一、三维曲面重构与多视匹配技术的研究(论文文献综述)
胡晓宇[1](2021)在《基于无人机影像匹配点云数据的人工林冠层模型分割方法研究》文中进行了进一步梳理森林资源作为一种非常重要的自然资源具有不可替代的重要地位,但随着国家出台了大量保护天然林的措施,如今仅靠天然林资源无法满足日益增长的林业资源市场需求,所以用高效高产的人工林来代替天然林资源是我国林业产业发展的必然趋势。我国作为人工林总量世界第一的国家,每年在人工林资源调查上投入的人力物力不计其数,所以找到一种更加实时、廉价、方便且精准的人工林调查方案具有重大意义。如今林业资源调查的方法从调查手段的不同一般分为基于人工、卫星遥感、激光雷达、和无人机遥感几种调查方法。但人工调查方式数据采集效率低,没有实时性;卫星遥感信息量大且获取周期长,仅适用于大尺度长周期的林业调查;激光雷达信息量大、可视效果好,但造价昂贵;无人机作为新兴技术在冠层表面信息获取上已经相当成熟,但缺乏立体信息。由于人工林的林木生长竞争比较激烈,导致郁闭度较大,普通地面调查方式很难获取准确树高及冠层形态信息,这也是人工林资源调查的一大难点。虽然机载激光雷达可以很好解决这一困难,但由于其造价过于昂贵,导致普及率低、实用性弱,暂时还不具有大面积推广的潜力。而随着无人机倾斜摄影技术的发展,由于其具有很好的廉价、便携、精准的特点,利用无人机多视点匹配算法代替昂贵的激光设备产出点云数据来进行林业资源调查成为一种趋势。而从无人机匹配点云数据中为单个树冠开发一种高效准确的点云分割算法,可以解决如今环境下其他调查方式无法准确获取单木树高和冠层形态信息的难题,为人工林资源调查开辟了新的思路。围绕上述问题,本文基于无人机倾斜摄影测量技术获取人工林地高清遥感影像,结合多视影像匹配方法获取了对应的密集匹配点云数据,但影像匹配点云数据量过大,且含有大量孤立点和噪声点,我们使用一种新的点云降噪滤波算法对数据进行预处理。获取点云数据后通过深度学习等算法进行点云单木冠层分割及树高提取,并进行精度对比,主要研究成果有:(1)研究了点云匹配算法。通过SIFT尺度不变特征变换算法、SFM运动结构恢复算法、PMVS多视角匹配算法的结合由多角度无人机高清影像进行多视匹配最终得到了实验林地的密集点云数据,解决了由传统特征点匹配获取的点云数据天生不密集的缺点。达到了很好的效果,可以更加精准的反应林地信息。(2)提出了一种新型点云滤波器。在单一滤波器无法达到需求的效果时提出一种新型的滤波器,新型滤波器结合多种滤波器优点,同时具备快速分割、抽稀及地面点分割等功能,在对初始点云数据进行滤波后,由初始的638301与385735个点精简到410219与262059个点,精简了约35.5%的无效点云数据。不仅移除了孤立点和噪声点更加凸显了形态结构便于后续分割提取等操作。(3)提出了一种基于PointNet网络局部特征增强的深度学习点云分割算法。在点云分割中我们针对经典深度学习点云分割算法PointNet进行了结构上的改进,使用R近邻算法增强了在局部特征提取上的能力,并采用了增大卷积核等方式使之更加适用于局部分割。分割结果与基于种子点区域增长的分割方法和基于均值漂移算法Mean Shift的分割方法进行了对比,其中深度学习算法冠层分割的召回率和准确率分别达到了 89.5%和91.4%明显高于其他算法,之后我们对三种算法提取的点云模型进行了树高的提取并与人工测量数据进行了对比分析,其结果也辅助证明了深度学习算法在人工林点云冠层模型分割上的优越性。
张艳花[2](2021)在《多视觉人脸图像的三维建模算法研究》文中提出随着3D技术的快速发展,三维建模技术的研究成为当今热点。本文研究人脸图像的三维建模算法,对三维相机的研制具有重要理论意义及实用价值。本文主要研究多视觉人脸图像的三维建模算法,即根据不同视觉下同时拍摄的多张人脸图像,利用建模算法生成三维人脸模型。针对三维表面重建算法模型精度低、表面凹凸不平的问题,提出了一种新的三维模型表面重建算法,该算法以Denunay三角剖分为基础重建三维模型的粗糙表面,再用Loop方法细分模型网格,结合光度相似函数和Snake模型的内部能量函数迭代优化网格表面,完成模型的表面重建。三维人脸模型的重建需要感兴趣区域检测、特征点检测与匹配、稀疏点云重建、稠密点云重建和表面重建等步骤。首先要检测感兴趣区域,人脸图像的检测采用Harr分类器;人脸人耳图像的检测采用Dlib库和人耳之间的几何关系。其次,利用SURF、K最近邻和随机抽样一致的融合方法检测并“两步”匹配特征点,得到图像对之间的几何约束关系,利用此关系和相机焦距等内参数重建稀疏点云模型。在此基础上选择最佳视图对,估计深度图并将其精细化、融合以重建稠密点云模型,最后利用提出的表面重建算法重建模型表面,得到精细化的三维模型。仿真实验结果表明:重建的三维模型精度高、表面平滑,与真实人脸相似;图像张数越多则重建模型的精度越高。本文算法可应用于模型精度要求高的身份识别等场景。
恒一陟[3](2020)在《基于弱纹理多视图的三维重建方法研究及其在文物领域中的应用》文中研究说明基于多视图的三维重建是计算机视觉领域的研究热点,在文物保护、虚拟现实、军事作战、医学诊疗等领域都有广阔的应用场景。常见的物理对象通常都会包含弱纹理区域,且弱纹理具有颜色单一、纹理重复、点线特征少、灰度值区别小的特点。当重建对象弱纹理区域的比例较高时,由于图像特征点提取难度大、特征配准精度低、重建时位姿估计误差迭代,模型漂移的问题,现有三维重建方法难以有效地进行特征匹配和三维点云扩展。本文针对包含大量弱纹理区域物体的三维重建算法展开研究,主要工作如下:(1)针对弱纹理图像特征点提取难度大、特征配准精度较低的问题,提出了基于距离与纹理归一化互相关系(Distance and Texture combining Normalized Cross Correlation,DTNCC)的特征提取与匹配。首先结合欧氏距离和纹理特征得到DTNCC归一化互相关系数。其次利用弱纹理区域的自相似性,设计基于DTNCC的最优半径特征点提取算法,提取弱纹理目标更为稠密的特征点。最后利用DTNCC分类出扩散特征队列,在视差梯度和最大向量角的约束下进行扩散匹配,提升特征匹配点对的数量和精确度。(2)针对增量式运动恢复结构(Structure From Motion,SFM)过程中,模型漂移、优化误差效率低的问题,本文提出一种基于弱纹理多视图的SFM优化算法。首先针对重建时弱纹理图像位姿估计误差,采用基于区域曲率二进制描述符(Regional Curvature Binary Descriptor,RCBD)的配准方法对局部误差点云进行配准。在重构达到一定规模后,使用全局捆绑调整消除点云生成过程中存在的偏差,显着提升修正模型漂移的效率和效果。(3)实现基于弱纹理多视图的三维重建,并通过实验验证其在文物保护领域的可行性。采用基于DTNCC的特征提取与匹配为SFM提供高质量的初始参数。采用基于弱纹理多视图的SFM优化算法解决相机位姿求解时的误差累积,减少优化误差时间。该方法能够完成弱纹理目标的点云场景和曲面场景重建,为文物的数字化保护、重建、研究、修复等方面提供了新的研究思路和技术支撑。
