基于地面LiDAR點云的空間對象表面重建及其多分辨率表達(dá)

內(nèi)容概要

　　針對地面LiDAR技術(shù)應(yīng)用于數(shù)字城市建設(shè)中所面臨的數(shù)據(jù)量大，采樣點密度分布不均，數(shù)據(jù)盲區(qū)隨處可見的問題，王永波編著的《基于地面LiDAR點云的空間對象表面重建及其多分辨率表達(dá)》以全面、真實、準(zhǔn)確地再現(xiàn)地理空間實體及其環(huán)境信息作為目標(biāo)，以“海量”LiDAR點云作為研究對象，對地面LiDAR點云數(shù)據(jù)后處理過程中所涉及的關(guān)鍵技術(shù)問題進(jìn)行了深入探討，分別從LiDAR點云數(shù)據(jù)的預(yù)處理、三維表面拓?fù)渲亟ā⑷S表面模型的多分辨率表達(dá)以及三維表面模型的條帶化編碼等方面入手，在現(xiàn)有研究的基礎(chǔ)之上，針對各類方法的缺點與不足以及LiDAR點云在數(shù)字城市建設(shè)中的特點，提出了相應(yīng)的算法實現(xiàn)思路并予以編程實現(xiàn)，使之更加適合數(shù)字城市建設(shè)中地理空間實體及其環(huán)境信息的數(shù)字化重建，建立了LiDAR技術(shù)在數(shù)字城市建設(shè)應(yīng)用中的技術(shù)路線，并為相應(yīng)的數(shù)據(jù)后處理提供了相應(yīng)的理論依據(jù)和實現(xiàn)思路。
　　《基于地面LiDAR點云的空間對象表面重建及其多分辨率表達(dá)》可供從事三維數(shù)據(jù)采集與處理方面研究的高校及研究所的師生、研究人員和工程技術(shù)人員參考使用。

作者簡介

　　王永波，1981年生，江蘇泗陽人，博士，講師，碩士生導(dǎo)師。2008年畢業(yè)于南京師范大學(xué)地圖學(xué)與地理信息系統(tǒng)專業(yè)，獲博士學(xué)位。目前就職于中國礦業(yè)大學(xué)空間信息系，主要從事三維數(shù)據(jù)采集與處理方面的研究工作，主持并參與了多項國家級、省部級科研項目，先后在《中國礦業(yè)大學(xué)學(xué)報》、《中國圖像圖形學(xué)報》等刊物上發(fā)表論文十余篇。當(dāng)前的研究方向主要包括：基于LiDAR點云的地理實體表面三維拓?fù)渲亟捌涠喾直媛时磉_(dá)、基于LiDAR與攝影測量相結(jié)合的數(shù)字城市混合建模等。

