导读:本文包含了点云修补论文开题报告文献综述及选题提纲参考文献，主要关键词:叁维点云,孔洞修补,思维进化算法,BP神经网络
点云修补论文文献综述
王春香,梁亮,王耀,康凯[1]（2019）在《基于优化BP神经网络的点云孔洞修补效果比较分析》一文中研究指出针对逆向软件对叁维点云模型孔洞修补精度不高,提出在软件修补的基础上利用神经网络算法进行调整的修补策略。以挖掘机斗齿内腔孔洞为例,利用思维进化算法(MEA)优化BP神经网络的初始权值和阈值,得到改进的神经网络模型MEA-BP,对修补数据进行调整,并与PSO-BP神经网络、GA-BP神经网络孔洞修补结果做出对比。结果表明:MEA-BP神经网络模型在预测精度有所提高的情况下,效率更高,修补效果更加优越,能够有效地、精确地对孔洞进行修复。(本文来源于《机床与液压》期刊2019年16期）
朱赞,周增林,李祥聪,甘淑,袁希平[2]（2019）在《不同地形特征下的TLS点云空洞修补精度分析》一文中研究指出点云空洞修补是叁维激光扫描(Terrestrial Laser Scanning,TLS)技术运用于山地测绘中的一个重要数据处理环节。本文构建了一套基于山谷、山脊和河滩叁种地形特征的针对山地测绘的TLS点云空洞修补精度分析方法。并对Geomagic Studio提供的修补算法对不同地形特征下点云空洞中的修补精度进行评价。此外,还通过对比分析实验证明了点云空洞范围内地形特征线的位置与空洞的修补效果之间有密切联系。这为山地区域地面点云空洞修补方法的精度评价提供了一种新的方法。该方法也可以在后期针对复杂地形的点云空洞算法的研究中作为精度验证与评价的方法之一。(本文来源于《地质灾害与环境保护》期刊2019年01期）
马娟,孙晓莉,赵文亮,龙根[3]（2019）在《建筑立面激光点云孔洞修补方法》一文中研究指出从建筑立面激光点云孔洞特点出发,提出根据不同的孔洞类型及各建筑立面的规则程度采用不同方法分类修补的思想。将建筑立面分为规则和不规则2种,分别采用不同的方法进行修补,力求过程简单高效。实验证明,借助具有完整点云数据的部件进行复制、近距离设站局部扫描、人工交互插值等方法均可以对孔洞进行有效修补,方法简单、快速、有效、可靠性好,能够满足建筑立面特征线提取等工作。(本文来源于《昆明冶金高等专科学校学报》期刊2019年01期）
王井利,王丙达[4]（2019）在《基于隧道点云特征孔洞修补方法》一文中研究指出针对隧道叁维激光扫描点云的特征,设计一种基于提取轮廓线进而孔洞修复方法。该方法能够对叁维激光扫描点云进行圆柱投影,利用Delaunay叁角构网,提出基于隧道表面叁角网的孔洞识别方法。并且通过阈值过滤标记潜在谷脊点,并在每个潜在谷脊点的局部邻域内构建紧附于潜在曲面、能反映该点局部几何特征信息的叁角网格。最后根据相邻隧道轮廓相似的特点,利用相邻的管片点云对孔洞进行修复该方法能很好的修复孔洞并保留隧道结构细节,并以真实的隧道扫描数据验证算法的有效性和可靠性。(本文来源于《地球》期刊2019年01期）
王春香,张勇,梁亮,王岩辉[5]（2018）在《极限学习机在散乱点云孔洞修补中的应用》一文中研究指出针对逆向工程散乱点云模型上大面积孔洞软件修补效果差和运用传统的BP神经网络算法及改进的BP前馈神经网络效率低,提出了一种基于极限学习机(Extreme Learning Machine,ELM)前馈神经网络的孔洞修补算法。以玩具小车车身点云模型为例,将其人为漏洞分为训练数据和预测数据,采用ELM对训练数据进行训练,建立回归模型,并与BP模型和PSO-BP模型进行对比,验证了ELM神经网络的快速性和预测精度高。并以斗齿点云自然孔洞为实验对象,实现了很好的修补效果,具有较好的实用性和参考价值。(本文来源于《现代制造工程》期刊2018年11期）
曾露露,盖绍彦,达飞鹏,黄源[6]（2018）在《基于从运动中恢复结构的叁维点云孔洞修补算法研究》一文中研究指出通过光栅投影法可以获取物体的叁维点云数据,但是对于形貌复杂的被测物体,由于测量方式本身含有的一定缺陷,会导致所获取的点云数据出现孔洞区域,从而对后续处理造成影响。结合已有的从运动中恢复结构(SFM)算法,提出一种新的点云孔洞修补方法。首先,利用光栅投影法中得到的二维相位信息来提取叁维点云孔洞区域的边界点;接着,将SFM获取的点云数据集与光栅投影法所采集的点云数据集进行配准,并提取出信息补充点;最后,在添加了补充点的点云数据集上,利用径向基函数计算曲面方程,修补孔洞。实验结果证明了该算法的稳健性,能较为有效地恢复复杂物体的表面信息。(本文来源于《光学学报》期刊2018年06期）