吕学庚[4](2019)在《航空发动机叶片流曲面重构及修复方法研究》文中研究说明随着我国航空事业的不断发展,航空发动机叶片的需求量急剧增加,废损叶片的数量也不断攀升。传统的制造、加工和修复方式逐渐无法满足叶片大批量的加工和修复需求,构建集测量和加工于一体的叶片自适应加工与修复系统将成为未来叶片加工和修复的主要趋势。模型重构模块作为叶片自适应加工与修复系统的基础和关键,重构模型的质量优劣将决定叶片的加工质量。本文以叶片自适应加工和修复系统的建立为背景,开展叶片的模型重构和修复相关的理论和方法研究,具有重要的理论意义和实用价值。针对通过超塑成型/扩散连接(SPF/DB)方式制造的叶片毛坯具有精度较高、加工余量较小的特点,采用测量精度较高的接触式测量方式进行叶片的外形测量。在基于接触式测点进行模型重构时,可能会出现因两测点间距离大于叶片法向厚度而导致曲面重构失败的问题,研究叶片单层截面线测点的准确高效排序方法。将单层截面线测点的整体排序转换为局部排序,利用四叉树理论对测点进行区域划分;在分析测点四叉树划分结果的基础上,确定各子区域的结点编码规则,研究相邻区域的搜索算法;开展基于结点编码的子区域排序以及子区域内测点的排序算法研究,实现叶片截面线测点的准确高效排序。在截面线测点正确排序的基础上,本文从叶片的工作环境及其特有的流体功能考虑叶片的曲面重构,开展叶片流曲面重构方法研究。基于叶片进出气缘部位的测点提取,确立叶片进出气缘处的气流方向计算法则;引入四元数,结合其几何意义,研究基于测点的叶片表面速度场构建方法;为了提高叶片流曲面的重构精度,基于构建的叶片表面速度场,研究速度场的细分方法,并由流曲面的定义推导得出叶片流曲面的积分算法。通过流曲面重构实例及CFD数值模拟,验证本文所提出的流曲面重构方法的有效性。以叶片流曲面重构方法为基础,为了有效降低传统的曲面修复方法中存在的不确定性较大的问题,提出基于相邻非损伤截面线迭代变形的曲面修复方法。在非损伤截面线提取过程中,受叶片截面线整体曲率变化较大的影响,叶片不同区域的不同测点密度会导致曲率变化较大的部位插值精度降低。为此,本文将叶片截面线进行分段插值,利用曲线延拓的思想研究曲线的桥接方法。推导曲线二阶几何连续(G2)的约束方程,提出延拓区域的概念,给出延拓区域内最优曲线的桥接算法,实现分段插值曲线段的G2桥接,完成非损伤截面线的提取。在提取非损伤截面线的基础上,设置迭代变形模板,根据叶片曲面的损伤区域大小,建立损伤曲面上测点的密度确定准则;研究非损伤截面线与损伤部位测点的粗配准和精配准算法,实现两者的高精度匹配;基于数域中的仿射变换法则,以损伤部位的测点为变形约束,建立曲线变形时支撑区间内所有控制顶点的移动量分配算法,实现基于非损伤截面线的迭代变形,同时保证曲线变形合理、光滑且误差较小。根据变形曲线与修复截面线的节点矢量对应关系,给出损伤缺失部位的数据点提取方法,进而将提取的数据点与叶片测点融合,通过本文提出的流曲面重构方法实现损伤叶片的流曲面修复。在叶片流曲面重构及修复方法深入研究的基础上,选择合适的三维几何造型平台,自主开发叶片自适应加工与修复系统中的曲面重构与修复模块。通过模块的数据输入和输出功能,模块可通过读入非损伤叶片的测点文件完成叶片的流曲面重构,也可读入损伤叶片的测点文件完成叶片的流曲面修复。此外,模块可通过接口接入叶片自适应加工及修复系统,实现功能扩展。通过软件模块的曲面重构和修复实例,验证本文所开发的曲面重构与修复模块的实用性。
陈明猷[5](2019)在《三维曲面动态变形的重构算法》文中研究说明三维视觉信息是智能机器对外部世界最直观的理解方式。视觉三维重构技术结合了机器视觉与图像处理的特点,能获取感兴趣目标的空间信息,实现高效、精确的非接触测量,已成为国内外学者的研究热点。在工业和农业上,通过视觉方法实现对目标表面动态三维几何信息的获取是完成目标实时监测、质量监控、数据采集等任务的有效途径,能满足生产应用与研究试验的需求,是实现自动化、智能化与安全作业的关键。研究基于立体视觉的动态曲面重构技术可以促进产业智能化,带来重大的社会与经济效益,在现代工业与农业生产中具有重要的研究意义。本文在充分分析目前各视觉系统的特点及相关研究状况的基础上,针对高精度要求研究了在复杂作业环境中的三维动态曲面重构算法。一般来说,对于不同的复杂作业环境下,需要充分分析实际的测量条件,构建合适的视觉系统进行采样并通过合适的算法和策略来完成测量任务。围绕上述基本测量流程,本文重点研究了视觉系统的构建、立体匹配、点云后处理这三个核心环节,探索现有视觉三维重构方案与算法的关键问题及其可能的突破点,以高测量精度为基本出发点,设计出能适用于形状动态变化、特征持续改变与复杂作业环境下的一般三维曲面动态变形重构算法,进一步满足高精度三维动态测量的实际应用需求,为提高现有视觉方法在动态三维重构方面的性能提供理论与技术支持。本文的主要研究工作与创新如下:1)研究和阐述了视觉测量系统相关理论,建立了多目视觉系统模型。详细介绍了经典的单目视觉测量系统与双目视觉测量系统的基本原理并分析其优缺点,在此基础上构建可适用于多种测量环境的多目视觉系统模型,并给出模型关键参数的解算方法。在该多目视觉系统中,每个双目立体视觉系统作为相对独立的组件,视觉信息通过坐标转换实现关联,扩充了视觉系统的视场,能获取较为全面的稠密三维信息,具有较强的适应性、通用性与可扩展性。双目视觉系统的测量精度试验表明,系统的测量误差约为-0.070±0.025mm,最大相对误差不超过0.51%。多目视觉系统的拼接精度试验表明,拼接后代表同一物理位置的点云与理论位置的平均距离偏差约为0.2mm,代表同一物理点的测量样本点间的距离偏差约为0.3mm,表明所构建的多目视觉系统具有较高的测量与拼接精度。2)研究了基于语义分割神经网络的目标图像分割方法,并将其迁移应用至立体匹配预处理问题以提高匹配的质量和效率。阐述了传统图像分割方法及其局限性,简介了语义分割神经网络的基本原理并将其应用于对多目图像的分割任务。训练时,采集大量实际场景中各试件样本进行标记和数据扩充得到训练集,然后训练语义分割网络完成像素级别分类任务。