19825.建筑物lidar點云數(shù)據(jù)特征檢測及配準(zhǔn)關(guān)鍵技術(shù)研究

1、簍關(guān)大學(xué)碩士學(xué)位論文建筑物L(fēng)iDAR點云數(shù)據(jù)特征檢測及配準(zhǔn)關(guān)鍵技術(shù)研究ResearchonKeyTechniquesofBuildingLiDARPointCloudDataFeatureDetectionandRegiStration建筑物L(fēng)iDAR點云數(shù)據(jù)特征檢測及配準(zhǔn)關(guān)鍵技術(shù)研究摘要點云數(shù)據(jù)特征檢測和配準(zhǔn)技術(shù)是當(dāng)前的研究熱點。本文圍繞點云數(shù)據(jù)的特征檢測和配準(zhǔn)問題，主要研究了建筑物L(fēng)iDAR點云數(shù)據(jù)邊緣特征點的檢測、建筑物水平和垂直

2、邊緣提取、點云配準(zhǔn)等問題。主要工作如下：1、實現(xiàn)了對點云數(shù)據(jù)kdtree的管理，研究了建樹和搜索k近鄰點的效率。為建立各數(shù)據(jù)點之間拓?fù)溧徑P(guān)系，本文首先用二分法建立kdtree，并實現(xiàn)了三維點云數(shù)據(jù)k鄰域搜索。研究了數(shù)據(jù)量與建樹時間以及數(shù)據(jù)量與k近鄰搜索效率之間的關(guān)系。研究表明，隨著數(shù)據(jù)量的增加，建樹時間和搜索k近鄰點的時間，均呈線性增長關(guān)系。2、提出一種基于多結(jié)構(gòu)估計的建筑物點云數(shù)據(jù)水平和垂直邊緣提取算法。在切割最小二乘平面算法檢測邊

3、緣特征點基礎(chǔ)上，用多結(jié)構(gòu)估計算法進(jìn)行歷史模型信息條件采樣，迭代搜索邊緣的直線方程，在此基礎(chǔ)上采用直線尋優(yōu)算法，以點到直線的距離為尺度，統(tǒng)計小于閩值的點數(shù)，選擇點數(shù)最多的為最優(yōu)直線，并記錄所包含的特征點。為了檢測同一直線上不同的目標(biāo)線段，在對同一直線上的點排序基礎(chǔ)上，利用點間距與閾值的比較來尋找同一線段上的點，最后實現(xiàn)窗戶邊緣特征線的完整提取。實驗表明：多結(jié)構(gòu)算法在尋找最優(yōu)直線的速度和效率，最優(yōu)直線所含內(nèi)點的能力方而，優(yōu)于傳統(tǒng)隨機(jī)采樣法。

4、3、實現(xiàn)了建筑物邊緣特征點的匹配。本文將建筑物邊緣離散特征點集ffj配準(zhǔn)問題轉(zhuǎn)化成概率密度估計問題，按照模型點集大于數(shù)據(jù)點集的要求，將基準(zhǔn)的點云定義為數(shù)據(jù)點集，將待搜索的點云定義為模型點集。建筑物點云配準(zhǔn)過程，即為求解數(shù)據(jù)點集到模型點集的轉(zhuǎn)換參數(shù)的過程。本文設(shè)計了高斯混合模型似然函數(shù)作為匹配的目標(biāo)函數(shù)，并通過EM算法交叉迭代出三維點云數(shù)據(jù)的轉(zhuǎn)換參數(shù)，從而實現(xiàn)建筑物邊緣特征點的整體匹配。在此基礎(chǔ)上研究了模型點集中的隨機(jī)噪聲對匹配的影響，并