基于核机器学习方法的点云处理若干方法研究-电气系统控制与信息技术专业论文.docxVIP

西南交通大学博士研究生学位论文 西南交通大学博士研究生学位论文 第1页 摘要 在反求工程中，基于点的点云处理技术是随着数据测量技术的进步而迅速 发展起来的一门新兴技术。该项技术以点作为曲面绘制和造型的基本元素，在 提高模型绘制与重建的速度、加强处理超大规模点云的能力和简化计算量等方 面体现出独特的优势，目前已成为反求工程的一个研究热点。论文主要研究点 云优化子采样曲面表示、图像修补、点云建模、核机器学习方法等内容，提出 了几种基于核机器的点云处理方法，为该领域的研究工作提供了参考。 在已有研究成果的基础上进一步完善了基于点云的优化子采样曲面表示方 法。对输入稠密点云采样形成稀疏圆或椭圆油彩，采样数据具有空间信息。用 贪婪法选择曲面，用整体优化法消除漏洞，持续逼近输入数据重建曲面。在一 定公差下可用较少的曲面实现无漏洞曲面逼近，产生的表面流畅、无漏洞、采 样密度适中，并且可有效控制误差在规定的公差范围之内。理论分析与实验结 果表明该方法具有良好的性能。 与统计学习理论相结合，提出了一种基于支持向量机的优化子采样曲面表 示方法。讨论了基于点云数据的曲面表示问题，采用占一支持向量回归机和v一支 持向量回归机实现点云数据的轮廓构建与曲面拟合，最后使用贪婪算法求解得 到优化子采样，即一个曲面表示，它具有光顺性好，速度快等优点，展示出所 提方法的优越性。 对图像修补的特点进行了仔细分析，在此