对测试集进行的网络性能评估试验表明,单张图片的前向传播平均用时0.476s,显存占用约2.6Gb,像素精度为0.993±0.002,均像素精度为0.993±0.002,均交并比为0.976±0.005,频权交并比为0.980±0.005,显示出模型的优良分割性能。与传统的图像分割算法相比,该模型具有较强的通用性,在有效降低后续立体匹配的计算量的同时,能较好地保留多视图几何的关键信息,特别是边缘信息,保证了后续所提取的三维点云的精度。3)研究了高精度三维点云后处理算法。分析了高精度测量的要求,创新性地提出了点云校正方法。首先联合采用多种滤波方法得到紧凑平滑的点云,然后求解多目视觉系统模型参数完成点云拼接。在此基础上,重点分析了点云拼接过程中无法避免的误差源,强调了在高精度要求下点云校正操作的必要性,并设计了相应的点云校正算法,对拼接后的点云进行重采样并估计其法向量,然后采用密度聚类与点云配准相结合的方案提高两片点云公共部分的重叠度,为提高现有多目视觉系统的拼接精度与综合测量性能提供一种技术支持。与已有技术相比,上述的点云校正算法以目标表面的特征作为输入,而不需要依赖标准标记物,因而在动态场合下具有更强的自适应性,在光学动态测量与变形参数检测等任务中具有更高的实用价值。点云校正试验表明,对于不同的复杂曲面上的关键几何参数,点云校正算法均使其测量误差下降超过50%以上。4)在复杂工作环境与采样条件下进行了综合性的动态三维重构试验。将处于低周反复循环载荷下的钢管混凝土柱作为试验对象,构建多目视觉系统对其进行动态采样,并综合应用语义分割网络及高精度点云后处理方法对其动态变形的表面进行视觉跟踪。试验结果表明,各采样时刻测量值的平均最大绝对误差为2.54 mm,平均绝对误差为1.27 mm,平均相对误差为0.60%,平均均方根误差为2.15 mm,重构所得模型能够较好地描述复杂三维曲面的几何特征及其动态变形过程,符合工程要求。
武静雯[6](2019)在《基于MVS技术的苗期油菜三维可视化建模》文中研究表明精准施药技术以提高农药利用率,减少环境污染和增强食品安全的显着优势,已经成为当前农业发展的主要趋势。精准施药技术的核心是在于获取田间植株的生长状态信息,如形貌、密度、病虫草害等,并根据植株相互间的生长差异性制定不同的作业措施。而获得植株生长状态信息及其生长差异性的关键步骤是对植株形态结构的三维可视化。植株的三维可视化研究,有机结合了传感器、人工智能、计算机、视觉图像等科学技术,能够精确描述植株的空间结构分布特征,在一定程度上可以反映植株的生长状态,极大地促进了植物三维结构模型的研究应用,为植株形态特征和生理结构功能的可视化研究提供了可靠的技术手段。本文以仿真绿植(绿萝、万年青)为预先研究对象,在确定研究方法后,对苗期油菜(三叶期、四叶期、七叶期、虫害)进行形态模型构建,针对植株的三维形态模型构建和生长参数提取的研究,提出了基于MVS序列图像技术的整株三维形态模型构建方法。利用SIFT算法计算并提取出特征点,对特征点进行SFM和PMVS计算和调整,获得原始的整株植株空间三维点云数据,并对该点云数据做滤波、精简、曲面重建、形态参数计算等处理。本研究为油菜田间精准施药技术的实现提供基础技术,具体开展的研究工作如下:(1)搭建多视角立体视觉系统平台。在分析和研究了多视角数据采集的工作原理,以及相关的相机标定工作的基础上,结合可调控转动平台,设计了以一定速度、角度旋转的多视角立体视觉系统平台。(2)原始植株点云的获取。在综合考虑了基于MVS序列图像的方法和植株结构特性的基础上,通过对目前已有的图像匹配和空间点云数据的获取方法探讨,其中包括SIFT算法的理论、SFM算法的基本概念及应用、PMVS算法及其算法模型的研究,制定了针对于整株油菜的三维形态模型构建方法和生长参数提取的方案。(3)油菜整株三维曲面模型重建技术研究。根据获取的原始植株点云数据,采用了手动和算法相结合的滤波方法,根据油菜叶片形态特性,提出了基于局部曲率的自适应点精简算法,对油菜植株进行去除噪声点和精简点云数据的处理。对于精简后的点云模型做分割处理,三角网格化油菜植株的叶片和杆茎,获得完整的油菜植株曲面模型。(4)植株三维曲面模型的生长参数计算和测量。基于植株三维曲面模型,采用欧氏距离、Hausdorff(豪斯多夫)距离、三角网格累加等方法实现植株生长参数(株高、叶面积、叶长、叶宽、叶倾角)的计算,并根据统计学分析,将模型计算得到的参数与人工实测的数据做精确性评估,从而验证曲面模型的精准度。
张卫龙[7](2019)在《局部信息约束的三维重建方法研究》文中研究表明基于倾斜影像的三维重建技术(倾斜三维重建)是摄影测量与计算机视觉领域中的研究热点,因其灵活、独特的倾斜摄影方式,可以提供更佳的立体像对、更高的空间分辨率、更多的可用观测值和物方侧立面的纹理信息,使得可以仅依靠单一倾斜航空影像源即可完成附有纹理的大场景三维重建任务。相对于其它三维重建手段,如激光扫描和人工建模等,其具有采集数据效率高、适应场景大、成本低、设备要求低的特点,故受到相关学者和行业者的青睐。与此相对应的是倾斜三维重建还具有尺度差异大、辐射差异大、数据量冗余、数据表达冗余、物方边缘点噪动明显、地物结构不突出、纹理不一致性、时间与空间复杂度高等问题,这些问题严重影响了倾斜三维建模的发展,制约了其潜在的发展潜力,限制了三维产品的实时性和逼真性。针对这些问题本文提出局部信息约束的倾斜三维重建方法,充分利用了物方局部信息减少数据量冗余、数据表达冗余,突出物方结构信息。本文的主要研究内容与贡献如下:1)本文围绕倾斜影像三维重建技术,讨论了其优缺点和现阶段急需解决的问题,介绍了倾斜三维重建研究现状、基本理论和关键技术,深入探讨了现有相关算法的核心本质和存在的问题。2)本文针对现有的SIFT算法存在对局部透视变化敏感的特点,提出使用分频技术探测主方向,以弥补大交会角度对梯度直方图统计的影响,另外还利用结构的鲁棒性,使用各向异性的测地距离加权方法代替原有的高斯各向同性的距离加权方法。同时为了减少测地距离控制系数的影响,本文参考ASIFT算法对其系数空间进行采样,以此多层描述子结构来感知物方结构信息。3)本文针对现有多视密集匹配中存在的问题,即观测信息冗余、计算冗余、表达冗余、边缘信息点噪动等,提出首先使用空三稀疏物方点云,探测出每一个参考影像的最优待匹配影像集合,以减少计算复杂度、降低点云融合的空间复杂度;然后利用物方噪声波动具有有限高斯范围的特性,对参考影像的深度图进行过滤、加权优化和补充无效区域,同时弥补和剔除微小孔洞和孤岛,确保深度图的完整性和精确性;紧接着在深度图中对物方局部平面和边缘进行检测,分别对平面区域、边缘区域进行稀疏采样和噪声点剔除,降低点云数据的表达冗余,提高结构区域的点云精度。