📄Работа №189548
Тема: РАСПОЗНАВАНИЕ ОДИНОЧНЫХ ВЫСОКИХ ОБЪЕКТОВ НА МЕСТНОСТИ ПО ДАННЫМ ЛАЗЕРНОГО СКАНИРОВАНИЯ
Тип работы
Дипломные работы, ВКР
Предмет
информатика
Объем:
45 листов
Год:
2018
Просмотров:
48
4450
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
ВВЕДЕНИЕ 4
1 Обзор программных продуктов и алгоритмов классификации 6
1.1 Программные продукты 6
1.1.1 Vision LiDAR 7
1.1.2 TerraScan 13
1.1.3 Вывод 13
1.2 Алгоритмы распознавания и классификации объектов в облаке точек 14
1.2.1 Стандартное преобразование Хафа 15
1.2.2 Преобразование Хафа к 3D данным 19
1.2.3 Преимущества и недостатки преобразования Хафа 19
1.2.4 Вывод 19
2 Предлагаемый подход 20
2.1 Первоначальная обработка точек 20
2.2 Клеточное разбиение исходного облака точек 20
2.3 Распознавание одиночных высоких объектов 22
2.3.1 Построение выпуклой оболочки 25
2.3.2 Распознавание цилиндрических объектов 28
2.3.2.1 Метод выпуклой оболочки 28
2.3.2.2 Каноническое уравнение окружности 28
2.3.2.3 Построение окружности по трем точкам 30
2.3.2.4 Выводы 34
3 Описание программы 35
3.1 Диаграмма классов 35
3.2 Визуализация полученных результатов 37
4 Руководство пользователя 40
ЗАКЛЮЧЕНИЕ 43
ЛИТЕРАТУРА 44
ВВЕДЕНИЕ 4
1 Обзор программных продуктов и алгоритмов классификации 6
1.1 Программные продукты 6
1.1.1 Vision LiDAR 7
1.1.2 TerraScan 13
1.1.3 Вывод 13
1.2 Алгоритмы распознавания и классификации объектов в облаке точек 14
1.2.1 Стандартное преобразование Хафа 15
1.2.2 Преобразование Хафа к 3D данным 19
1.2.3 Преимущества и недостатки преобразования Хафа 19
1.2.4 Вывод 19
2 Предлагаемый подход 20
2.1 Первоначальная обработка точек 20
2.2 Клеточное разбиение исходного облака точек 20
2.3 Распознавание одиночных высоких объектов 22
2.3.1 Построение выпуклой оболочки 25
2.3.2 Распознавание цилиндрических объектов 28
2.3.2.1 Метод выпуклой оболочки 28
2.3.2.2 Каноническое уравнение окружности 28
2.3.2.3 Построение окружности по трем точкам 30
2.3.2.4 Выводы 34
3 Описание программы 35
3.1 Диаграмма классов 35
3.2 Визуализация полученных результатов 37
4 Руководство пользователя 40
ЗАКЛЮЧЕНИЕ 43
ЛИТЕРАТУРА 44
📖 Введение
Компьютерные технологии на протяжении вот уже нескольких десятков лет дают еще большую возможность открывать что-то новое, двигаться вперед в различных отраслях, начиная с архитектуры и заканчивая медициной. На данный момент особой популярностью пользуется такая технология, как лазерное сканирование [19]. Это способ получения трехмерных данных из окружающих объектов, которые впоследствии объединяются в облако точек.
Выделяют три вида лазерного сканирования [18, 20, 21]:
• воздушное,
• наземное,
• мобильное.
Выбор вида будет зависеть от того, исследования какого типа планируется провести, и от того, в каких условиях эти исследования будут проходить.
Результатом лазерного сканирования являются «сырые данные» - данные, которые представляют собой набор сканов (множество точек объектов), координаты опорных точек [22], дополнительной информацией могут служить цифровые изображения. Впоследствии, по координатам опорных точек необходимо провести первоначальную обработку, то есть трансформировать в единую систему координат, сшить сканы в единое целое. В случае использования данных, взятых посредством воздушного или мобильного лазерного сканирования, возникает необходимости произвести уравнивание точек по маршруту следования транспорта, оснащенного сканером.
Существует много программных продуктов для работы с данными лазерного сканирования - облаком точек [2, 4, 10, 24, 25]. Алгоритмы, которые реализованы в рамках таких программ - разнообразны, но не универсальны и неоднозначно работают для объектов разных типов.
