激光点云下的建筑物重建技术研究-数学专业论文.docxVIP

万方数据 万方数据 学术诚信声明 兹呈交的学位论文，是本人在导师指导下独立进行的研究工作及取 得的研究成果。除文中特别加以标注和致谢的地方外，论文中不包含其 他个人或集体已经发表或撰写过的研究成果。本人依法享有和承担由此 论文产生的权利和责任。 声明人（签名）： 时 间： 保护知识产权声明 本人完全了解集美大学有关保留、使用学位论文的规定，即：学校 有权保留送交论文的复印件和磁盘，允许论文被查阅和借阅，可以采用 影印、缩印或扫描等复制手段保存、汇编学位论文。同意集美大学可以 用不同方式在不同媒体上发表、传播学位论文的全部或部分内容。 作 者（签名）： 导 师（签名）： 时 间： 激光点云下的建筑物重建技术研究 摘 要 自从智慧城市的概念首次被提出以来，城市的三维重建引起了广泛的关注。进入 21 世纪以来，激光扫描技术得到显著的提高，它能够快速、准确、大范围地获取城市场景的 三维数据,为城市的三维重建提供了数据基础。作为城市场景的重要组成部分，人造建筑 物的三维重建是当前研究的热点，同时也面临数据的后续处理等诸多困难。在大型的复杂 建筑物重建方面，由于其结构的复杂性，若需真实、完整的重建出建筑物的三维模型，需 要解决复杂细部结构的模型重建等问题。针对建筑物三维重建面临的挑战以及当前迫切的 需求，本文的研究工作如下： 1、 对三维重建算法的研究现状进行深入的探讨，重点分析了三种常用的基于激光点云 的三维重建算法（即基于先验知识的三维重建算法、基于语法分割的三维重建算法和基于 GlobFit 的三维重建算法）的优势和不足，为本文后续的研究工作提供理论依据。 2、针对地面激光扫描仪存在扫描死角，导致点云缺失、密度不均匀，使得建筑物立面 难以完整分割等问题，现有的 RANSA Random Sampling and Consensus）和多结构(Multi-GS) 等相关的算法，虽然在采样策略方面有一定的优势，但是对于模型的选择和后续模型优化 等方面仍存在不足。为此，本文提出了一种基于点密度的指导采样方式，并对提取模型进 行再优化的分割算法，即 GSMOSAC(Global Sample and Model Optimize)。该算法通过改 进最小采样集的选取方式，并对采样模型进行优化处理，以提高获取模型的可靠性。实验 结果表明，本文提出的算法比传统的 RANSAC、多结构(Multi-GS)算法能够获得更好的分割 效果。 3、 针对 RANSAC、PEARL 和 GlobFit 这三种算法在三维重建过程中存在闭合性、扩 展性和自动化处理等方面的不足问题，提出了一种基于正则集的三维重建新算法。该算法 扩展性较好，而且能够自动地进行几何重建。通过对四组不同类型和规模的激光雷达数据 进行实验分析，并与 RANSAC、PEARL 和 GlobFit 三种经典算法相比，本文提出的基于正 则集三维重建算法的重建效果较好，而且能够较好地解决在建筑物几何重建过程中普遍存 在的闭合性问题。 关键词： 激光雷达点云；立面分割 ；GSMOSAC；点密度；三维重建；正则集 I Research on Technology of Building Reconstruction under LiDAR Point Cloud Abstract Since the concept of smart city was first put forward, city 3D construction causes wide attention. Since the 21st century, laser scanning technology is improved significantly, hence it can obtain a wide range of urban scene of 3D data in a quickly and accurately way, providing a data basis for 3D reconstruction of the city. As an important part of the city scene, 3D reconstruction of artificial buildings is a hotspot of current research, and also facing data processing difficulties and so on. In the reconstruction of complex buildings, we need to solve the model reconstruction of complex detailed structure t