室外場景三維點云數(shù)據(jù)的分割與分類.pdf

1、隨著三維掃描測距技術的不斷發(fā)展，三維點云數(shù)據(jù)在自主導航、工業(yè)檢測、逆向工程等領域的應用越來越為廣泛。在三維點云數(shù)據(jù)處理技術中，三維點云數(shù)據(jù)的分割和分類是兩個非常關鍵的技術，尤其是針對于室外場景的三維點云數(shù)據(jù)分割和分類，其對于室外場景分析和智能自主導航等應用具有重要的作用。但由于室外場景結構復雜，噪聲較強，干擾較多，對其進行分割和分類是一項極具挑戰(zhàn)的工作。為了提高室外場景三維點云數(shù)據(jù)分割的準確性和魯棒性，本文對室外場景的幾何特性、拓撲結構

2、和鄰域特性進行了深入的研究，并以此為基礎實現(xiàn)了室外場景三維點云數(shù)據(jù)的可靠分類。
　　在室外場景三維點云數(shù)據(jù)分割的方面，本文提出了一種基于特征球的室外場景三維點云數(shù)據(jù)分割方法，該方法利用逐次分割的思想依次分割室外場景。首先，根據(jù)三維點云數(shù)據(jù)的特征值將點云分為點性點，線性點以及面性點，以此為基礎構造一個特征球（三層），該特征球從內(nèi)到外依次為點向層、切向層和法向層;然后，使用Meanshift聚類方法對法向層的點進行聚類，可實現(xiàn)面性點的

3、有效分割;接著，判斷分割后得到的面性點區(qū)域的法向量信息和高程信息，若面性點區(qū)域滿足給定的閾值條件則該區(qū)域可看作初步地面的組成部分，再將鄰近初步地面的離散點進一步融合到初步地面中，以獲得最終完整的地面;最后，使用DBSCAN聚類算法對非地面的點進行聚類，以實現(xiàn)室外場景三維點云數(shù)據(jù)的可靠分割。在這一部分的試驗中，本文將使用四組實驗數(shù)據(jù)來驗證該分割方法，實驗結果顯示本文的分割方法具有較強的準確性和魯棒性。
　　在室外場景三維點云數(shù)據(jù)分類

4、方面，本文提出了一種基于高階條件隨機場的室外場景三維點云數(shù)據(jù)分類方法。此條件隨機場模型包括單個點構成的點模型、相鄰兩個點構成的邊模型和多個點構成的高階團模型。在構建高階團模型時，首先對室外場景三維點云數(shù)據(jù)特征球的法向層和切向層進行分割，然后針對每個分割片段所對應的三維場景點云數(shù)據(jù)以及點性點云數(shù)據(jù)再使用K-means聚類算法進行第二次分割，即可獲得高階團。在此基礎上，計算點模型、邊模型和高階團模型的特征描述符，獲得點特征向量、邊特征向量、