杨永强,李淑红[7]（2018）在《最小二乘支持向量机的点云数据孔洞修补算法》一文中研究指出为了获得理想的点云数据孔洞修补结果,针对当前算法存在的缺陷,提出一种基于最小二乘支持向量机(LSSVM)的点云数据孔洞修补算法.首先根据散乱点云边界估计孔洞修补范围,然后根据孔洞及周围点的信息,采用最小二乘支持向量机建立一个曲面,并对曲面点云数据的孔洞进行修补,最后采用C++语言编程实现仿真实验.实验结果表明,最小二乘支持向量机能有效修补各种复杂的孔洞,且修补效果优于其他算法.(本文来源于《吉林大学学报(理学版)》期刊2018年03期）
曾露露[8]（2018）在《散乱点云的孔洞修补及叁维重构研究》一文中研究指出随着叁维测量技术的应用范围不断扩大,点云数据采集、处理与重构等技术难点成为了研究的热点。由于测量方式本身的局限性或者是物体形状的复杂性,获取的点云数据会有一定的缺失。与此同时随着叁维点云测量设备精度的提高,点云数据量级也越来越大,应用场景对网格重构效率的要求也越来越高,而现有的网格重构算法难以满足要求。为了解决这些问题,本文针对孔洞修补以及网格重构的关键技术进行了深入研究,并提出了新的算法,主要工作如下:1.散乱点云的孔洞修补。针对点云复杂孔洞的修补问题,提出基于SFM(Structure From Motion,从运动中恢复结构)的点云孔洞修补算法。该算法利用SFM获取的数据集补充孔洞区域的信息,辅助孔洞修补。该方法首先利用光栅投影法获得的二维相位信息来提取叁维点云孔洞区域的边界点;接着将SFM获取的点云数据集和光栅投影法采集的点云数据集进行配准,并提取出信息补充点;最后在添加了补充点的点云数据集上,利用径向基函数计算曲面方程,修补孔洞。实验结果证明了算法的鲁棒性,能有效地恢复复杂物体的表面信息。2.散乱点云的网格重构。为了提高海量点云网格重构的效率,提出了基于改进kdtree(k-dimensional树)的Delaunay(德洛内)叁角化算法。该算法改进了kdtree的分割停止条件,并改变了控制点的提取方式,有效地提高了网格化效率。算法首先利用宽度优先的kdtree分割点云,并在适当的深度停止分割以保证数据块的大小合适;然后对具有空间结构的点进行标记;接着提取kdtree结构中非叶子节点上的点作为控制点;最后依次插入控制点、非控制点进行Delaunay叁角化重构网格。实验结果表明该算法能够有效地提高点云网格重构的效率,且重构的网格质量更优。(本文来源于《东南大学》期刊2018-05-21）
贺一波[9]（2018）在《利用影像修补叁维点云孔洞的技术研究》一文中研究指出叁维激光扫描仪在采集点云数据时,由于自身或周围环境的遮挡会造成点云数据的不完整,即点云数据存在孔洞。不完整的点云数据会影响叁维模型的重建,所以研究修补点云孔洞的方法是很有必要的。本文引入摄影测量技术,采集点云孔洞位置周围的实体影像数据,通过运动恢复结构算法(SFM)和基于面片模型的密集匹配(PMVS)将影像数据解算成原始影像点云数据,经过两种点云数据的配准,重迭区域原始影像点云数据的删除和影像点云数据的最优密度选择完成两种数据之间的融合,从而完成点云数据的孔洞修补,并进行精度分析。论文的主要研究成果如下:(1)影像数据解算时,详细介绍了SFM和PMVS方法。利用SFM通过在图像中进行特征点的提取与匹配、张正友相机标定法进行内参数矩阵的标定、相机姿态的计算,最后利用叁角测量法生成稀疏的叁维点云数据。利用PMVS对图像进行匹配、扩散和过滤生成密集点云。(2)为了提高两种点云数据的配准精度,本文利用七参数算法中的Bursa模型完成两种点云数据的精配准,重点介绍重心化的Bursa模型,尺度初始值的选取方法。实验结果表明,这种方法能有效的完成两种数据的精确配准。(3)为了减少重迭区域的点云数据,本文利用k-邻近算法在两片点云中寻找对应点对,利用对应点对之间的距离完成点云是否位于重迭区域的筛选工作。实验结果表明,这种方法能有效的筛选位于重迭区域的原始影像点云数据,进而删除原始影像点云数据中位于重迭区域的点云数据。