書籍目錄

第1章 緒論
　1.1 LiDAR與城市信息化
　1.2 LiDAR技術(shù)的發(fā)展現(xiàn)狀
　1.2.1 國內(nèi)LiDAR技術(shù)發(fā)展現(xiàn)狀
　1.2.2 國外LiDAR技術(shù)發(fā)展現(xiàn)狀
　1.3 LiDAR數(shù)據(jù)后處理所面臨的問題
　1.4 本書主要研究內(nèi)容
　1.4.1 本書主要內(nèi)容
　1.4.2 本書結(jié)構(gòu)
第2章 地面LiDAR點云數(shù)據(jù)預(yù)處理
　2.1 引言
　2.2 重采樣
　2.2.1 原始LiDAR點云數(shù)據(jù)的重采樣
　2.2.2 基于八叉樹的多測站數(shù)據(jù)融合的重采樣
　2.2.3 實例
　2.3 基于穩(wěn)健雙邊濾波算子的點云數(shù)據(jù)去噪
　2.3.1 穩(wěn)健估計
　2.3.2 拓?fù)鋕—鄰域
　2.3.3 幾何屬性分析與計算
　2.3.4 雙邊濾波算子
　2.3.5 實驗與分析
　2.4 本章小結(jié)
第3章 基于地面LiDAR點云的空間對象表面重建
　3.1 引言
　3.2 采樣
　3.3 術(shù)語及假設(shè)
　3.4 基于點云的空間對象無約束表面重建
　3.4.1 頂點類型劃分
　3.4.2 k—鄰域
　3.4.3 切平面擬合
　3.4.4 法向一致化處理
　3.4.5 坐標(biāo)系統(tǒng)轉(zhuǎn)換
　3.4.6 頂點選擇
　3.4.7 Delaunay三角剖分
　3.4.8 實例
　3.5 基于曲率極值與最小生成樹的點云特征提取
　3.5.1 算法分類
　3.5.2 基于曲率極值法的特征采樣點提取
　3.5.3 基于最小生成樹的特征線生成
　3.5.4 最小生成樹裁剪
　3.5.5 實例
　3.6 基于特征約束的空間對象表面重建
　3.6.1 可見性判別
　3.6.2 頂點選擇
　3.6.3 法向一致化
　3.6.4 算法流程
　3.6.5 實例
　3.7 分析
　3.8 本章小結(jié)
第4章 三維表面模型的多分辨率表達(dá)
　4.1 引言
　4.2 表面模型質(zhì)量指標(biāo)
　4.3 已有方法的分類表述
　4.3.1 誤差度量準(zhǔn)則
　4.3.2 簡化算子
　4.4 基于邊折疊算子及二次誤差準(zhǔn)則的LOD模型構(gòu)建算法
　4.4.1 基本定義
　4.4.2 二次誤差
　4.4.3 邊折疊代價
　4.4.4 半空間測試
　4.4.5 算法流程
　4.4.6 實例與分析
　4.5 本章小結(jié)
第5章 自適應(yīng)視相關(guān)LOD模型的動態(tài)構(gòu)建
　5.1 引言
　5.2 三維表面模型的漸進(jìn)格網(wǎng)表示法
　5.3 可見性判別
　5.3.1 視錐
　5.3.2 法向椎
　5.3.3 包絡(luò)球
　5.3.4 可見性判別算法的實現(xiàn)
　5.4 自適應(yīng)視相關(guān)LOD模型的動態(tài)構(gòu)建及其實施更新
　5.4.1 預(yù)處理
　5.4.2 視相關(guān)LOD模型的動態(tài)構(gòu)建
　5.4.3 視相關(guān)L0D模型的實時更新
　5.5 實驗與分析
　5.5.1 時間復(fù)雜度
　5.5.2 空間復(fù)雜度
　5.6 本章小結(jié)
第6章 基于三角條帶的三維表面模型編碼
　6.1 引言
　6.2 三角條帶表示法
　6.3 算法描述
　6.3.1 對偶圖節(jié)點的類型劃分
　6.3.2 條帶化
　6.4 實驗與分析
　6.5 本章小結(jié)
第7章 結(jié)論與展望
　7.1 結(jié)論
　7.2 展望
參考文獻(xiàn)

章節(jié)摘錄

　　3.5.1算法分類　　特征包括形狀幾何特征、尺寸公差特征和技術(shù)特征（金濤，2001）。在本研究中，僅考慮與表面重建相關(guān)的形狀幾何特征，而且主要是構(gòu)成實體表面模型的最低層幾何體素及其構(gòu)造特征，如點、線、面等?！　「鶕?jù)特征提取策略的不同，可以將現(xiàn)有的點云特征提取算法分為三類：基于邊的方法、基于面的方法和基于邊與面的混合方法?！　』谶叺奶卣魈崛》椒ㄕJ(rèn)為采樣點的法矢或曲率的突變是一個區(qū)域與另一個區(qū)域的邊界，具有代表性的工作主要有：Yang等（1999）提出的基于曲率極值和鄰域邊鏈的特征提取算法；Gum-hold等（2001）提出的基于鄰接圖的點云數(shù)據(jù)特征提取算法；Pauly等（2003）提出的基于主成分分析和最小生成樹的點云數(shù)據(jù)線性特征提取算法，與Gumhold算法相比，Pauly算法提供了通過相鄰頂點數(shù)目實現(xiàn)對特征進(jìn)行多尺度分析的操作算子，加強(qiáng)了算法的抗噪聲能力?！　』诿娴奶卣魈崛∷惴▽⒕哂邢嗨茙缀翁卣鞯牟蓸狱c劃分為同一區(qū)域，在區(qū)域劃分的基礎(chǔ)上實現(xiàn)采樣點邊界特征的提取，根據(jù)誤差度量準(zhǔn)則的不同，又可進(jìn)一步細(xì)分為基于曲面法矢、曲率相似性的方法（Benko，2001）和擬合誤差控制的方法（柯映林，2004）。這方面具有代表性的工作主要有：Koh等（1995）提出的基于自組織特征映射神經(jīng)網(wǎng)絡(luò)（SOFM）的點云數(shù)據(jù)邊界特征提取算法?！　　?/pre>








圖書封面



圖書標(biāo)簽Tags
無




評論、評分、閱讀與下載



還沒讀過(91)
勉強(qiáng)可看(659)
一般般(112)
內(nèi)容豐富(4664)
強(qiáng)力推薦(382)


 


    基于地面LiDAR點云的空間對象表面重建及其多分辨率表達(dá) PDF格式下載