导读:本文包含了点云处理论文开题报告文献综述及选题提纲参考文献，主要关键词:误差分析,误差传播,激光扫描,点云处理
点云处理论文文献综述
王宏宇,王瑞华[1]（2019）在《误差理论在叁维激光扫描点云处理中的应用》一文中研究指出误差传播定律反映了直接观测量的中误差对间接观测量中误差的影响,通过叁维激光扫描技术获取点云数据,点云数据本身的精度和后续处理的精度与可靠性对各种工程具有全局性的意义。基于此,将误差理论和误差传播定律应用在叁维激光扫描技术上,分析了点云数据的误差来源及传播规律。采用点云数据实例演示了提高点云数据处理精度的过程,通过实例实验进行高压塔数据的配准,验证了ICP算法的可行性以及误差范围符合要求。(本文来源于《地理空间信息》期刊2019年10期）
崔珍珍,孟蕾,周碧莲[2]（2019）在《粤西高密度山区DEM生产中机载LIDAR点云数据处理方法研究》一文中研究指出针对基础测绘新兴数据源低空机载LIDAR数据处理,提出一种融合形态学自适应分块拟合迭代滤波算法解决粤西高植被覆盖、强遮挡、高密度山区地形场景测绘难题。该算法融合渐进叁角网法和形态学法,在粗滤波基础上按照随机采样一致性检测,针对低点、飞点、植被点特定类型增加相应的滤波函数,再利用开发的针对山谷、山脊的工具块进行区域地形高效恢复,最后由作业员精细检查细分,最终获取测区的数字高程模型(DEM)。对测区的生产试验表明,该滤波算法能解决粤西部分高密度地区地形起伏较大、植被高覆盖区域植被点云智能化剥离难题。通过比较渐进叁角网法、形态学法和本文采用的方法得到的DEM与RTK采集点比较得到的Z值均方根误差分别为0.144 5,0.143 8和0.133 6 m,说明本文方法对于粤西特定山区场景提高DEM质量有很好的优势。(本文来源于《资源信息与工程》期刊2019年05期）
刘祯,罗健欣,潘志松[3]（2019）在《基于雷达点云的中视图投影处理》一文中研究指出二维的单目相机图像识别在准确性和速度方面已经达到工业级的应用标准,近年来发展迅速,但在实际应用时,由于维度较低,不能很好地描述现实物体的特征与状态。直接的叁维检测由于维度提升导致变量增多,存在运算速度慢、检测精度低等问题,因此将点云数据进行投影处理,不失为一种很好的压缩预处理方法。对点云投影的预处理进行了介绍,并提出改进方案——一种保留更多距离信息的点云中视图投影识别。介绍了3D点云的投影处理方法及存在的问题,并给出相应的解决方案,对得到的投影图进行评估,表明中视图投影处理的方法既可以与照片共同用于自动驾驶,又可以单独用于提高自动驾驶的安全性。(本文来源于《信息技术与网络安全》期刊2019年10期）
陈小雁,闻丽佳[4]（2019）在《机载激光雷达点云在高植被山区数据处理中的应用研究》一文中研究指出介绍了机载激光雷达技术的基本概况,以江西省奉新县境内获取的机载激光点云为例,浅谈点云在植被深厚地区的数据分类处理及地形图成图技术,通过这一典型案例,论证了机载激光雷达点云在植被深厚地区极大地减少了外业工作量,缩短了作业工期,解决了传统航空摄影测量技术在植被深厚且茂密地区应用的技术难题,使地形图的高程精度得到了很大的提升。(本文来源于《工程建设与设计》期刊2019年18期）
李志彦[5]（2019）在《基于Geomagic Studio的点云数据处理与叁维建模技术》一文中研究指出该项目用到一款点云数据处理软件Geomagic Studio,在处理非大量点云数据时具有一定优势。该文中,笔者主要介绍利用Geomagic Studio软件处理扫描获取的点云数据生成曲面模型,然后生成叁维模型的过程。从数据预处理、提取特征线、构建曲面、生成叁维模型4个基本步骤对基于Geomagic Studio点云数据处理叁维建模技术进行了分析和总结。(本文来源于《科技资讯》期刊2019年21期）
