📄Работа №189331
Тема: РАСПОЗНАВАНИЕ ПОДСТИЛАЮЩЕЙ ПОВЕРХНОСТИ, ГОРИЗОНТАЛЬНЫХ И ВЕРТИКАЛЬНЫХ ГРАНЕЙ ТРЕХМЕРНЫХ ОБЪЕКТОВ ПО ДАННЫМ ЛАЗЕРНОГО СКАНИРОВАНИЯ
Тип работы
Дипломные работы, ВКР
Предмет
прикладная информатика
Объем:
46 листов
Год:
2018
Просмотров:
44
4460
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Реферат 2
ВВЕДЕНИЕ 4
1 Лазерное сканирование 5
2 Системы и алгоритмы обработки данных лазерного сканирования 8
2.1 Обзор программных продуктов 8
2.2 Функционал программных продуктов по автоматической классификации и
распознаванию объектов 10
2.2.1 TerraScan 11
2.2.2 Vision LiDAR 14
2.3 Обзор алгоритмов распознавания объектов в облаке точек 16
2.4 Классическое преобразование Хафа 18
2.5 Преобразование Хафа для 3D данных 20
2.6 Алгоритмы сегментации 22
3 Предлагаемый подход 24
3.1 Первоначальная обработка входных данных 24
3.2 Клеточное разбиение 24
3.3 Распознавание подстилающей поверхности 26
3.4 Распознавание горизонтальных граней 28
3.5 Построение выпуклой оболочки 30
3.6 Распознавание вертикальных граней 32
4 Описание программы 35
4.1 Диаграмма классов 35
4.2 Визуализация полученных результатов 37
5 Руководство пользователя 39
ЗАКЛЮЧЕНИЕ 42
ЛИТЕРАТУРА 43
ВВЕДЕНИЕ 4
1 Лазерное сканирование 5
2 Системы и алгоритмы обработки данных лазерного сканирования 8
2.1 Обзор программных продуктов 8
2.2 Функционал программных продуктов по автоматической классификации и
распознаванию объектов 10
2.2.1 TerraScan 11
2.2.2 Vision LiDAR 14
2.3 Обзор алгоритмов распознавания объектов в облаке точек 16
2.4 Классическое преобразование Хафа 18
2.5 Преобразование Хафа для 3D данных 20
2.6 Алгоритмы сегментации 22
3 Предлагаемый подход 24
3.1 Первоначальная обработка входных данных 24
3.2 Клеточное разбиение 24
3.3 Распознавание подстилающей поверхности 26
3.4 Распознавание горизонтальных граней 28
3.5 Построение выпуклой оболочки 30
3.6 Распознавание вертикальных граней 32
4 Описание программы 35
4.1 Диаграмма классов 35
4.2 Визуализация полученных результатов 37
5 Руководство пользователя 39
ЗАКЛЮЧЕНИЕ 42
ЛИТЕРАТУРА 43
📖 Введение
Технология лазерного сканирования - самый быстрый и точный способ сбора информации о пространственных объектах, представляющих интерес для конкретной области. Данная технология распространена в различных отраслях, таких как строительство, архитектура, промышленность, а на рынке постоянно появляются новые программные продукты для обработки облаков точек [3, 8, 15, 32, 34, 37].
Значимыми функциями программного обеспечения (далее ПО) для обработки данных лазерного сканирования являются автоматическое распознавание типовых объектов и классификация точек в облаке. Однако любая программа не может гарантировать безошибочное распознавание. На это влияет качество методов распознавания и входные данные. Поэтому ПО создается и совершенствуется с целью ускорения обработки данных и снижения влияния человека и допущенных им ошибок, влияющих на результат работы.
Существуют различные алгоритмы распознавания объектов и классификации трехмерного облака точек. Все они основаны на общеизвестных алгоритмах: на предварительно построенной поверхностной триангуляции [6, 7], тетраэдризации [1],
использовании машинного обучения [14, 25] и прочее. Группа алгоритмов использует преобразование Хафа [11, 16, 17, 18, 19, 20, 24].
