基于三维激光扫描的粮仓储量测量中点云数据处理技术的研究——硕士论文

基于三维激光扫描的粮仓储量测量中点云数据处理技术的研究——硕士论文

ID:28664968

大小:3.04 MB

页数:78页

时间:2018-12-12

基于三维激光扫描的粮仓储量测量中点云数据处理技术的研究——硕士论文_第1页
基于三维激光扫描的粮仓储量测量中点云数据处理技术的研究——硕士论文_第2页
基于三维激光扫描的粮仓储量测量中点云数据处理技术的研究——硕士论文_第3页
基于三维激光扫描的粮仓储量测量中点云数据处理技术的研究——硕士论文_第4页
基于三维激光扫描的粮仓储量测量中点云数据处理技术的研究——硕士论文_第5页
资源描述:

《基于三维激光扫描的粮仓储量测量中点云数据处理技术的研究——硕士论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号:学校代码:密级:学号:EastChinaNormalUniversity硕士学位论文MASTER’SDISSERTATION论文题目:基于三维激光扫描的粮仓储量测量中点云数据处理技术的研究院系:信息科学技术学院专业:通信与信息系统研究方向:激光雷达数据处理指导教师:学位申请人:年月日华东师范大学硕士学位论文内容摘要三维激光扫描仪(又称“激光雷达”)能够快速、有效地获取空间点的三维坐标,产生场景的离散点云数据。基于激光雷达以及点云数据处理的技术在机器视觉、地形扫描和三维场景重建等领域有着广泛的应用前景。本文

2、重点研究三维点云数据的处理技术,并将其应用于大型粮食仓库的清仓查库工作中,以克服现有的人工丈量方法所面临的低效率、低精度和高成本等问题。本文主要研究成果以及创新工作体现在以下几处:首先,在多站位点云的配准阶段,提出了一种基于二维图像SIFT(Scale-InvariantFeatureTransform)算法的三维点云特征提取算法,配合快速点特征直方图(FPFH,FastPointFeatureHistograms)描述子,对点云进行“粗配准”。对只含有点空间坐标值的点云数据,本文利用点云表面的几何特征为点添加一

3、个额外字段,用于特征搜索,使此类点云数据适用于改进的SIFT算法。此外,还对原SIFT算法进行了一定的修改和简化,降低了精度要求,提高了计算速度。在“精配准”阶段,使用了比较成熟的迭代最近点算法(ICP,IterativeClosestPoint)。其次,本文改进了点云的可视化及操控方案,直接采用了OpenGL接口函数来编写底层的显示程序。与点云库PCL提供的基于VTK库的点云可视化模块相比,在显示性能上有明显的提高,支持多种格式的点云数据;在平台兼容性方面也优于后者,能更好地与桌面应用程序融合。针对粮仓点云数据

4、,本可视化方案还增设了一些实用的渲染功能,如实现点云按场景高度进行颜色渐变渲染,分割后进行类别渲染等。最后,本文设计和开发了粮仓点云数据综合处理显示软件,设计了完整的流程处理算法,并采用河北清苑粮仓的实测数据进行实验验证。通过该软件处理得到的粮仓体积与经人工丈量所得的数据相差约2%。由于人工丈量是将粮仓当作标准形状计算,所以软件的实际误差应该更小,该软件将可应用于大型粮仓的存储体积计算工作中。关键词:三维激光扫描仪,LiDAR,点云配准,SIFT算法,OpenGL可视化,粮仓体积测量。III华东师范大学硕士学位论

5、文ABSTRACTLaserscanningorLiDARisanactiveremotesensingtechnologywhichhastheadvantageofdirectlymeasuringthethree-dimensional(3D)coordinatesofthepointsfromalarge-scalescene.Itcanbeappliedinmanyfieldslikemachinevision,landscapescanning,3Dreconstruction,etc.Inthist

6、hesis,thistechnologyisutilizedtoperform3Dmodelingandvolumemeasurementofbulkgrainstoredinlargebins.Theinnovationsandcontributionsofthisthesisaremainlyreflectedinthefollowingaspects:1.Thisthesisproposesanefficientpointcloudregistrationschemesuitableforgranaryme

7、asurementapplications.AfeatureextractionalgorithmbasedonSIFT(Scale-InvariantFeatureTransformation)technologywithFPFH(FastPointFeatureHistograms)descriptorsisadaptedforthe3Dpointcloudscenarioandusedforcoarseregistration.Thefineregistrationstageemploysthefamous

8、ICP(IterativeClosestPoint)algorithm.InordertomaketheconventionalSIFTtechnologyapplicabletopointclouddatacontainingonlythe3Dcoordinatesinformation,amodifiedSIFTalgorithmadoptingthepoint’ss

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。