吴震宇[6]（2019）在《一种点云数据中静止水体高程的快速处理方法》一文中研究指出点云数据中静止水体高程处理是人工处理的一项复杂工序。本文结合LiDAR-DP软件开发的模块功能对点云数据中静止水体高程的快速处理展开研究。首先LiDAR点云数据生成DEM影像,然后利用DLG要素获取水体的边界信息并修正,最后结合LiDAR-DP软件开发的模块功能获取精确的水体高程值。实验结果表明,该方法有效提高了生产效率,具有较好的视觉效果和较高的工程应用价值。(本文来源于《北京测绘》期刊2019年07期）
李伟[7]（2019）在《基于回波次数的点云强度滤波方法在处理LiDAR数据中的研究与应用》一文中研究指出机载激光扫描与探测系统,是一种激光对地扫描获取地表空间信息的直接定位技术,作为一种新型的对地测绘手段,其数据处理直接影响到LiDAR技术的使用范围。本项目结合徕卡ALS70-HP机载激光雷达扫描系统,对森林地区LiDAR数据地面点的提取进行了深入研究,探索出利用回波次数点云强度滤波方法,建立基于LiDAR数据制作精细化DEM的独特数据处理流程。(本文来源于《经纬天地》期刊2019年03期）
刘润东,范城城,刘清,李韬业,麦超[8]（2019）在《针对广西地形激光LiDAR点云滤波处理的研究及应用》一文中研究指出机载LiDAR能够快速获取精确的高分辨率数字地面模型以及地面物体的叁维坐标,是一种DEM数据快速生产的重要手段,在地球空间信息科学等领域具有广阔的发展前景和应用需求。然而在中国广西地区,由于地形地貌存在大量陡峭石山,地形破碎,以及部分地区植被十分茂密等特点,导致LiDAR数据的常规滤波算法将丢失大量地面点,增加人工编辑工作量,最终造成DEM生产质量不高。本文所提出的叁个LiDAR点云数据精细化处理改进算法能够较好地识别这些特殊地形,采取一定的调整算法和处理,对陡石山进行重分类;对水体、断壁边界添加断裂线;对茂密植被区重新模拟地面,基本能大致修复丢失的地表,具有较强的实用性,也较大程度地提高了作业效率,尤其适合广西植被覆盖高、地形破碎、山地占比高的地区。(本文来源于《广西大学学报(自然科学版)》期刊2019年03期）
刘旭辉,王宏燕[9]（2019）在《点云数据的深度学习处理方法》一文中研究指出随着自动驾驶的快速发展,对环境感知的要求也越来越高。作为自动驾驶汽车最重要的传感器之一,激光雷达可以通过扫描周围环境得到点云数据。使用合适的方法处理点云数据,我们可以获得目标物体的种类、距离、方位等。因此,点云数据的处理成为了自动驾驶行业的一大热点。深度学习在图像上的巨大成功给我们启发,近年来业内提出了很多基于深度学习的点云处理方法,如多视角投影、体素化网格等等,但有着各方面的缺陷。PointNet的提出开拓了全新的处理点云的方法,即直接在点云上应用深度学习模型,并解决了点云数据的无序性、无结构性的问题。但是其应用的最大池化对称函数舍弃了太多信息,在实际应用时方差较大。针对该问题,本文提出了新的解决点云数据无序性和保证空间变化不变性的方法。在解决无序性问题时,用全局最大池化和全局平均池化分别处理每一维的点云数据,然后将得到的两个向量串联得到全局特征。在保证空间变化不变性的同时,对学习转换矩阵的特征提取中,也引入了全局最大池化和全局平均池化方法,以得到与数据集更加匹配的转换矩阵。实验证明,本文的方法有效地提高了分类结果的平均准确率,并减小了准确率方差。(本文来源于《2019世界交通运输大会论文集（上）》期刊2019-06-13）
