三維彩色點云數(shù)據(jù)的分割與分類.pdf

1、專業(yè)學位碩士學位論文三維彩色點云數(shù)據(jù)的分割與分類SegmentationandClassificationof3DColorPointCloudData學號：31409041完成日期：2016—6—23大連理工大學DalianUniversityofTechnology大連理工大學專業(yè)學位碩士學位論文摘要隨著科技的發(fā)展，三維點云數(shù)據(jù)的處理技術也飛快發(fā)展，三維點云數(shù)據(jù)在機器人、逆向工程、激光遙感測量、虛擬現(xiàn)實和人機交互領域中逐漸深入。三維

2、點云的分割與分類是眾多領域中關鍵步驟，在機器人的有效感知、辨識和認知方面做了偉大貢獻，是完成自主行為的前提和基礎。三維彩色點云數(shù)據(jù)是三維點云數(shù)據(jù)的擴展和發(fā)展。目前三維彩色點云數(shù)據(jù)還是新興媒質，應用不是十分廣泛，本文利用激光測距儀和CCD的組合獲取的三維彩色點云數(shù)據(jù)，使恢復場景原貌的信息更加充分，但三維點云數(shù)據(jù)不在停留在小場景，在實際應用中數(shù)據(jù)點個數(shù)一般在10萬左右。同時還存在數(shù)目較多的噪聲點，構成場景的物體復雜，干擾因素多種多樣，所以正

3、確的分割和分類是一個艱巨的任務。本文以三維點云為主，圖像為輔。從三維彩色點云的幾何、鄰域和顏色特征角度研究其場景特征。對于三維彩色點云數(shù)據(jù)分割，本文提出基于主成分特征球的三維彩色點云分割方法，用分層的思維分割三維彩色點云。首先，應根據(jù)點的類型將三維彩色點云分為點性點、線性點、面性點三類。本文實現(xiàn)了基于點云數(shù)據(jù)特征值并且提出了根據(jù)三維彩色點云中點的不同特征分類方法。在此基礎上構建主成分特征球，從外到內(nèi)依次是面性點的法向量層，線性點的切向量

4、層，點性點的基向量層；然后Meanshift聚類算法進行聚類，再進行位置分割提取地面，確保分割準確，而非地面的聚類分割是靠DBSCAN算法實現(xiàn)的。該方法實現(xiàn)準確地面提取，并能保證可以提取零碎地面，并利用DBSCAN對三維彩色點云數(shù)據(jù)分割針對三維點云數(shù)據(jù)的顏色RGB值。對于三維彩色點云數(shù)據(jù)分類，本文提出基于條件隨機場模型的三維彩色點云數(shù)據(jù)分類方法。該模型依次構建了三個模型：點、二階和高階團模型。二階團模型是相鄰兩點構成的邊。高階團模型是鄰