最终生成低数据冗余、高精度的点云数据。4)本文针对现有的水密构网存在时间复杂度高、网形冗余表达严重、结构不突出等问题。使用顾及点云局部物方信息的软约束图割算法,从低数据冗余、高精度的点云数据构建出初始水密网,然后通过分析曲面网的离散微分几何性质,利用曲率的变化来衡量网简化过程中产生的几何精度损失,以此抵抗跨结构的边塌陷操作,保留边缘精度的同时突出边缘结构,大幅度减少线性分段网的冗余表达和数据量。另外本文认为纹理映射中纹理一致性表达的两个主要影响因素为几何一致性表达和辐射一致性表达。针对倾斜影像带来的辐射畸变和尺度变化,本文首先使用影像模糊检测函数剔除质量不佳的影像,然后使用多标号优化技术,选取清晰、逼真的影像作为物方面元的纹理源,接着使用全局、局部辐射改正方法调整相邻面元的辐射差异,最后通过纹理打包等手段发布三维模型产品。其中为了减少相邻分块区域的纹理辐射差异,提出使用预处理辐射调整函数对影像集进行整体匀光匀色。
刘跃生[8](2019)在《基于适应性克里格的ICP点云对齐算法及应用》文中提出在3D打印、逆向工程和虚拟现实等多领域工程应用中,多视点云对齐是实现三维模型曲面快速、精确重构的基础,同时,其方法也是计算机视觉技术的研究热点之一。近年来,点云对齐算法的研究渐趋成熟,特别地,迭代最近点(Iterative Closest Point,ICP)点云对齐算法及其改进算法在解决小角度错开点云的对齐问题时,具有良好的鲁棒性和对齐精度,是应用最为广泛的点云对齐算法之一。但该类点云对齐算法往往受到点云初始位置影响,对齐精度容易陷入局部最优,无法实现多视点云精确对齐。本文围绕ICP点云对齐算法涉及的初始位置问题进行讨论和研究,通过对不同的点云对齐方法进行归类总结,提出了基于适应性克里格模型的ICP点云对齐算法,主要的内容和创新点包括:1)对传统ICP点云对齐算法的原理及其实现流程进行详细阐述,提出求解初始变换矩阵,是其实现多视点云精确对齐的关键环节;针对初始变换矩阵求解的非凸优化问题,构建了相应的仿真模型及可行域区间,并利用模拟退火算法对该仿真模型寻优,求解出优化的变换矩阵,进而实现ICP点云精确对齐。2)针对模拟退火算法寻优过程中多次调用仿真模型产生的高昂时间成本问题,提出利用克里格响应面拟合并替代模拟退火算法寻优过程中的仿真模型,提高ICP点云优化对齐效率。在此基础上,对实验设计方法、克里格响应面的构建原理及其参数求解问题进行了详细的介绍,并通过测试案例验证了基于克里格的ICP点云对齐算法具有较好的鲁棒性和点云对齐效率。3)为了进一步提高克里格响应面模型重构的稳定性,提出基于自适应采样的克里格响应面,通过设计候选样本集,利用不相关性、空间填充性和克里格响应面预测误差极小等准则确定需自适应增加的候选样本点,适应性构造克里格响应面,通过测试案例验证了基于适应性克里格的ICP点云对齐算法在多视点云对齐应用中具有更高的柔性。4)本文将基于适应性克里格响应面的ICP点云对齐算法应用于理想点云测试案例和多视扫描的斯坦福兔子工程案例中,通过与传统ICP点云对齐算法和RANSAC点云对齐算法进行对比,验证了该算法对于不同初始位置和带高斯噪声的点云对齐问题具有良好的对齐精度和稳定性,并分析讨论了工程案例中多视点云对齐精度及其曲面重构结果,进一步验证了该算法具有一定的工程应用价值。
马国庆,刘丽,于正林,曹国华[9](2019)在《大型复杂曲面三维形貌测量及应用研究进展》文中指出大型复杂曲面因为空间尺度大、结构复杂,因此对其进行测量和检测相对较困难,三维形貌测量技术分辨率高、数据获取速度快,为大型复杂曲面的偏差控制和逆向工程提供了技术保障。分析和综述了大型复杂曲面三维形貌测量及应用研究的进展,论述了目前实现大型复杂曲面三维形貌测量的手段,归纳和总结了目前以及未来几年可用大型复杂曲面三维形貌测量的设备和仪器的特点与应用场合,并对比分析了每种测量设备的优缺点,为正确和广泛应用三维形貌测量设备提供参考,重点介绍了三维点云获取方法及点云处理方法,对点云预处理方法、点云拼接方法所涉及的技术进行归纳总结。最后,对三维形貌测量技术的应用场合进行剖析,认为大型复杂曲面三维形貌测量将向着非接触、自动化方向发展,在发展过程中基于全局坐标的点云拼接、非贴点测量将成为研究的主要方向。
高莎[10](2019)在《溶洞点云数据配准与滤波处理技术研究》文中提出随着空间信息采集技术的高速发展,二维测绘成果已经远远不能满足发展的要求,人们逐渐转向了三维测量技术的研究。地面三维激光扫描技术(Terrestrial Laser Scanning,TLS)是对空间信息采集上的又一项重大突破,它是一种非接触性的测量方式,具有高效性、高精度等特点,并在地形测量、文物保护、变形监测、数字城市、地质灾害的治理等方面得到了广泛的应用。随着空间数据信息的采集方式的改变,外业测量技术得到了快速的发展,而采集到的点云数据的处理技术发展相对缓慢,迫切需要一套快速、精确自动化程度高的数据处理方法来推动三维激光扫描技术发展,使这项技术更加广泛的运用到生产生活中。本文以云南喀斯特地貌中的地下溶洞点云数据为基础,基于地面三维激光扫描技术以及点云数据处理技术的发展现状,对点云数据预处理阶段的配准、滤波、曲面拟合三个主要的技术环节进行研究。首先,基于对地面三维激光扫描技术的原理、应用领域以及扫描仪器设备等知识体系学习,基于对研究对象溶洞的点云数据采集,根据点云数据配准原理,分别组织了基于特征点,基于特征点及特征面结合,以及基于ICP迭代自动配准的三种不同的点云数据配准技术进行实验研究,并通过对三种配准技术方法运用的精度及其优缺点进行对比分析,获得面向溶洞点云数据匹配处理核心技术的应用实证认识,结果得出:总体上,三种不同配准模式下的匹配结果均方根误差(Root Meam Square,RMS)值的精度均都能达到毫米级,但具体就三种配准技术方法应用相比较而言,ICP迭代自动配准方法的精度相对更高,并且工作量相对较小,更推荐应用于溶洞点云数据的配准处理。其次在针对溶洞形态建模的点云数据滤波处理技术方法研究方面,论文研究基于对目前主流的点云滤波去噪方法的学习对比,针对实验区溶洞点云特性,提出了采用区域增长加密三角网的滤波方法应用到溶洞点云数据的滤波处理中,结合Visual Studio2012软件平台,对测区的点云数据进行区域格网的划分,提取每个格网中最低的点作为初始地面点,通过设定的阈值实现点云数据的区域增长。利用I-Site Studio软件平台,开展了面向溶洞的点云数据滤波处理实验研究,结果得出:当区域增长到第三次时该算法已经把噪声点以及部分地物点滤除,并且很好的保留了地形的几何特征;相比其他的滤波方法,该方法比较适用于地形地貌比较复杂的点云数据的滤波,也能够为后期点云数据的曲面构建提供较好的数据基础。最后,针对面向溶洞点云数据进行曲面拟合技术,为了确保数据信息的完整性,把溶洞点云数据大致分为两个部分,分别基于两种不同的软件平台进行曲面的构建,一种是基于I-Site Studio软件平台的地形数据的曲面构建,另一种是基于Geomagic Studio软件平台内部地物数据的曲面构建,最后进行模型数据的整合,得到一个高精度完整的三维模型。实验结果表明:I-Site Studio软件在地形数据曲面构建时比较适用,对曲面拟合要求较高时,采用Geomagic Studio软件平台进行曲面拟合,两种曲面拟合方式的结合可以得到一个精度较高的模型数据,针对不同的曲面拟合对象采用不同的数据拟合方式更加适用于溶洞点云数据的一个模型构建。
