南理工大学》期刊2018-04-10）
杨永涛[5]（2017）在《叁维离散点云数据处理关键技术研究》一文中研究指出叁维点云数据作为计算机图形学中一种重要的数据形式,被广泛应用于逆向工程、测量学、CAD/CAM、机器人学、虚拟现实、立体3D影像、文物保护、室内外场景重建等诸多领域。随着3D扫描技术的快速发展,叁维点云数据呈现出大规模、复杂化的特点,对传统点云数据处理技术带来了新的挑战,一定程度上制约了叁维点云数据在各相关领域的进一步应用和发展。因此,本文为了提升数据的处理效果,提高处理效率,对叁维离散点云数据处理关键技术进行了研究。主要包含以下几个方面的内容。首先,为了解决ICP(Iterative Closest Point)算法对初始值的敏感以及配准效率不高的问题,提出了一种基于关键点提取的叁维点云场景配准算法。充分利用RGB-D数据所提供的叁维彩色点云的有效信息,通过特征提取算法检测叁维场景关键点,获得关键点描述子向量,通过最邻近点算法和向量内积最大值原则对关键点进行匹配和优化;利用关键点云的点对曲率一致性分析,剔除错误匹配的关键点对,获得了配准率较高的关键点云集;对关键点对进行配准,求取变换矩阵,完成了全部点云数据配准,通过实验验证了算法的配准效果和效率。其次,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中离群点检测效果不佳的问题,提出了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算法。充分考虑点云数据的密度分布差异,将点云的密度特征引入离群点判定阈值的计算,通过邻域密度约束,实现了标准差阈值的动态调整,并对远离主体点云的外部区域和内点区域的离群点检测采用不同的约束方式。实验证明,该算法实现了密度分布变化明显的点云数据离群点的有效检测,为下一步点云分割提供了较好的数据基础。然后,针对表面特征变化较大、外形复杂的点云数据分割不理想对后续处理产生严重影响的问题,提出一种注重局部特征细分的基于曲率约束的叁维离散点云分割算法。将曲率特征引入点距离的计算,同时,为了解决聚类分割对初始聚类中心的依赖,提高分割效率,提出了一种基于立方体素栅格的点云初始聚类中心选取方法,然后,按照K-means聚类思想,实现点云的分割。该算法通过调整约束参数适用于曲面变化差异程度不同的点云数据分割,初始分割中心的选取方法保证了分割结果的唯一性和有效性,减少了时间开销,提高了分割效率。最后,基于泊松重建理论,提出了基于保留特征的改进泊松重建算法完成点云数据的逆向重建。引入了高斯滤波平滑来弥补叁次均值平滑细节效果不佳的欠缺,同时,利用分而治之的思想,建立分块重建深度参数选择模型,根据不同分块的点云特征确定重建深度。该算法解决了叁维离散点云数据重建效果细节特征保留和曲面平滑的平衡问题,降低了平滑区域的重建开销,提升了表面重建效果和重建效率。(本文来源于《燕山大学》期刊2017-11-01）
段祝庚,肖化顺,袁伟湘[6]（2016）在《基于离散点云数据的森林冠层高度模型插值方法》一文中研究指出【目的】基于森林区域离散点云特点,利用不同插值方法构建冠层高度模型,并对不同插值方法进行比较、分析和评价,为森林冠层高度模型插值方法选择提供参考。【方法】以30 m×30 m样方离散点云数据为试验数据,采用开源软件SAGS-GIS利用B样条插值(B-Spline)、普通克里金插值法(OK)、线性插值叁角网法(TLI)、反距离加权插值法(IDW)4种插值方法分别构建森林冠层高度模型,对森林冠层高度模型的平面视图、叁维视图、剖面图及其像元统计量进行比较和分析;同时对反距离加权插值法的插值参数搜索半径进行讨论、比较和分析。【结果】对于森林区域空间分布均匀且存在高度突变的点云数据,B-Spline插值对空值区域都进行了填充,林冠空隙也被过分填充,且CHM像元最大值明显偏离原始插值数据;TLI插值的CHM显得比较破碎;OK插值法对影像过度平滑,生成的CHM影像模糊;而IDW插值法对冠层顶部进行了适当填充和平滑,但冠层边缘不被过度平滑,保留高度突变,同时林冠空隙仍然保留也不被过分填充。IDW插值应选择合适的搜索半径,搜索半径为原始点云间隔的1.5~2.5倍较为合适。【结论】IDW插值法优于B-Spline,OK,TLI插值法,生成的CHM能较准确反映森林冠层的真实自然形态,有利于森林参数的提取。(本文来源于《林业科学》期刊2016年09期）