李宏宇[10]（2019）在《激光雷达的点云数据处理研究》一文中研究指出在环境测绘、无人驾驶等领域中,由于道路地形错综复杂、地貌广阔以及被扫描物体表面反射率的差异,常常使得激光雷达设备采集到的点云数据带有许多噪声,并且在数据采集过程中由于建筑物与障碍物的遮挡导致帧与帧之间的点云数据重迭率比较低,这些问题直接影响后续的叁维场景重建与无人驾驶系统最终的决策。因此,对激光雷达的点云数据处理研究就显得非常重要。本文从点云数据处理技术入手,深入研究激光雷达点云数据处理技术中的点云滤波与点云配准两个核心问题。首先,本文针对激光雷达扫描数据的噪声来源与噪声模型的特点,详细研究了点云滤波算法中滤波效果较好的叁维导向滤波算法,针对叁维导向滤波算法处理后的点云模型残留有局部噪声的缺点。将二维图像处理中的二次导向滤波方法进行扩展,引入到叁维点云数据滤波中,从而在有效地滤除了无用的噪声点的同时很好的保持了模型的局部轮廓。然后,本文又详细研究了传统点云配准效果较好的ICP算法,针对目前ICP点云配准算法中当原始点云与目标点云的重迭空间比较小时,ICP点云配准效果差、运行速度慢的缺点。采用一种基于法向量聚类以及点代表选举的改进算法显着地改善了点云配准的效果。最后,本文研究了点云滤波与点云配准的客观评价方法,并从主观与客观的角度对本文方法处理后的实验结果与经典点云滤波方法以及经典点云配准方法处理后的实验结果进行对比分析,实验表明,本文的方法优于其它经典算法。(本文来源于《长春理工大学》期刊2019-06-01）
点云处理论文开题报告
（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：
针对基础测绘新兴数据源低空机载LIDAR数据处理,提出一种融合形态学自适应分块拟合迭代滤波算法解决粤西高植被覆盖、强遮挡、高密度山区地形场景测绘难题。该算法融合渐进叁角网法和形态学法,在粗滤波基础上按照随机采样一致性检测,针对低点、飞点、植被点特定类型增加相应的滤波函数,再利用开发的针对山谷、山脊的工具块进行区域地形高效恢复,最后由作业员精细检查细分,最终获取测区的数字高程模型(DEM)。对测区的生产试验表明,该滤波算法能解决粤西部分高密度地区地形起伏较大、植被高覆盖区域植被点云智能化剥离难题。通过比较渐进叁角网法、形态学法和本文采用的方法得到的DEM与RTK采集点比较得到的Z值均方根误差分别为0.144 5,0.143 8和0.133 6 m,说明本文方法对于粤西特定山区场景提高DEM质量有很好的优势。
（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。
点云处理论文参考文献
[1].王宏宇,王瑞华.误差理论在叁维激光扫描点云处理中的应用[J].地理空间信息.2019
[2].崔珍珍,孟蕾,周碧莲.粤西高密度山区DEM生产中机载LIDAR点云数据处理方法研究[J].资源信息与工程.2019
[3].刘祯,罗健欣,潘志松.基于雷达点云的中视图投影处理[J].信息技术与网络安全.2019
[4].陈小雁,闻丽佳.机载激光雷达点云在高植被山区数据处理中的应用研究[J].工程建设与设计.2019
[5].李志彦.基于GeomagicStudio的点云数据处理与叁维建模技术[J].科技资讯.2019
[6].吴震宇.一种点云数据中静止水体高程的快速处理方法[J].北京测绘.2019
[7].李伟.基于回波次数的点云强度滤波方法在处理LiDAR数据中的研究与应用[J].经纬天地.2019
[8].刘润东,范城城,刘清,李韬业,麦超.针对广西地形激光LiDAR点云滤波处理的研究及应用[J].广西大学学报(自然科学版).2019
[9].刘旭辉,王宏燕.点云数据的深度学习处理方法[C].2019世界交通运输大会论文集（上）.2019
[10].李宏宇.激光雷达的点云数据处理研究[D].长春理工大学.2019