基于BP神经网络的三维激光扫描点云数据的滤波方法研究

摘要

随着计算机技术的成熟发展与广泛应用,以及地理信息技术研究的深入化和“城市数字化”概念的提出,人们在三维信息的研究方面变得更加深入,从而促使人们对如何能够更好的获取空间三维信息的需求变得更加的迫切,并且随着激光技术、半导体技术、计算机等技术发展的越来越成熟以及对这些技术的要求更加迫切,从而促使三维激光扫描技术变得越来越先进,例如扫描的速度以及扫描精度变得更快、更高,而且扫描范围也变得越来越大,因此测量人员可以在不需接触地形的情况下,便能够实现对复杂区域以及形状不规则物体等复杂物体进行更加高速、高效的全方位扫描,获取的三维空间信息也更加精确。然而要想三维激光扫描技术能够在该领域变得更加完美、发展空间越来越大,如何对通过三维激光扫描仪扫描获取的海量点云数据进行更加高效的处理已成为当今许多学者研究的热点。点云数据的预处理是数据处理过程中的关键步骤之一,点云数据的滤波是数据预处理阶段重点和热点问题,因此对地面三维激光扫描点云数据的滤波研究,形成较系统的地面三维激光扫描点云数据滤波理论是十分必要的。
　　本文简要阐述了三维激光扫描技术及点云数据滤波理论国内外的研究现状和发展,根据点云数据的排列规则对其进行分类,对不同类型点云数据的常用滤波方法进行了分析,本文主要的研究内容是基于BP神经网络的点云数据的滤波后构建的模型与运用其它方法对点云数据进行处理后构建的模型的对比,本文中运用的其它方法为利用规则网格数学形态学对点云数据进行滤波以及运用Geomagic Studio软件中自带的滤波工具对点云数据进行滤波。对三种滤波方法的结果进行了定量和定性的分析,经试验结果的分析表明BP神经网络滤波法取得滤波效果更加良好,在有效去除点云数据中噪声的同时,还很好的保持了地形特征,构建出来的模型更加具有真实感。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 引言

1.2 研究背景与意义

1.3 国内外研究现状

1.4 本文研究的主要内容

第二章 三维激光扫描系统与数据滤波

2.1 三维激光扫描技术

2.2 三维激光扫描数据噪声分析

2.3 点云数据的滤波

2.4 本章小结

第三章 BP神经网络

3.1 人工神经网络

3.2 BP神经网络理论

3.3 BP神经网络学习算法

3.4 基于Matlab的神经网络训练函数

3.5 本章小结

第四章 基于BP神经网络的点云数据滤波

4.1 基于Geomagic Studio软件的点云数据去噪实验

4.2 规则网格数学形态学点云滤波

4.3 基于BP神经网络模型的点云数据滤波

4.4 应用实例

4.5 滤波效果分析

4.6 本章小结

第五章 结论与展望

5.1 结论

5.2 展望

参考文献

致谢