商静静,孙刘杰,王文举,秦杨,周中原[7]（2015）在《基于离散余弦变换的叁维点云模型全息盲水印》一文中研究指出目的为保护叁维模型版权,提出一种基于离散余弦变换的叁维点云模型全息盲水印算法。方法对叁维点云模型进行仿射不变性处理,将叁维模型由直角坐标系转到球坐标系,并对球坐标中的角度值进行升序排序;将顶点到质心的距离按顺序存入64×64的数组中,作为水印嵌入对象;二值水印图像经全息水印技术生成全息水印,并对全息水印进行分块离散余弦变换,在该变换域的中频部分实现对水印的嵌入,再经过离散余弦逆变换,实现由频域到空间域的变换,生成带有水印的叁维模型。结果提出的算法是一种盲水印算法,对一些仿射攻击具有较好的鲁棒性。将水印嵌在变换域的中频部分,水印的不可见性及稳定性增强。结论提出算法可成功获得水印信息,采用全息技术实现了叁维模型版权保护。(本文来源于《包装工程》期刊2015年13期）
杨欢[8]（2015）在《基于离散曲率分析的露天矿叁维点云特征变化检测算法》一文中研究指出露天矿是一个由人为干预产生的、易产生人为和非人为变化的工业生产场所,边坡和台阶是露天矿特征的主要构成模型结构,台阶和边坡的变化可以利用台阶的特征线清楚地描述出,台阶特征线的变化也对应着台阶和边坡的变化,边坡的滑动和变化监测是露天矿生产和安全管理的重要内容。传统的边坡监测手段主要是全站仪测量机器人对边坡上的固定有限个监测点进行监测,得到变化检测的结果,但检测点数量有限、覆盖范围受限、效率较低。本文分析了点云模型特征线提取国内外研究现状,目前露天矿台阶特征线的提取多采用手动人机交互提取方式,为提高变化检测自动化程度,本文针对露天矿叁维点云模型台阶特征线的自动提取进行了相关的研究。研究的主要内容包括:针对露天矿叁维点云数据叁角网格模型进行离散曲率分析,首先,对点云原始数据进行了曲率重采样、坐标转换、滤波等预处理;然后,通过对点云数据构建Delaunay叁角网格模型进行离散曲率分析,计算顶点的法矢、高斯曲率、主曲率、平均曲率等参数,得到该模型的可视化的曲率值云彩图;最后,通过Morse-Smale复形的方法,设定特征线的指标函数、特征线的显着度,获得露天矿的台阶特征线,并对提取到的特征线进行平滑处理,得到光滑的露天矿台阶内外特征线。通过多期点云数据,得到露天矿的台阶特征线、坡度值、坡向值、等高线值进行变化检测,检测出台阶的特征变化与坡度、坡向、高度差、岩土方量等之间的变化关系,通过露天矿多个变化检测参数对露天矿进行了四维的变化检测研究。在算法研究的基础上,对西露天矿2013-2014年两期激光扫描数据和齐大山矿扫描数据进行实验,验证了本文算法研究的正确性。研究的结果证明基于离散曲率分析的露天矿叁维点云特征变化检测在边坡台阶变化检测、以及露天矿的生产和安全管理领域具有一定的应用价值。(本文来源于《东北大学》期刊2015-06-01）
胡峰俊[9]（2015）在《叁维离散点云数据的预处理和配准技术研究》一文中研究指出计算机视觉是富有挑战性的重要研究领域之一,是多学科交叉的综合性学科。叁维重建是目前计算机视觉研究领域的一个研究热点,为了获取目标的叁维点云模型,对不同视角下的叁维点云求解空间刚体变换的旋转平移矩阵,将多个视角的点云合并成一个完整的点云(点云的配准技术)。点云配准技术是叁维重建核心的技术,是虚拟现实、仿真设计、文物数字化等计算机视觉领域的研究热点和重点,并且越来越多的商业公司(如微软、英特尔)推出廉价的点云采集设备,开发颠覆性的人机交互模式,越来越多的交互式设计商业化产品的推出开辟了一个新的时代,具有很强的商业价值和现实意义;同时对该问题的研究还能丰富和充实以点云数据为研究对象计算机视觉领域研究,还具有较强的理论意义。