三维激光扫描技术及其在变形监测中的应用PDF电子书下载

第1章 变形监测技术发展概况 1

1.1 研究目的及意义 1

1.2 建筑物常规变形监测技术 3

1.2.1 传统大地测量技术 3

1.2.2 智能全站仪测量技术 4

1.2.3 GPS测量技术 4

1.2.4 激光跟踪测量技术 4

1.2.5 摄影测量技术 5

1.3 三维激光扫描技术的研究进展 5

1.3.1 点云数据采集技术 6

1.3.2 数据预处理技术 7

1.3.3 曲面重建技术 10

1.3.4 特征提取技术 13

1.3.5 三维激光扫描技术的应用 14

第2章 地面三维激光扫描系统原理 19

2.1 三维激光扫描系统的工作原理 19

2.1.1 激光测距系统 20

2.1.2 激光扫描系统 21

2.1.3 CCD相机 21

2.2 三维激光扫描系统的精度分析 21

2.2.1 影响三维激光扫描精度的因素 21

2.2.2 三维激光扫描系统的精度检测 24

2.3 三维激光扫描系统探测变形能力的检测 33

2.3.1 实验方案 33

2.3.2 实验数据处理及分析 34

2.4 三维激光扫描系统作业流程 36

第3章 点云数据噪声剔除方法研究 38

3.1 点云数据噪声分布的特点 38

3.2 点云数据的降维处理 39

3.2.1 点云数据降维的主要方法 39

3.2.2 变换坐标系的确定 40

3.2.3 坐标转换的原理 41

3.3 基于趋势面滤波的粗差探测方法 42

3.3.1 趋势面模型的建立 42

3.3.2 模型参数的确定 42

3.3.3 粗差判定准则的确定 43

3.3.4 实验数据处理与分析 43

3.4 改进的趋势面粗差探测法 46

3.4.1 未确知有理数的数学基础 46

3.4.2 二维未确知滤波的原理 47

3.4.3 基于二维未确知滤波的趋势面粗差探测方法 47

3.4.4 实验数据处理与分析 49

3.5 基于小波变换的点云光顺方法 54

3.5.1 小波变换技术的基本原理 54

3.5.2 基于小波变换的去噪方法 56

3.5.3 点云图像的去噪效果评价 58

3.5.4 实例数据处理与分析 59

第4章 点云数据分割及模型构建技术研究 62

4.1 建筑物形状特征分类 62

4.2 建筑物点云数据分割 63

4.2.1 DBSCAN聚类算法 64

4.2.2 G-K聚类算法 67

4.2.3 基于聚类分析的点云数据多层递进分割算法 69

4.2.4 点云数据分割实例分析 72

4.3 规则曲面的建模方法研究 75

4.3.1 平面拟合 75

4.3.2 球面拟合 76

4.3.3 圆柱面拟合 76

4.3.4 抛物面拟合 77

4.4 自由曲面的构建方法研究 79

4.4.1 NURBS曲面的定义 79

4.4.2 NURBS曲面插值 79

4.5 点云模型的精度评定 83

4.5.1 规则曲面模型的精度评定 84

4.5.2 自由曲面模型的精度评定 84

4.6 散乱点云数据的规则化 86

4.6.1 点云数据规则化原理 86

4.6.2 实例分析 88

第5章 基于点云数据的建筑物形体特征提取技术研究 89

5.1 建筑物形体特征分析 89

5.1.1 建筑物中的点特征 90

5.1.2 建筑物中的线特征 90

5.1.3 建筑物中的面特征 91

5.2 基于点云数据的建筑物特征提取方法 91

5.2.1 建筑物点特征的提取 92

5.2.2 建筑物线特征的提取 94

5.2.3 建筑物面特征的提取 100

5.3 建筑物曲而之间的儿何关系特征 102

5.3.1 建筑物曲面约束的定义与分类 103

5.3.2 建筑物曲面约束关系识别 105

5.3.3 实例数据处理与分析 107

第6章 基于三维激光扫描的建筑物变形分析方法研究 110

6.1 基于建筑物特征的变形分析方法 110

6.1.1 点特征的变形 110

6.1.2 线特征的变形 111

6.1.3 面特征的变形 113

6.2 基于主成分分析的建筑物整体变形分析 114

6.2.1 点云模型的特征提取 114

6.2.2 基于特征坐标系的点云模型变形分析 121

6.2.3 实验数据处理与分析 124

6.3 基于NURBS曲面的建筑物表面变形分析 129

6.3.1 算法描述 130

6.3.2 基于NURBS曲面的对应点确定 130

6.3.3 变形量的计算 132

6.3.4 实验数据处理与分析 132

参考文献 138