二、三维曲面重构与多视匹配技术的研究(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、三维曲面重构与多视匹配技术的研究(论文提纲范文)
(1)基于无人机影像匹配点云数据的人工林冠层模型分割方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 森林资源调查方法现状 |
1.2.2 点云分割方法现状 |
1.3 研究的主要内容与意义 |
1.4 技术路线图及文章结构 |
2 研究区域与技术理论 |
2.1 研究区域概况 |
2.2 倾斜摄影方案 |
2.3 实测数据获取 |
2.4 技术理论 |
2.5 本章小结 |
3 影像匹配点云数据获取及预处理 |
3.1 SIFT算法提取特征点 |
3.2 特征匹配 |
3.3 SFM算法三维重建获取相机参数 |
3.4 PMVS算法获取密集点云 |
3.5 点云数据预处理 |
3.6 结果与分析 |
3.6.1 点云生成结果 |
3.6.2 点云预处理结果 |
3.7 结果分析 |
3.8 本章小结 |
4 点云分割算法及精度对比 |
4.1 点云人工分割及数据集制作 |
4.2 基于深度学习算法的点云分割 |
4.3 基于种子点区域增长算法的点云分割 |
4.4 基于均值漂移算法Mean Shift的点云分割 |
4.5 结果与分析 |
4.6 本章小结 |
结论 |
参考文献 |
附录 |
攻读学位期间发表的学术论文 |
致谢 |
东北林业大学硕士学位论文修改情况确认表 |
(2)多视觉人脸图像的三维建模算法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 多视觉图像重建三维模型技术研究现状 |
1.2.2 三维模型表面重建技术研究现状 |
1.3 本文主要内容及章节安排 |
2 相关理论 |
2.1 三维模型的数据格式分析 |
2.2 针孔相机模型 |
2.3 立体视觉基础 |
2.3.1 对极几何 |
2.3.2 基本矩阵 |
2.3.3 本质矩阵 |
2.4 三维建模算法评价指标 |
3 稀疏点云模型的重建 |
3.1 图像数据获取 |
3.2 图像预处理 |
3.2.1 人脸图像的检测 |
3.2.2 人脸人耳图像的检测 |
3.3 图像特征点检测 |
3.4 图像特征匹配 |
3.4.1 特征粗匹配 |
3.4.2 特征细匹配 |
3.5 SFM算法重建稀疏点云模型 |
3.5.1 求解相机旋转矩阵 |
3.5.2 求解相机平移矩阵 |
3.5.3 光束平差法全局最小化误差 |
3.6 实验结果与分析 |
3.6.1 特征点检测和匹配结果分析 |
3.6.2 3D人脸稀疏点云模型重建结果分析 |
3.6.3 3D人脸人耳稀疏点云模型重建结果分析 |
3.7 本章小结 |
4 稠密点云和模型表面的重建算法研究 |
4.1 MVS算法重建稠密点云模型 |
4.1.1 视图选择 |
4.1.2 估计深度图 |
4.1.3 精细化深度图 |
4.1.4 融合深度图 |
4.2 粗糙表面模型的重建 |
4.3 精细化表面模型的重建 |
4.3.1 网格细分 |
4.3.2 表面精细化 |
4.4 实验结果与分析 |
4.4.1 3D人脸稠密点云和模型表面重建结果分析 |
4.4.2 3D人脸人耳稠密点云和模型表面重建结果分析 |
4.5 本章小结 |
5 全文总结 |
5.1 本文主要工作 |
5.2 有待进一步改进的内容 |
致谢 |
参考文献 |
攻读硕士学位期间的科研成果及参加的科研项目 |
(3)基于弱纹理多视图的三维重建方法研究及其在文物领域中的应用(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.3 论文的主要工作与结构 |
1.3.1 本文主要研究内容 |
1.3.2 本文的主要创新点 |
1.3.3 各章节的具体安排 |
第二章 基于多视图的三维重建理论基础 |
2.1 引言 |
2.2 相机模型及标定 |
2.2.1 针孔成像模型 |
2.2.2 图像畸变 |
2.2.3 相机标定方法 |
2.3 图像的对极关系 |
2.4 特征点提取与匹配方法 |
2.4.1 特征点提取 |
2.4.2 特征点匹配 |
2.5 增量式运动恢复结构 |
2.5.1 运动恢复结构概述 |
2.5.2 种子图像的选择 |
2.5.3 求解三维坐标 |
2.5.4 光束法平差 |
2.6 点云稠密化 |
2.6.1 PMVS算法原理 |
2.6.2 PMVS算法步骤 |
2.7 本章小结 |
第三章 弱纹理特征提取与匹配 |
3.1 引言 |
3.2 基于DTNCC的特征提取与匹配 |
3.3 图像预处理 |
3.4 基于DTNCC的特征点提取 |
3.4.1 弱纹理区域的自相似性 |
3.4.2 弱纹理提取算子的尺度不变性 |
3.4.3 弱纹理提取算子的区域半径 |
3.5 基于DTNCC的特征扩散匹配 |
3.5.1 特征初始匹配 |
3.5.2 特征扩散匹配 |
3.6 实验结果与分析 |
3.7 本章小结 |
第四章 基于弱纹理多视图的SFM优化算法研究 |
4.1 引言 |
4.2 基于弱纹理多视图的SFM优化算法 |
4.3 基于RCBD的局部误差点云配准 |
4.3.1 常用的三维点云配准 |
4.3.2 基于RCBD的点云配准 |
4.4 全局BA |
4.5 实验结果与分析 |
4.5.1 基于RCBD的点云配准分析 |
4.5.2 基于弱纹理多视图的SFM优化算法分析 |
4.6 本章小结 |
第五章 基于弱纹理多视图的文物三维重建 |
5.1 引言 |
