基于骨架提取的树木点云三维重建方法研究

基于骨架提取的树木点云三维重建方法研究

论文摘要

树木是自然界中不可或缺的一部分。利用虚拟现实技术模拟树木在自然环境下的生长过程和运动方式、掌握树木在生长过程中对外界环境的应激反应、加快全方位学习和了解树木知识的进度,对研究人与环境的关系具有十分重要的意义。三维激光点云是模拟植物生长和树木建模的数据基础。点云数据包含各点之间相对位置关系、局部的拓扑结构以及整体的几何形状等空间信息。随着虚拟现实技术和计算机图形学在农林业的应用不断深入,树木点云的三维建模和模拟植物生长已然成为目前国内外各个相关机构的研究热点。由于树木存在枝条繁多且纵横交错等现象,并且具有复杂的拓扑结构。使用传统的点云重建算法直接在树木点云表面进行三角网格剖分,会产生大量的畸形结构,不符合自然世界中树木的几何形状。当前树木点云重建算法严重依赖于大量的先验知识启发和复杂的交互式操作,操作方式繁琐,算法结构复杂,时间成本巨大,得不到理想的模型效果。针对以上问题,为了充分利用树木点云的自身信息,有效保留点云内部之间拓扑关系,本文提出一种基于骨架提取的树木点云三维重建方法,将网格平滑算法直接应用于树木点云表面,提取树木点云的基础拓扑结构,在骨架的基础上对树木进行几何构建。本研究的主要内容及其创新点如下:(1)构建了树木点云获取和预处理方案。使用双目激光三维扫描仪获取树木点云数据;为了去除树木点云包含的噪声、离群点以及奇异值,分别采用了双边滤波器和密度聚类算法,平均误差为0.28mm;采用基于邻域几何特征相似度和一致性漂移配准方法对树木点云进行配准,配准误差在0.03mm以内;在完整的树木点云上基于射线原理对点云进行精简,精简率达到72%;最后利用八叉树结构对点云进行分割;树木点云预处理为后续骨架提取工作提供了良好的基础。(2)针对树冠处枝条点云稀疏导致几何重建率低的问题,提出了基于曲率法线流算子的树点云骨架提取算法。首先对点云进行局部网格化,在每个顶点建立一环邻域;然后利用基于曲率法线流网格收缩算法提供的收缩力,将树木点云收缩到几乎零体积形状。在局部范围内,曲率法线流算子令顶点以平均曲率的速度沿局部法线向点云内部移动,保持了相邻点之间的相对位置关系;在整体上,将点云向内部迭代收缩,保留了原始树木点云的几何形状和拓扑结构。模型收缩比例占初始体积的1%至5%,吻合度在97%以上,收缩效率为800点/s。(3)针对树木枝条平滑修长以及枝叉处弯曲幅度平缓的特点,提出了一种改进的二次误差度量网格简化算法。该算法以网格边的二次误差度量值为形状成本,使提取的一维曲线骨架与骨架网格保持相同的拓扑结构和几何形状;为防止生成过长的骨架边,设置一个边长成本约束,保留骨架点与原始点云之间的精确映射关系。骨架分支连接处的平滑角度在[10?,45?]之间,网格简化速率为5000面/s。(4)构建了骨架修正和几何重建方案。在骨架修正方面,基于点云-骨架映射将每个骨架点移动到其对应的原始点云的中心,偏离误差小于0.03cm;采用生长角度约束和双向探测法将提取的骨架进行连通处理,骨架连接角度小于45?。在几何重建方面,建立了骨架点结构和树层次结构,结合树木的植物特点和异速生长理论,为每个骨架点分配与其权重成正比的半径,以骨架为中轴建立广义圆柱体对树木点云进行几何重建,平均半径误差为±0.34cm。(5)设计了不同的对比实验对树木点云骨架提取和几何重建进行研究分析。在提取骨架的精度方面,设计了曲率法线流算子与余切算子的对比实验,验证了本文算子在树冠处能更好的保留原始点云的几何形状,不存在骨架突出和环形结构等现象。在骨架提取的速度和重建度方面,设计了本文算法与其他经典算法(ROSA算法、L1-中轴算法、体素化算法、空间殖民算法)的对比实验,相对于其他算法,本文算法不需要额外的预处理操作和法向量计算,并且对于适当噪声和残缺模型有良好的鲁棒性。对于数量在10k-150k之间的树木点云,本文算法的骨架提取速度为600点/s,相比其他算法提高3倍以上,枝条重建率提高25%。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 研究目的与意义