本文针对复杂环境下离散点云的3D模型提取的问题,研究分别通过计算机立体匹配技术和深度摄像头获取点云的技术;以点云的法向量、平均曲率等几何信息为基础,研究基于曲率和统计学方法的离散点云滤波方法;以深度图像特征点和SIFT算法特征点为研究对象,研究基于不同特征点的点云初始配准;点云的精确配准算法主要包括了ICP算法和3DNDT算法,研究了基于步长动态更新的3DNDT点云精确配准算法,本文对相关问题进行了深入研究,主要工作和成果如下:1.深入分析了复杂环境下离散点云的不同获取方法。对立体匹配算法中比较具有代表性的局部匹配算法和半全局匹配算法进行研究。局部匹配算法采用sad算法,半全局匹配算法采用sgbm算法,通过实验证明当sad窗口太小或太大的时候,存在比较大的匹配误差,实验结果也表明算法实时性很强,匹配速度快,但是精度不高。sgbm算法的匹配代价计算采用bt算法,并且在能量公式中加入平滑约束,实验表明sgbm立体匹配算法比sad要好的多,并且实时性也很强。针对立体匹配算法效率低、检测精度不高的问题,引入了基于深度摄像头获取点云的办法,实验证明深度摄像头具有较快的检测速度和较高的检测精度。2.分析了已有复杂环境下离散点云滤波研究不足,针对海量点云数据密度不均匀性,噪声点、离群点多的问题,引入平均曲率的求解,提出了基于曲率和统计学方法的csf点云滤波;首先,针对离散点云的所有数据点进行统计分析,计算全局距离的均值和方差,求出离散点云内任一数据点的曲率,并求出曲率的平均值;然后,对离散点云进行立方体划分,对立方体内的所有数据点进行曲率阈值判断,保留立方体内曲率相近的数据点,对不满足阈值的立方体继续划分,直到满足阈值条件;遍历所有的立方体,将立方体内所有数据点用一个重心点表示,通过此种栅格滤波能将密度不均匀的点云数据均匀化;最后,通过离散点云全局距离阈值,数据点和其领域点之间的平均距离关系,删除离群点。大量数据的实验结果表明,本文算法稳定可靠,能够快速有效的对点云数据压缩和滤波,并大大的加快点云搜索速度。3.提出了一种基于sift特征点的点云初始配置算法,将二维图像中的sift算子拓展到叁维点云空间。首先,将图像与尺度进行定位,运用高斯差分公式选取既定的特征点,其在旋转变化与尺度缩放中拥有不变性特征。其次,确定所有候选点的尺度与具体定位;再进行关键点的方向选定,将之后以图像数据为目标的操作均由特征点的定位、尺度与方操作所替代,使操作仍然具有不变性的特质。最后,计算关键点尺度范围内的梯度,生成特征点描述子。通过计算需要配准点云特征点和领域点之间的空间差异,形成一个多维直方图对该特征点的k领域几何属性进行描述。最后,随机的选择特征点直方图配准的点进行计算点云的选择平移关系。4.提出了一种基于深度图像关键点的采样一致性初始配置算法。通过寻找每个深度图像点在近邻区域有深度突变的位置进行边缘检测,对深度图像中每一个点的四种权重值,四种权重值分别代表该点在上下左右具有边界的可能性,提取深度图像的边界;计算边界的方向和深度图像表面的变化,计算边界点的主方向和曲率,采用高斯核函数对边界点投影角度和权重进行平滑处理,提取所需要的特征点;通过计算需要配准点云特征点和领域点之间的空间差异,形成一个多维直方图对该特征点的k领域几何属性进行描述。最后,随机的选择特征点直方图配准的点进行计算点云的旋转平移关系。5.针对叁维点云配准算法收敛性差和容易陷入局部最优的问题,提出了一种基于牛顿迭代改进的叁维正态分布变换算法(简称NM-3DNDT)。离散的叁维点云表面采用分段平滑函数的一阶和二阶导数表示,将点云空间划分为立方体网格,并计算相应的均值和协方差矩阵。为降级算法的复杂度,引入高斯函数近似对数似然函数,并简化3DNDT算法的概率密度函数参数,通过雅克比矩阵和旋转平移方程求解Hessian矩阵和梯度向量,提出采用改进线性搜索来更新牛顿迭代算法的步长,确保算法在少量迭代次数后收敛。最后对算法进行了仿真实验并与其它算法进行了比较,结果表明所提出的算法能获得较好的配准效果,提高了算法配准精度和运行效率。(本文来源于《浙江工业大学》期刊2015-05-01）
