基于红外影像的MLS点云信息增强

基于红外影像的MLS点云信息增强

论文摘要

在大数据时代,利用单个传感器获取的数据难以获取足够的信息,对不同任务,不同对象进行全面的描述。随着智慧城市对不同数据的需求增大,如何利用多传感器进行数据融合成为现在的研究方向[1]。红外影像解译通常利用人工来完成,耗时且结果往往不准确的。利用图像序列丰富3D MLS点目标,将热红外图像与点云相结合,生成物体的三维红外模型来描述物体的几何特性以及其温度分布/发射特性,有助于包括热监测,泄漏检测,定位能量损失,等多种任务。尽管现有研究研究中包含热红外图像与3D数据结合,但现有的将红外影像与移动激光点云进行配准生成红外模型的研究仍较少。在本文中,我们提出了一种用于单个红外图像和点云共同配准的半自动过程,包括关键点检测,相应的点对生成,姿态估计和3D红外模型生成。还测试了应用RANSAC的自动方法。此外,为了实现图像序列的低成本处理,我们试图找到图像之间的相对姿势。测试了具有半自动共同配准的sfm方法。在本论文中,我们证明了可以生成三维热模型,通过共同配准来丰富MLS点云中的信息。结果取决于估计的相机姿势。提供最佳共同登记结果的半自动方法。由于图像中的关键点与点云之间缺乏对应关系,RANSAC自动相机姿态估计的结果不尽如人意。smf可用于通过生成图像之间的相对姿势来减少计算,但IR相机的校准参数需要足够准确。

论文目录

  • 摘要
  • Abstract
  • 1 Introduction
  •   1.1 Motivation
  •   1.2 Problem
  •   1.3 Assumption
  •   1.4 Structure of the thesis
  • 2 Literature Review
  •   2.1 Development of data fusion
  •   2.2 Image and3D information co-registration
  •   2.3 State of art methods for3D thermal modeling
  • 3 Method
  •   3.1 Pre-processing
  •     3.1.1 Camera calibration
  •     3.1.2 Pre-processing of point cloud
  •   3.2 2D-3D co-registration
  •     3.2.1 Keypoints extraction
  •     3.2.2 Corresponding points generation
  •     3.2.3 Camera Pose Estimation
  •     3.2.4 RANSAC
  •   3.3 Thermal3D model generation
  •   3.4 Sequential Process
  •     3.4.1 Relative pose estimation
  •     3.4.2 Structure from motion
  • 4 Result and Discussion
  •   4.1 Data
  •   4.2 Pre-processing
  •     4.2.1 Camera calibration
  •     4.2.2 Pre-processing of the point clouds
  •   4.3 2D-3D co-registration
  •     4.3.1 Keypoints extraction
  •     4.3.2 Semi-automatic process
  •     4.3.3 RANSAC
  •   4.4 Thermal3D model generation
  •   4.5 Sequential Process
  •     4.5.1 Relative pose estimation
  •     4.5.2 Structure from motion
  •     4.5.3 Final result
  •     4.5.4 Verification
  • 5 Conclusion and outlook
  •   5.1 Conclusion
  •   5.2 Outlook
  • Reference
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 朱菁玮

    导师: Uwe Stilla,方志祥,Yusheng Xu

    关键词: 红外图像,点云,三维热模型,配准

    来源: 武汉大学

    年度: 2019

    分类: 基础科学

    专业: 自然地理学和测绘学

    单位: 武汉大学

    分类号: P237

    总页数: 63

    文件大小: 5170K

    下载量: 4

    相关论文文献

    • [1].基于卷积神经网络的非等效点云分割方法[J]. 东华大学学报(自然科学版) 2019(06)
    • [2].点云智能研究进展与趋势[J]. 测绘学报 2019(12)
    • [3].基于深度学习的点云分割方法综述[J]. 计算机工程与应用 2020(01)
    • [4].点云数据预处理研究[J]. 现代信息科技 2020(02)
    • [5].基于地基激光雷达点云的植被表型特征测量[J]. 生态学杂志 2020(01)
    • [6].机载点云空洞的修复方法[J]. 北京测绘 2020(02)
    • [7].基于深度学习的零件点云分割算法研究[J]. 机电工程 2020(03)
    • [8].基于深度学习的点云语义分割综述[J]. 激光与光电子学进展 2020(04)
    • [9].基于神经网络的航空行李点云检测方法研究[J]. 电子世界 2020(07)
    • [10].基于二维截面筛选标记的点云简化方法研究[J]. 机电工程 2020(05)
    • [11].三维点云补全方法的现状和发展趋势[J]. 信息记录材料 2020(05)
    • [12].新型激光远程点云装置研究[J]. 机电信息 2020(17)
    • [13].一种简化的输电线路点云电塔自动定位方法[J]. 北京建筑大学学报 2020(03)
    • [14].一种改进的区域增长彩色3D点云分割算法[J]. 国外电子测量技术 2018(11)
    • [15].面向反光工件点云缺陷的点云增强算法[J]. 计算机辅助设计与图形学学报 2019(07)
    • [16].一种基于高度差异的点云数据分类方法[J]. 测绘通报 2018(06)
    • [17].手提激光盘煤仪点云去噪[J]. 激光杂志 2017(05)
    • [18].面向室内场景点云的对象重建[J]. 测绘通报 2017(06)
    • [19].快速点云定向数学模型实际精度分析[J]. 北京测绘 2017(04)
    • [20].基于点云几何约束的仿真安装探讨[J]. 地理空间信息 2017(09)
    • [21].基于自适应切片的点云压缩算法[J]. 工程勘察 2017(09)
    • [22].序列图像三维重构中点云精简算法的研究与改进[J]. 计算机工程与应用 2016(08)
    • [23].地面三维激光扫描点云重建技术研究[J]. 数码世界 2017(08)
    • [24].三维环境下交互式点云对象提取方法[J]. 计算机工程与应用 2019(24)
    • [25].换流站激光点云密度对土石方计算的影响[J]. 电力勘测设计 2020(01)
    • [26].融合个体识别的3D点云语义分割方法研究[J]. 黑龙江工业学院学报(综合版) 2019(12)
    • [27].机载激光点云与摄影测量点云非监督建筑物变化检测[J]. 测绘科学技术学报 2019(05)
    • [28].电力巡检点云分布式异构处理的研究[J]. 湖北电力 2019(05)
    • [29].点云重建的并行算法[J]. 计算机工程与应用 2020(06)
    • [30].基于深度学习的点云匹配[J]. 计算机工程与设计 2020(06)

    标签:;  ;  ;  ;  

    基于红外影像的MLS点云信息增强
    下载Doc文档

    猜你喜欢