基于稳健的改进RANSAC算法的平面拟合开题报告

2022-01-25 23:43:12

全文总字数：4236字

1. 研究目的与意义及国内外研究现状

随着3s技术的不断发展，人类已经迈入信息化、数字化的时代。随着数字城市、虚拟现实、智能交通、逆向工程等新技术相继出现并开始进入应用阶段，人们对空间数据的需求日益增长，常规的数据获取方法已远远无法满足空间信息可视化的需求。三维激光扫描技术是继gps空间定位技术出现之后的一项测绘技术新突破，为工程测量、建筑测绘、矿产、交通、林业、规划、文物保护还原等工作提供了极大的方便。它能够快速并且高效地获取三维物体表面的点数据信息，对于三维重建技术来说具有较为重大的意义。2019年4月15日晚，法国标志性建筑巴黎圣母院遭受火灾，在大火中受损严重，世界为之惋惜。然而幸运的是，安德鲁塔隆在2015年曾对巴黎圣母院进行过三维激光扫描，获取了圣母院的模型。这个三维模型不仅可以清楚的展示大教堂的全貌，也能够辅助对大教堂进行内部结构的可视化研究。对重建巴黎圣母院有着极其重要的帮助。该技术具有快速、非接触、主动等特性，通过三维激光扫描仪获取的点云数据具有较高密度、较高精度等特点。因此三维激光扫描技术已在多种领域获得较为广泛的应用。

三维场景中通常含有大量平面特征，例如建筑物、地面、道路等都是由平面组成，将点云数据拟合成平面，可以实现点云配准、数据简化及数据分块，对于三维数据的分析较为重要，因此平面拟合过程对于三维建模有非常重要的意义。计算机视觉、计算机图形学、计算几何、机器学习和统计学等各种领域都会用到平面拟合方法。

传统的平面拟合算法大多存在着精度和效率的问题，难以处理含有粗差及异常值的点云数据，得不到理想的拟合平面。随机抽样一致性算法是传统算法中最为稳健的算法，但由于抽样次数和模型验证消耗了大量时间，效率比较低下；样本选择和阈值设定也全靠经验所得，精度不够高，不能满足现在对点云平面数据处理的要求，这些因素不断要求研究人员寻找一些更为稳健的平面拟合算法。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

2. 研究的基本内容

在研究随机抽样一致性算法基础上，研究改进随机抽样一致性算法的平面拟合方法，利用matlab编程实现算法，通过仿真数据和实测数据实验，验证算法的优越性，并与传统ransac算法在点云数据中包含异常值、阈值的取值等情况下进行比较。

1.掌握传统的平面拟合方法。

2.研究三种改进的基于随机抽样一致性算法(ransac)的平面拟合方法。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

3. 实施方案、进度安排及预期效果

2018年12月：题目确定；

2019年1月：查阅论文相关资料，学习论文所用到的有关平面拟合的相关知识和理论，按照规定提交毕业论文任务书；

2019年2月：查找文献，开始撰写毕业论文开题报告；

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

4. 参考文献

[1]XIE Xu-yang，GUI Fang-ru．Study on the application technology of three-dimensional laser scanner［C］ ∥Proceedings of the 2011 International Conference on Education Science and Management Engineering ( part 2) ．Delaware:Scientific Research Publishing，2011: 937-939．

[2]BESL P J，JAIN RC．Invariant surface characteristics for 3D object recognition in range images ［J］．Computer Vision，Graphics Image Process，1986，33( 1) : 33-80．

[3]李娜，马一薇，杨洋，等．利用RANSAC算法对建筑物立面进行点云分割[J]．测绘科学，2011，36（5）：144-145.

[4]Bertalmio M，Sapiro G，Caselles V，et al.Image inpainting[C]//Proceedings of International Conferece on Computer Graphics and Interactive Techniques，New Orleans，Louisiana，USA，2000：417-424.

[5]Chan T F，Shen J H.Non-texture inpainting by curvature-driven diffusions（CDD）[J].Journal of Visual Communication and Image Representation，2001，12（4）：436-449.

[6]FISCHLER M A， BOLLES RC． Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography[J]．Communications of the ACM，1981，24( 6) : 381-395．

[7]CAPEL D P．An effective bail-out test for RANSAC consensus scoring［C］∥Proceedings of the British Machine Vision Conference 2005，Oxford，UK，September．Durham: BMVA，2005: 78．1-78.10.

[8]薄怀志.三种点云数据平面拟合方法的精度比较与分析[J].测绘与空间地理信息,2018,41(5).

[9]李孟迪，蒋胜平，王红平.基于随机抽样一致性算法的稳健点云平面拟合方法[J].测绘科学,2015,40(1).

[10]李希，熊风光.基于RANSAC和TLS点云平面拟合[J].计算机工程与设计，2017，38（1）：123-126.

[11]杨军建，吴良才．基于RANSAC算法的稳健点云平面拟合方法[J]．北京测绘，2016(2)：73-79．

[12]官云兰，刘绍堂，周世健，等．基于整体最小二乘的稳健点云数据平面拟合［J]．大地测量与地球动力学，2011，31( 5) : 80-83.

[13]龚剑，朱亮．Matlab 5.X入门与提高[M]．北京: 清华大学出版社，2000． ( Gong Jian and Zhu Liang．Matlab 5．X introduction and improvement[M]．Beijing: Tsinghua University Press，2000)

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

注册

找回密码