Часто инструменты классификации требуют ручной настройки входных параметров пользователем для достижения корректного результата. Например, предлагается выделить вручную некоторую область, где потенциально содержится объект или объекты (одного и того же типа), и к выделенной области применить один из соответствующих алгоритмов распознавания. Трудоемкость выполнения каждого алгоритма также зависит от типа распознаваемых объектов. Для уменьшения трудоемкости нередко применяют узконаправленные алгоритмы для нахождения частных случаев объектов. Поэтому актуальной остается задача разработки более эффективных и качественных алгоритмов распознавания типовых объектов по данным лазерного сканирования.
Таким образом, цель данной работы состоит в следующем: разработать эффективные алгоритмы распознавания подстилающей поверхности, вертикальных и горизонтальных граней объектов по данным лазерного сканирования. Эффективность предложенных алгоритмов обосновывается направленностью алгоритмов на частные случаи, например, только вертикальные и горизонтальные грани. Подход базируется на комбинировании известных алгоритмов с целью уменьшения трудоемкости.
Значимыми функциями программного обеспечения (далее ПО) для обработки данных лазерного сканирования являются автоматическое распознавание типовых объектов и классификация точек в облаке. Однако любая программа не может гарантировать безошибочное распознавание. На это влияет качество методов распознавания и входные данные. Поэтому ПО создается и совершенствуется с целью ускорения обработки данных и снижения влияния человека и допущенных им ошибок, влияющих на результат работы.
Существуют различные алгоритмы распознавания объектов и классификации трехмерного облака точек. Все они основаны на общеизвестных алгоритмах: на предварительно построенной поверхностной триангуляции [6, 7], тетраэдризации [1],
использовании машинного обучения [14, 25] и прочее. Группа алгоритмов использует преобразование Хафа [11, 16, 17, 18, 19, 20, 24].
Часто инструменты классификации требуют ручной настройки входных параметров пользователем для достижения корректного результата. Например, предлагается выделить вручную некоторую область, где потенциально содержится объект или объекты (одного и того же типа), и к выделенной области применить один из соответствующих алгоритмов распознавания. Трудоемкость выполнения каждого алгоритма также зависит от типа распознаваемых объектов. Для уменьшения трудоемкости нередко применяют узконаправленные алгоритмы для нахождения частных случаев объектов. Поэтому актуальной остается задача разработки более эффективных и качественных алгоритмов распознавания типовых объектов по данным лазерного сканирования.
Таким образом, цель данной работы состоит в следующем: разработать эффективные алгоритмы распознавания подстилающей поверхности, вертикальных и горизонтальных граней объектов по данным лазерного сканирования. Эффективность предложенных алгоритмов обосновывается направленностью алгоритмов на частные случаи, например, только вертикальные и горизонтальные грани. Подход базируется на комбинировании известных алгоритмов с целью уменьшения трудоемкости.
✅ Заключение
В ходе выполнения выпускной квалификационной работы были решены следующие задачи:
• проведен обзор существующего программного обеспечения для обработки трехмерных облаков точек, в частности, детально были проанализированы следующие программные продукты: TerraScan и Vision LiDAR;
• проведен обзор алгоритмов классификации точек облака и распознавания объектов по данным лазерного сканирования;
• разработаны алгоритмы для распознавания типовых объектов таких, как подстилающая поверхность, вертикальные и горизонтальные грани трехмерных объектов;
• реализованы соответствующие алгоритмы, которые протестированы на модельных данных.
Разработанные алгоритмы могут быть применены в промышленных системах обработки лазерного сканирования.
Частичные результаты работы были опубликованы в трудах конференции [11].
• проведен обзор существующего программного обеспечения для обработки трехмерных облаков точек, в частности, детально были проанализированы следующие программные продукты: TerraScan и Vision LiDAR;
• проведен обзор алгоритмов классификации точек облака и распознавания объектов по данным лазерного сканирования;
• разработаны алгоритмы для распознавания типовых объектов таких, как подстилающая поверхность, вертикальные и горизонтальные грани трехмерных объектов;
• реализованы соответствующие алгоритмы, которые протестированы на модельных данных.
Разработанные алгоритмы могут быть применены в промышленных системах обработки лазерного сканирования.
Частичные результаты работы были опубликованы в трудах конференции [11].
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.