  •   1.2 主要技术研究现状
  •     1.2.1 树木重建研究现状
  •     1.2.2 骨架提取研究现状
  •     1.2.3 网格平滑研究现状
  •     1.2.4 存在问题
  •   1.3 研究内容
  •   1.4 研究方法
  •   1.5 技术路线
  •   1.6 论文的组织结构
  • 第二章 点云数据获取与预处理
  •   2.1 点云获取
  •     2.1.1 点云采集对象
  •     2.1.2 点云获取方法
  •   2.2 点云去噪平滑处理
  •   2.3 点云配准
  •     2.3.1 初始配准
  •     2.3.2 精确配准
  •   2.4 点云简化
  •   2.5 点云分割
  •   2.6 本章小结
  • 第三章 基于曲率法线流算子的网格平滑算法
  •   3.1 网格平滑算法对比分析
  •     3.1.1 网格细分算法
  •     3.1.2 Taubin网格平滑算法
  •     3.1.3 拉普拉斯平滑
  •   3.2 基于曲率法线流算子的网格平滑算法
  •     3.2.1 隐式积分方案
  •     3.2.2 构造曲率法线流算子
  •   3.3 本章小结
  • 第四章 骨架提取及几何重建
  •   4.1 点云局部网格构建
  •     4.1.1 局部网格化相关技术
  •     4.1.2 局部网格化
  •   4.2 点云收缩
  •   4.3 骨架提取
  •     4.3.1 粗骨架提取
  •     4.3.2 网格折叠
  •   4.4 骨架修正
  •     4.4.1 基于生长角度约束的骨架连通
  •     4.4.2 骨架居中
  •   4.5 骨架提取结果
  •   4.6 基于骨架进行树木点云的三维重建
  •     4.6.1 建立树枝数据结构
  •     4.6.2 计算树枝半径
  •     4.6.3 几何重建
  •   4.7 本章小结
  • 第五章 实验与分析
  •   5.1 实验设计
  •     5.1.1 实验目的
  •     5.1.2 实验环境及数据来源
  •   5.2 实验对比分析
  •     5.2.1 算子改进分析
  •     5.2.2 关键参数分析和讨论
  •     5.2.3 算法对比分析
  •     5.2.4 算法效率分析
  •     5.2.5 算法的普适性分析
  •   5.3 本章小结
  • 第六章 总结与展望
  •   6.1 总结
  •   6.2 展望
  • 参考文献
  • 致谢
  • 个人简历
  • 文章来源

    类型: 硕士论文

    作者: 郝腾宇

    导师: 耿楠

    关键词: 树木点云,曲率法线流算子,网格收缩,骨架提取,几何重建

    来源: 西北农林科技大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 物理学,无线电电子学,计算机软件及计算机应用

    单位: 西北农林科技大学

    基金: 国家高新研发计划(863项目)(编号:2013AA102304),国家自然科学基金项目 (编号:61303124),中央高校基本科研业务费重点项目 (编号:2452017343)

    分类号: TN249;TP391.41

    总页数: 84

    文件大小: 16730K

    下载量: 211

    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:;  ;  ;  ;  ;  

    基于骨架提取的树木点云三维重建方法研究
    下载Doc文档

    猜你喜欢