5.2 实验环境搭建 |
5.3 文物重建结果与分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 本文主要工作 |
6.2 展望 |
参考文献 |
攻读硕士学位期间取得的科研成果 |
致谢 |
(4)航空发动机叶片流曲面重构及修复方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 曲面重构技术研究现状 |
1.2.1 显式曲面重构方法 |
1.2.2 隐式曲面重构方法 |
1.2.3 基于机器视觉的重构方法 |
1.2.4 曲面重构的优化算法 |
1.2.5 曲面重构方法的研究现状总结 |
1.3 航空发动机叶片曲面重构方法研究现状 |
1.3.1 叶片曲面重构的截面线放样法 |
1.3.2 基于点云数据的叶片曲面重构方法 |
1.3.3 叶片曲面重构研究现状总结 |
1.4 航空发动机叶片曲面修复方法研究现状 |
1.4.1 基于截面线重构的叶片曲面修复方法 |
1.4.2 基于反求系统的叶片曲面修复方法 |
1.4.3 叶片曲面修复的研究现状总结 |
1.5 本文的主要研究内容 |
第2章 基于接触式测量的叶片截面线测点排序算法 |
2.1 引言 |
2.2 测点区域的四叉树划分 |
2.2.1 测点的采集与预处理 |
2.2.2 测点的区域划分 |
2.3 子区域的结点编码规则及其排序算法 |
2.3.1 子区域结点编码法的编码规则 |
2.3.2 相邻区域搜索算法 |
2.4 基于子区域排序的单层截面线测点排序算法 |
2.4.1 子区域的结点编码排序法 |
2.4.2 单层叶片截面线测点排序算法 |
2.5 测点排序算法验证及结果分析 |
2.5.1 叶片测点排序实例及分析 |
2.5.2 呈月牙形排布的数据点排序实例 |
2.6 本章小结 |
第3章 航空发动机叶片流曲面重构方法研究 |
3.1 引言 |
3.2 叶片曲面的表面速度场构建 |
3.2.1 进出气缘速度切向的确定 |
3.2.2 叶片表面的测点速度场构建 |
3.3 叶片表面气流的速度场细分算法 |
3.3.1 速度场中速度向量的细分算法 |
3.3.2 积分区间的确定 |
3.4 基于气流速度场构建及其细分的流曲面重构 |
3.5 流曲面重构实例及其流体动力学仿真和比较 |
3.5.1 流曲面重构实例 |
3.5.2 重构流曲面的精度评价 |
3.5.3 流体动力学仿真及结果的比较和分析 |
3.6 本章小结 |
第4章 基于相邻截面线迭代变形的损伤叶片流曲面修复方法 |
4.1 引言 |
4.2 叶片非损伤截面线的提取 |
4.2.1 截面线弧段的插值反算 |
4.2.2 各截面线弧段满足G~2连续的延拓桥接法 |
4.2.3 非损伤截面线弧段的桥接实例 |
4.3 叶片曲面修复中测点密度的确定 |
4.4 非损伤截面线与损伤区域测点的配准算法 |
4.4.1 非损伤截面线与损伤区域测点的粗配准 |
4.4.2 非损伤截面线与损伤区域测点的精配准 |
4.5 截面线的迭代变形及叶片流曲面修复 |
4.5.1 非损伤截面线的迭代变形 |
4.5.2 损伤缺失区域的数据点提取及流曲面修复 |
4.6 曲线桥接及叶片曲面修复实例与比较分析 |
4.6.1 曲线桥接实例及分析 |
4.6.2 叶片流曲面修复实例及分析比较 |
4.7 本章小结 |
第5章 叶片自适应加工系统流曲面重构及修复模块的软件实现 |
5.1 引言 |
5.2 叶片流曲面重构及修复模块的功能分析 |
5.3 叶片流曲面重构及修复模块的开发 |
5.3.1 开发环境及其简介 |
5.3.2 模块的开发流程 |
5.3.3 系统设计与实现 |
5.3.4 模块的工作流程 |
5.4 叶片流曲面重构及修复实例 |
5.4.1 流曲面重构实例 |
5.4.2 叶片曲面修复实例 |
5.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(5)三维曲面动态变形的重构算法(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题来源 |
1.2 研究背景和目的 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 国内外研究现状总结 |
1.4 研究内容 |
1.4.1 主要研究内容 |
1.4.2 技术路线 |
1.5 本章小结 |
2 视觉测量系统研究 |
2.1 单目视觉系统 |
2.1.1 线性模型 |
2.1.2 非线性模型 |
2.1.3 单目视觉模型求解 |
2.2 双目视觉系统 |
2.2.1 双目测量模型 |
2.2.2 对极几何 |
2.2.3 稠密三维点云的获取 |
2.2.4 双目视觉系统的局限性 |
2.3 多目视觉系统的构建 |
2.3.1 多目视觉系统基本架构 |
2.3.2 多目视觉系统模型求解 |
2.4 本章小结 |
3 立体匹配预处理算法研究 |
3.1 立体匹配概述 |
3.1.1 立体匹配的分类 |
3.1.2 立体匹配的约束条件 |
3.1.3 立体匹配的一般步骤 |
3.2 图像分割方法 |
3.2.1 经典图像分割方法及其局限性 |
3.2.2 基于卷积神经网络的图像变形分割方法 |
3.3 语义分割深度卷积神经网络 |
3.3.1 基本原理与架构 |
3.3.2 样本组成与扩充 |
3.4 语义分割网络模型性能评估 |
3.4.1 语义分割的常用性能评判标准 |
3.4.2 语义分割的精度指标 |
3.5 本章小结 |
4 高精度点云后处理算法研究 |
4.1 点云滤波 |
4.1.1 点云去噪 |
4.1.2 点云平滑 |
4.2 点云拼接 |
4.2.1 多视角点云的坐标关联 |
4.2.2 点云拼接存在的问题 |
4.3 点云校正 |
4.3.1 点云重采样与法线估计 |
4.3.2 OPTICS聚类 |
4.3.3 点云配准 |
4.4 曲面重建 |
4.5 本章小结 |
5 试验与分析 |
5.1 静态试验 |
5.1.1 双目视觉系统测量精度试验 |
5.1.2 多目视觉系统点云拼接精度试验 |
5.1.3 语义分割网络的性能评估试验 |
5.1.4 静态点云校正试验 |
5.2 动态变形视觉跟踪试验 |
5.2.1 试验设备 |
5.2.2 标准值与视觉测量值的获取 |
5.2.3 动态试验结果 |
5.3 本章小结 |
6 总结和展望 |
6.1 论文总结 |
6.2 展望 |
致谢 |
参考文献 |
附录 A 硕士期间科研成果 |
附录 B 本文相关试验数据 |