Многие исследования посвящены разработке и модификации алгоритмов, нацеленных на классификацию точек и распознавание объектов в облаке. Работа [9] направлена на классификацию точек облака, которые были получены при лазерной съемке. Во многих работах рассматриваются алгоритмы, основанные на нейронных сетях [16], на триангуляции [3], на сегментировании [8]. Немало алгоритмов основанных на преобразовании Хафа [7, 11, 12, 13]. Часть предложенных алгоритмов требует больших затрат по времени для корректного выполнения своей работы. Отсюда возникает необходимость в разработке различных модификаций алгоритмов, направленных на минимизацию трудоемкости.
Целью данной работы является разработка комплекса алгоритмов по распознаванию одиночных высоких объектов в облаке точек и по построению моделей распознанных объектов. Предлагаемый алгоритм нацелен на минимизацию времени нахождения типовых объектов, из которых полностью или частично можно выделить вертикальный цилиндр, к таким объектам относятся столбы, деревья, предметы уличного освещения, дорожные знаки и т.п.
Выделяют три вида лазерного сканирования [18, 20, 21]:
• воздушное,
• наземное,
• мобильное.
Выбор вида будет зависеть от того, исследования какого типа планируется провести, и от того, в каких условиях эти исследования будут проходить.
Результатом лазерного сканирования являются «сырые данные» - данные, которые представляют собой набор сканов (множество точек объектов), координаты опорных точек [22], дополнительной информацией могут служить цифровые изображения. Впоследствии, по координатам опорных точек необходимо провести первоначальную обработку, то есть трансформировать в единую систему координат, сшить сканы в единое целое. В случае использования данных, взятых посредством воздушного или мобильного лазерного сканирования, возникает необходимости произвести уравнивание точек по маршруту следования транспорта, оснащенного сканером.
Существует много программных продуктов для работы с данными лазерного сканирования - облаком точек [2, 4, 10, 24, 25]. Алгоритмы, которые реализованы в рамках таких программ - разнообразны, но не универсальны и неоднозначно работают для объектов разных типов.
Многие исследования посвящены разработке и модификации алгоритмов, нацеленных на классификацию точек и распознавание объектов в облаке. Работа [9] направлена на классификацию точек облака, которые были получены при лазерной съемке. Во многих работах рассматриваются алгоритмы, основанные на нейронных сетях [16], на триангуляции [3], на сегментировании [8]. Немало алгоритмов основанных на преобразовании Хафа [7, 11, 12, 13]. Часть предложенных алгоритмов требует больших затрат по времени для корректного выполнения своей работы. Отсюда возникает необходимость в разработке различных модификаций алгоритмов, направленных на минимизацию трудоемкости.
Целью данной работы является разработка комплекса алгоритмов по распознаванию одиночных высоких объектов в облаке точек и по построению моделей распознанных объектов. Предлагаемый алгоритм нацелен на минимизацию времени нахождения типовых объектов, из которых полностью или частично можно выделить вертикальный цилиндр, к таким объектам относятся столбы, деревья, предметы уличного освещения, дорожные знаки и т.п.
✅ Заключение
При выполнении выпускной квалификационной работы были выполнены следующие задачи:
• сделан обзор и сравнение программных продуктов для обработки трехмерных облаков точек; было проанализировано, как именно проходит классификация объектов на примере программных продуктов TerraScan и VisionLidar;
• сделан обзор эффективных алгоритмов распознавания и классификации объектов в облаке точек;
• разработаны алгоритмы для распознавания высоких одиночных объектов в облаке точек;
• реализованы соответствующие алгоритмы, которые протестированы на модельных данных.
Алгоритмы, разработанные в рамках выпускной квалификационной работы, могут применяться в промышленных системах обработки лазерного сканирования.
• сделан обзор и сравнение программных продуктов для обработки трехмерных облаков точек; было проанализировано, как именно проходит классификация объектов на примере программных продуктов TerraScan и VisionLidar;
• сделан обзор эффективных алгоритмов распознавания и классификации объектов в облаке точек;
• разработаны алгоритмы для распознавания высоких одиночных объектов в облаке точек;
• реализованы соответствующие алгоритмы, которые протестированы на модельных данных.
Алгоритмы, разработанные в рамках выпускной квалификационной работы, могут применяться в промышленных системах обработки лазерного сканирования.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.