余明[10]（2015）在《叁维离散点云数据处理技术研究》一文中研究指出随着双目视觉、深度摄像等技术的快速发展,物体表面的离散数据获取技术越来越成熟,因此,叁维离散点云逐渐成为多领域的处理对象,而基于离散点云的叁维重建技术逐渐成为了计算机视觉、人工智能领域研究的重点和热点。本文采用基于离散点云的表面重建技术,对物体的叁维离散点云模型进行快速叁维重建处理,主要围绕离散点云重建过程中的k邻域快速搜索、平面Delaunay叁角剖分、局部叁角网格拼接等关键技术进行了研究。论文的主要研究工作和现阶段取得的主要成果如下：1、提出一种离散点云的k邻域快速搜索算法。该算法采用二次空间划分的思想,将数据空间划分为诸多大小一致的立方体栅格,然后在目标栅格和周围栅所构成的空间内动态地构造以目标点为中心的立方体栅格,不断对立方体栅格边长进行微调,直至最短边长内包含的点数最接近k值,最终确定点的邻域。2、提出了一种基于逐点插入法的快速Delaunay叁角剖分算法。首先,构造包含平面所有数据点的边界矩形,并对平面上点的坐标进行升序排列,且按序插入,缩小首叁角形的搜索范围；然后对目标叁角形的定位方式进行限制,由首叁角形重心与插入点连接形成搜索方向线,从首叁角形出发,沿着搜索方向线的方向,通过判断搜索方向线和叁角形各边的关系来快速确定目标叁角形的搜索路径,从而进行目标叁角形的快速定位,提高平面叁角剖分的效率。3、提出了一种简单实用的网格拼接算法。该算法首先在局部网格边界点处构造一簇叁角形面片,然后通过面片匹配找出合适的叁角形面片将局部网格的边界点连接起来,实验结果表面该算法不仅能够正确地拼接出完整的叁角网格,并且具有较高的拼接效率。通过对离散点云叁维重建过程中的叁个关键技术进行改进与创新,并将多组实验结果进行对比与分析,验证与证明重建算法的高效性。(本文来源于《南京理工大学》期刊2015-01-01）
离散点云论文开题报告
（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：
为了有效提取散乱点云上的特征点,针对现有点云特征提取算法采用全局统一的特征度量阈值易造成特征误判、漏判及需要多次人工调参的问题,基于离散Morse理论,提出一种自适应的特征提取算法。首先,采用基于局部邻域的协方差分析计算每个数据点的特征度量,标定潜在特征点。然后将潜在特征点与其邻域点在主方向上所形成的夹角平均值作为局部特征检测算子,利用该算子计算该点的离散梯度;最后,构建每个潜在特征点局部邻域内的Voronoi图,利用线性插值法计算离散点所在泰森多边形所有顶点的梯度构建离散梯度向量域,将离散梯度向量域中的梯度极值点判定为特征点。为提高算法的稳健性和抗噪能力,将离散梯度计算扩展到多尺度上,将邻域大小作为离散的尺度参数,多尺度地对一点进行判定。实验结果表明,该方法简单、稳健性好,不依赖于特征的尖锐程度,能在有效提取较尖锐特征的同时,尽可能多地保留较平滑特征。当噪声为0.03 dB时,可以有效地提取点云特征,而当噪声为0.05 dB时,尽管存在个别特征点消失的情况,但整体上显着特征点能够得到较好地提取,效果令人满意。
（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。
离散点云论文参考文献
[1].杨秋丽,魏建新,郑江华,王锐,贾娜娜.离散点云构建数字高程模型的插值方法研究[J].测绘科学.2019
[2].胡佳贝,刘喆,张鹏飞,耿国华,张雨禾.基于离散Morse理论的散乱点云特征提取[J].光学学报.2019
[3].于明旭.离散点云数据叁维重建原理与误差分析[J].科学技术创新.2019
[4].康丽萍.基于离散检测点云叁维重构的自由曲面加工精度研究[D].华南理工大学.2018
[5].杨永涛.叁维离散点云数据处理关键技术研究[D].燕山大学.2017
[6].段祝庚,肖化顺,袁伟湘.基于离散点云数据的森林冠层高度模型插值方法[J].林业科学.2016
[7].商静静,孙刘杰,王文举,秦杨,周中原.基于离散余弦变换的叁维点云模型全息盲水印[J].包装工程.2015
[8].杨欢.基于离散曲率分析的露天矿叁维点云特征变化检测算法[D].东北大学.2015
[9].胡峰俊.叁维离散点云数据的预处理和配准技术研究[D].浙江工业大学.2015
[10].余明.叁维离散点云数据处理技术研究[D].南京理工大学.2015