(6)基于MVS技术的苗期油菜三维可视化建模(论文提纲范文)
致谢 |
摘要 |
Abstract |
第一章 引言 |
1.1 研究背景与内容 |
1.2 油菜生长模型及油菜形态模型的国内外研究现状 |
1.2.1 油菜生长模型 |
1.2.2 油菜形态模型 |
1.3 本文研究目标与研究内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.4 研究路线 |
1.5 本章小结 |
第二章 基于MVS序列图像的三维点云生成 |
2.1 MVS技术 |
2.2 MVS图像采集平台的设计与搭建 |
2.3 序列图像采集和处理 |
2.3.1 相机标定 |
2.3.2 特征点计算与匹配 |
2.3.3 三维点云数据的获取 |
2.4 试验结果与分析 |
2.4.1 相机标定试验结果 |
2.4.2 序列图像采集与特征点计算匹配结果 |
2.4.3 三维点云生成试验结果 |
2.5 本章小结 |
第三章 三维点云数据曲面重建 |
3.1 三维点云曲面重建的意义 |
3.2 点云数据滤波 |
3.2.1 兴趣无关点移除 |
3.2.2 散乱离群点去除 |
3.2.3 点云数据平滑 |
3.2.4 点云滤波结果与分析 |
3.3 点云数据精简 |
3.4 基于点云数据的植株三维曲面重建 |
3.4.1 voronoi图概念 |
3.4.2 贪婪投影三角化算法 |
3.4.3 Bowyer-Watson算法 |
3.4.4 植株曲面重建试验结果与分析 |
3.5 本章小结 |
第四章 植株生长参数的提取和模型精度测量 |
4.1 植株生长参数提取 |
4.1.1 株高测量 |
4.1.2 叶倾角测量 |
4.1.3 叶面积测量 |
4.1.4 叶长、叶宽测量 |
4.2 试验测量结果与模型精度分析 |
4.2.1 叶面积精度评估 |
4.2.2 叶长、叶宽精度评估 |
4.2.3 叶倾角精度评估 |
4.2.4 株高精度评估 |
4.3 本章小结 |
第五章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
个人简介 |
(7)局部信息约束的三维重建方法研究(论文提纲范文)
论文创新点 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 稀疏匹配 |
1.2.2 密集匹配 |
1.2.3 三维构网 |
1.2.4 网优化 |
1.2.5 纹理映射 |
1.3 研究目标和内容 |
1.4 论文结构与内容安排 |
2 各向异性的特征不变量MOSIFT |
2.1 特征不变量 |
2.1.1 不变量的定义 |
2.1.2 不变量的分类 |
2.1.3 特征不变量的生成 |
2.2 倾斜影像中特征提取的问题 |
2.3 顾及局部结构信息的特征提取 |
2.3.1 特征主方向探测 |
2.3.2 各向异性加权 |
2.4 粗差剔除 |
2.4.1 向量场一致性检测 |
2.4.2 基于邻域图的方法 |
2.5 运动恢复结构 |
2.6 实验与分析 |
2.7 本章小结 |
3 顾及局部特征的密集匹配 |
3.1 密集匹配基础 |
3.1.1 P矩阵的潜在几何意义 |
3.1.2 密集匹配的过程 |
3.1.3 密集匹配方法分类 |
3.2 基于倾斜影像的多视密集匹配问题 |
3.3 多视密集匹配的深度图计算 |
3.3.1 影像对的拣选 |
3.3.2 深度图与法向量图的初始化 |
3.3.3 深度图与法向量图的优化 |
3.4 深度图的滤波 |
3.4.1 剔除粗差像素 |
3.4.2 遮挡与侵占空间理论 |
3.4.3 弥补漏洞 |
3.5 顾及局部信息的点云融合 |
3.5.1 顾及物方信息的融合 |
3.5.2 物方平面检测 |
3.5.3 剔除边缘不稳定点 |
3.6 实验与分析 |
3.7 本章小结 |
4 水密网构建与网的特征简化 |
4.1 常见的构网方法 |
4.1.1 隐式构网方法 |
4.1.2 显式构网方法 |
4.2 软约束的构网方法 |
4.2.1 软约束的图割构网 |
4.2.2 顾及结构的网优化 |
4.3 基于局部微分信息的简化 |
4.3.1 微分初步 |
4.3.2 网的微分几何 |
4.3.3 网的简化 |
4.3.4 网的修补 |
4.4 网的合并 |
4.4.1 分段线性复形 |
4.4.2 限制性Delaunay构网 |
4.4.3 基于图割的网合并 |
4.5 实验与分析 |
4.6 本章小结 |
5 倾斜影像纹理映射与实验 |
5.1 影像的预处理 |
5.1.1 块间匀色匀光 |
5.1.2 影像模糊检测 |
5.2 纹理映射 |
5.2.1 遮挡探测 |
5.2.2 面元纹理的选择 |
5.2.3 面元纹理的匀光匀色 |
5.3 模型发布 |
5.3.1 面元纹理的编辑 |
5.3.2 纹理打包 |
5.3.3 pagedLOD的生成 |
5.4 实验分析与对比 |
5.5 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读博士期间取得的学术成果 |
致谢 |
(8)基于适应性克里格的ICP点云对齐算法及应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与课题来源 |
1.2 国内外研究现状 |
1.2.1 点云对齐方法 |
1.2.2 响应面方法 |
1.2.3 试验设计方法 |
1.3 本文主要研究内容 |
1.3.1 主要研究内容 |
1.3.2 全文组织结构 |
1.4 本章小结 |
第二章 ICP点云优化对齐 |
2.1 传统ICP点云对齐算法 |
2.1.1 变换矩阵求解 |
2.1.2 算法流程 |
2.1.3 测试案例 |
2.2 点云初始位置优化 |
2.2.1 可行域区间分析 |
2.2.2 仿真模型构建 |
2.3 寻优算法 |
2.3.1 寻优算法选择 |
2.3.2 模拟退火算法 |
2.4 ICP点云优化对齐算法 |
2.4.1 算法流程 |
2.4.2 测试案例 |
2.5 本章小结 |
第三章 全局克里格代理模型拟合 |
3.1 试验设计方法 |
3.1.1 中心复合试验设计 |
3.1.2 Box-Behnken试验设计 |
3.1.3 拉丁超立方试验设计 |
3.2 克里格响应面 |
3.2.1 克里格插值原理 |
3.2.2 泛克里格响应面 |
3.2.3 先验模型参数求解 |
3.3 基于克里格的ICP点云对齐算法 |
3.3.1 算法流程 |
3.3.2 测试案例 |
