基于三維激光掃描的點(diǎn)云數(shù)據(jù)逆向重建算法研究.pdf

1、近年來，隨著三維激光掃描技術(shù)的發(fā)展，被廣泛應(yīng)用于測(cè)量學(xué)、工業(yè)控制等領(lǐng)域。由于點(diǎn)云數(shù)據(jù)有存儲(chǔ)方便，計(jì)算靈活的特點(diǎn)，其已經(jīng)成為計(jì)算機(jī)圖形學(xué)中一種重要的元數(shù)據(jù)形式。而點(diǎn)云逆向重建是點(diǎn)云計(jì)算中的一項(xiàng)重要技術(shù)，隨著激光掃描技術(shù)的發(fā)展以及掃描對(duì)象曲面的復(fù)雜化，其海量點(diǎn)云數(shù)據(jù)又為點(diǎn)云數(shù)據(jù)逆向重建帶來了新的挑戰(zhàn)。
　　本文在詳細(xì)研究了近幾年點(diǎn)云數(shù)據(jù)逆向重建技術(shù)的基礎(chǔ)上，針對(duì)海量的、雜亂的點(diǎn)云數(shù)據(jù)在逆向重建過程中存在的若干關(guān)鍵問題展開研究。首先，利

2、用三維激光掃描儀實(shí)現(xiàn)海量點(diǎn)云數(shù)據(jù)獲取，并以點(diǎn)云數(shù)據(jù)形式存儲(chǔ)被測(cè)對(duì)象表面信息。其次，對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行不確定性分析、區(qū)域分割、數(shù)據(jù)精簡(jiǎn)等預(yù)處理操作。最終，依靠曲面重建算法實(shí)現(xiàn)被測(cè)對(duì)象的數(shù)據(jù)反演。具體研究工作內(nèi)容如下：
　　(1)研究點(diǎn)云數(shù)據(jù)的不確定性表征重點(diǎn)研究在實(shí)際測(cè)量過程中，掃描設(shè)備誤差以及環(huán)境等因素與測(cè)量數(shù)據(jù)不精確的關(guān)系。為了能夠量化原始測(cè)量數(shù)據(jù)的不精確度，并令其參與到點(diǎn)云數(shù)據(jù)的計(jì)算過程中，本文重點(diǎn)研究點(diǎn)云不確定性的表示模型，進(jìn)而

3、研究如何利用貝葉斯推理技術(shù)，量化整個(gè)測(cè)量空間點(diǎn)云數(shù)據(jù)的不確定度。
　　(2)研究點(diǎn)云數(shù)據(jù)聚類分割算法在海量點(diǎn)云數(shù)據(jù)的分割過程中，聚類算法的執(zhí)行效率成為系統(tǒng)實(shí)施的瓶頸。面對(duì)海量的點(diǎn)云數(shù)據(jù)，本文以K-means聚類算法為基礎(chǔ)，研究點(diǎn)云數(shù)據(jù)的區(qū)域分割技術(shù)。為了有效地提高聚類算法的執(zhí)行效率，減少算法迭代次數(shù)，本文引入了點(diǎn)云密度的概念，在K-means聚類簇的基礎(chǔ)上，研究簇密度的估算模型以及簇中心的調(diào)整方法。
　　(3)研究保留特征的

4、點(diǎn)云數(shù)據(jù)精簡(jiǎn)算法為了壓縮點(diǎn)云數(shù)據(jù)量，提高三維曲面建模的速度，本文研究保留曲面特征的點(diǎn)云數(shù)據(jù)精簡(jiǎn)算法。從點(diǎn)云數(shù)據(jù)的局部微分幾何特征出發(fā)，以自然二次曲面作為點(diǎn)云數(shù)據(jù)模型，研究點(diǎn)云數(shù)據(jù)模型與點(diǎn)云數(shù)據(jù)之間的匹配關(guān)系；在點(diǎn)云數(shù)據(jù)與點(diǎn)云模型匹配關(guān)系的基礎(chǔ)上，依據(jù)點(diǎn)云模型的曲面特征，研究如何分層次的實(shí)現(xiàn)保留幾何特征的點(diǎn)云數(shù)據(jù)精簡(jiǎn)的方法。
　　(4)研究點(diǎn)云曲面重建算法為了能夠精準(zhǔn)地完成點(diǎn)云曲面重建工作，本文研究泊松曲面重建算法。八叉樹的深度值直