(4)鉴于影像数据的精度低于点云数据,通过断面法比较出影像点云数据的最优密度。首先研究了点云数据密度的计算方法,并介绍了点云数据精简和点云数据插值的多种方法。其次采用了最小距离法精简影像点云数据,采用最近邻点插值法对影像点云数据进行插值,得到多种密度的影像点云数据。通过断面法比较得出最优密度。实验结果表明,综合点云数量的考虑,选用最优影像点云数据是对应待修补点云数据的1.2倍。(5)为了检验利用影像数据修补点云数据方法的可行性,本文采用表面积反和偏差法进行精度分析。实验结果表明,表面积法得到的面积比均小于0.5%,偏差法得到的偏差最大为0.0036m,最小为0.0015m。(本文来源于《中国矿业大学》期刊2018-05-01）
王俊豪[10]（2018）在《叁维激光点云配准与摄影测量漏洞修补研究》一文中研究指出作为一种新的空间数据信息获取技术,叁维激光扫描技术已广泛应用在叁维建模、文物保护、逆向工程、虚拟现实等诸多领域。由于在叁维激光扫描过程中存在遮挡或者被测物体结构复杂等原因,获取到的点云数据不可避免地会产生空洞,从而影响数字模型的完整性与质量。本文针对叁维激光扫描点云空洞问题,在分析叁维激光扫描技术与近景摄影测量技术原理和特点的基础上,研究了叁维激光点云配准与基于影像辅助点云空洞修补的方法;提出基于任意旋转角的点云配准算法,将基于像片生成的点云与原始激光点云进行配准融合实现修补点云空洞,最后通过实验证明了该方法的可行性。论文的具体研究内容如下:1、介绍了点云数据与影像数据的获取方法及其预处理,说明了叁维激光点云数据与近景摄影测量数据进行融合的可行性。2、说明了影像点云数据配准的原理,针对配准中出现的任意旋转角问题,提出基于严密七参数的抗差点云配准方法。3、研究了点云数据与影像数据配准融合方法,论述了基于单相机多像片的叁维点云坐标的量测方法。通过配准精度分析,验证了该算法的实用性以及激光点云数据与影像数据配准融合的可行性。4、通过实验对激光点云漏洞修补方法进行研究,实验证明基于像片的点云可以有效修补扫描仪点云空洞。通过精度分析,配准后的点位中误差达到0.0155m,证明基于摄影测量的点云可以与激光扫描点云进行有效的融合。(本文来源于《长安大学》期刊2018-04-18）
点云修补论文开题报告
（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：
点云空洞修补是叁维激光扫描(Terrestrial Laser Scanning,TLS)技术运用于山地测绘中的一个重要数据处理环节。本文构建了一套基于山谷、山脊和河滩叁种地形特征的针对山地测绘的TLS点云空洞修补精度分析方法。并对Geomagic Studio提供的修补算法对不同地形特征下点云空洞中的修补精度进行评价。此外,还通过对比分析实验证明了点云空洞范围内地形特征线的位置与空洞的修补效果之间有密切联系。这为山地区域地面点云空洞修补方法的精度评价提供了一种新的方法。该方法也可以在后期针对复杂地形的点云空洞算法的研究中作为精度验证与评价的方法之一。
（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。
点云修补论文参考文献
[1].王春香,梁亮,王耀,康凯.基于优化BP神经网络的点云孔洞修补效果比较分析[J].机床与液压.2019
[2].朱赞,周增林,李祥聪,甘淑,袁希平.不同地形特征下的TLS点云空洞修补精度分析[J].地质灾害与环境保护.2019
[3].马娟,孙晓莉,赵文亮,龙根.建筑立面激光点云孔洞修补方法[J].昆明冶金高等专科学校学报.2019
[4].王井利,王丙达.基于隧道点云特征孔洞修补方法[J].地球.2019
[5].王春香,张勇,梁亮,王岩辉.极限学习机在散乱点云孔洞修补中的应用[J].现代制造工程.2018
[6].曾露露,盖绍彦,达飞鹏,黄源.基于从运动中恢复结构的叁维点云孔洞修补算法研究[J].光学学报.2018
[7].杨永强,李淑红.最小二乘支持向量机的点云数据孔洞修补算法[J].吉林大学学报(理学版).2018
[8].曾露露.散乱点云的孔洞修补及叁维重构研究[D].东南大学.2018
[9].贺一波.利用影像修补叁维点云孔洞的技术研究[D].中国矿业大学.2018
[10].王俊豪.叁维激光点云配准与摄影测量漏洞修补研究[D].长安大学.2018