基于大规模点云数据的三维地形表面重建及其并行化的实现

《基于大规模点云数据的三维地形表面重建及其并行化的实现》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:P2810710-2015126055硕士学位论文基于大规模点云数据的三维地形表面重建及其并行化的实现张文腾导师姓名职称崔建军副教授申请学位类别工学硕士学科专业名称地图制图学与地理信息工程论文提交日期2018年4月23日论文答辩日期2018年5月29日学位授予单位长安大学Reconstructionof3DTerrainBasedonLargeScalePointCloudDataandItsParallelizationAThesisSubmittedfortheDegreeofMasterCandida

2、te：ZhangWentengSupervisor：AssociateProf.CuiJianjunChang’anUniversity,Xi’an,China摘要三维地形表面重建是将地表真实形态作为一种三维视觉模型在计算机中完成可视化的技术；目前比较流行的方法是以点云为基础进行地表模型重建；而获取地形点云的主要手段除了传统的激光雷达扫描之外，还有基于倾斜摄影测量航片做计算的特征提取方法，后者以其作业方式更加廉价、处理算法更加灵活等优势，受到了越来越多的重视；在这样的点云数据基础上，结合这样的需求情况，选择一种与地

3、形点云相适应的高质量重建方法，就显得尤为重要了。本文从大规模地形点云表面重建着手，分析了包括基于Delaunay三角剖分和基于泊松公式的两种重建方法，对比两者在地形重建上的表现，分析其优势与不足，最后选取泊松重建算法进行重点研究分析，并在现有重建算法的基础上加入并行化计算来适应于大规模地形点云的数据特点，以期提高算法在该类数据上的表现效果。本文主要研究工作有：（1）梳理地形点云的概念，分类研究地形点云的获取方法，并根据所应用格式，给出具有代表性的点云处理库应用接口；（2）从数学层面和算法层面两个角度分析了Delau

4、nay三角剖分和泊松重建方法，从理论上研究两种重建方法的优缺情况，并讨论它们对于地形点云数据重建的适用性，同时实际对比了两种算法在该类数据上的重建效果；（3）在研究理解并行原理的基础上，选择对泊松重建进行并行化改进，并根据地形数据特性，完成泊松算法并行方案；（4）搭建相应平台，选择70万级点云作为实验数据，查看并行化算法运行实际情况，主要包括检验并行化之后的算法是否在模型细节上有所丢失，时间成本上是否有所降低。关键词：点云获取，点云数据，表面重建，泊松重建，并行处理IAbstractThesurfacerecons

5、tructionofthree-dimensionalterrainisatechniquetovisualizetherealsurfacemorphologyasathree-dimensionalvisualmodelinthecomputer;thecurrentpopularmethodistoreconstructthesurfacemodelbasedonthepointcloud;themainmeanstoobtaintheterrainpointcloudisinadditiontothetra

6、ditionalInadditiontoLidarscans,therearealsofeatureextractionmethodsbasedonobliquephotogrammetrymeasurements.Thelatterhasgainedmoreandmoreattentionduetoitsadvantagesofcheaperoperationmethodsandmoreflexibleprocessingalgorithms;atsuchpointsOnthebasisofclouddata,c

7、ombiningsuchdemandconditions,itisparticularlyimportanttochooseahigh-qualityreconstructionmethodthatiscompatiblewiththeterrainpointcloud.Thispaperstartswiththesurfacereconstructionoflarge-scalepointcloud,analyzestworeconstructionmethodsbasedonDelaunaytriangulat

8、ionandPoissonformula,comparestheirperformanceonterrainreconstruction,analyzestheiradvantagesanddisadvantages,andfinallyselectsPoisson.Thereconstructionalgorithmcarriesoutthekeyrese