3.4 本章小结 |
第四章 适应性克里格代理模型构建 |
4.1 自适应采样方法 |
4.1.1 候选样本集 |
4.1.2 损失函数 |
4.1.3 交叉验证 |
4.1.4 权值求解 |
4.2 适应性克里格响应面 |
4.3 基于适应性克里格的ICP点云对齐算法 |
4.3.1 算法流程 |
4.3.2 测试案例 |
4.4 本章小结 |
第五章 实验案例 |
5.1 实验设计及准备 |
5.2 理想点云对齐实验 |
5.2.1 点云初始位置分析 |
5.2.2 算法鲁棒性分析 |
5.3 多视点云工程案例 |
5.3.1 多视点云对齐结果分析 |
5.3.2 曲面拟合精度分析 |
5.4 本章小结 |
总结与展望 |
全文总结 |
课题展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
(9)大型复杂曲面三维形貌测量及应用研究进展(论文提纲范文)
1 引言 |
2 大尺寸三维形貌测量设备分析 |
2.1 三坐标测量机 |
2.2 关节式测量臂 |
2.3 IGPS测量系统 |
2.4 激光跟踪仪 |
2.5 经纬仪测量系统 |
2.6 全站仪测量系统 |
2.7 激光雷达测量系统 |
2.8 数字摄影测量系统 |
2.9 机器人形貌测量系统 |
2.1 0 各系统对比分析 |
3 三维点云获取方法及点云处理 |
3.1 点云数据获取方式 |
3.2 点云预处理 |
3.3 点云多视数据拼接 |
3.3.1 拼接策略 |
3.3.2 拼接方式 |
3.3.3 拼接方法 |
3.3.3. 1 基于约束拼接 |
3.3.3. 2 自由拼接方法 |
3.4 曲面重构 |
4 三维形貌测量技术的应用 |
4.1 逆向工程领域的应用 |
4.2 快速模具制造领域的应用 |
4.3 医疗辅助诊断领域的应用 |
4.4 产品的数字化检测和偏差控制 |
4.5 虚拟现实 |
5 结论 |
(10)溶洞点云数据配准与滤波处理技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究的背景及意义 |
1.1.1 研究的背景 |
1.1.2 研究的意义 |
1.2 国内外研究现状 |
1.2.1 三维激光技术的研究进展 |
1.2.2 点云数据处理的研究进展 |
1.2.3 应用领域展望 |
1.3 论文研究内容与结构组织 |
1.3.1 论文研究内容 |
1.3.2 论文的结构组织 |
1.4 技术路线 |
1.5 本章小结 |
第2章 喀斯特溶洞的点云数据采集 |
2.1 研究技术应用基础理论:地面三维激光扫描系统技术 |
2.1.1 测距原理 |
2.1.2 技术优势 |
2.1.3 数据特点 |
2.2 溶洞点云数据采集仪器条件 |
2.2.1 I-Site8200SR地面三维激光扫描仪 |
2.2.2 扫描仪精度检校实验 |
2.3 实验区及扫描测绘对象 |
2.3.1 实验区概况 |
2.3.2 扫描测绘溶洞对象 |
2.4 面向溶洞的点云数据采集方案 |
2.4.1 扫描前期准备工作 |
2.4.2 溶洞点云数据扫描 |
2.5 本章小结 |
第3章 面向溶洞的多站点云数据配准技术应用研究 |
3.1 面向溶洞多站点云数据的配准框架 |
3.2 基于同名点对的溶洞点云数据配准技术实验 |
3.2.1 基于同名点对点云数据的配准方法概述 |
3.2.2 同名点对获取 |
3.2.3 基于同名点对数据配准实验 |
3.3 基于同名点-面结合的溶洞点云数据配准技术实验 |
3.3.1 基于同名点-面结合的点云数据的配准方法概述 |
3.3.2 同名面的获取 |
3.3.3 基于同名点-面结合的数据配准实验 |
3.4 基于ICP算法的溶洞点云数据配准技术实验 |
3.4.1 基于ICP算法点云数据的配准方法概述 |
3.4.2 点云数据ICP算法配准实验 |
3.5 三种不同配准技术下的溶洞点云配准精度对比分析 |
3.6 本章小结 |
第4章 面向溶洞的点云数据滤波去噪技术应用研究 |
4.1 溶洞点云数据的噪声分析及处理 |
4.1.1 产生噪声的原因 |
4.1.2 不同类型噪声的处理 |
4.2 散乱点云数据的滤波去噪及对比 |
4.2.1 移动窗口的滤波 |
4.2.2 迭代最小二乘滤波 |
4.2.3 基于坡度变化的滤波算法 |
4.2.4 基于三角网逐步加密的滤波算法 |
4.2.5 几种滤波算法的对比 |
4.3 溶洞点云数据的区域三角网逐步加密滤波实验与分析 |
4.3.1 原始点云数据的粗差剔除 |
4.3.2 初始地面点的提取 |
4.3.3 不规则三角网的建立 |
4.3.4 实验分析 |
4.4 本章小结 |
第5章 面向溶洞的点云数据曲面拟合技术应用研究 |
5.1 基于I-Site Studio软件地形数据的三维重建 |
5.1.1 点云数据分离 |
5.1.2 三角网的建立 |
5.1.3 复杂曲面的拟合 |
5.2 基于Geomagic Studio地物数据的重建 |
5.2.1 点阶段 |
5.2.2 多边形阶段 |
5.2.3 曲面重建阶段 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
附录 A 研究生期间发表论文 |
附录 B 点云数据滤波部分算法 |
四、三维曲面重构与多视匹配技术的研究(论文参考文献)
- [1]基于无人机影像匹配点云数据的人工林冠层模型分割方法研究[D]. 胡晓宇. 东北林业大学, 2021(08)
- [2]多视觉人脸图像的三维建模算法研究[D]. 张艳花. 西安科技大学, 2021
- [3]基于弱纹理多视图的三维重建方法研究及其在文物领域中的应用[D]. 恒一陟. 西北大学, 2020(02)
- [4]航空发动机叶片流曲面重构及修复方法研究[D]. 吕学庚. 哈尔滨工业大学, 2019(02)
- [5]三维曲面动态变形的重构算法[D]. 陈明猷. 华南农业大学, 2019
- [6]基于MVS技术的苗期油菜三维可视化建模[D]. 武静雯. 安徽农业大学, 2019(05)
- [7]局部信息约束的三维重建方法研究[D]. 张卫龙. 武汉大学, 2019(06)
- [8]基于适应性克里格的ICP点云对齐算法及应用[D]. 刘跃生. 广东工业大学, 2019(02)
- [9]大型复杂曲面三维形貌测量及应用研究进展[J]. 马国庆,刘丽,于正林,曹国华. 中国光学, 2019(02)
- [10]溶洞点云数据配准与滤波处理技术研究[D]. 高莎. 昆明理工大学, 2019(04)