資源描述：
《基于支持向量機(jī)的點(diǎn)云去噪研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、CIassifiedlndex：Tf)391．41U．D．C：004．92SouthwestUniversityofScienceandTechno。ogy010IMasterDegreeThesiSResearchonPointCloudsDenoiSingBasedonSupportVectorMachineGrade：Candidate：AcademicDegreeAppliedfor：SpecialIty：Supervisor：2008ZhangOinMasterComputerApplicat
2、iontechnologyProfessorCaiYongApriI．15．2011獨(dú)創(chuàng)性聲明≮麟㈣199㈣8't04；i本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含為獲得西南科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示了謝意。簽名：吉k琴日期：厶1／．o六。／關(guān)于論文使用和授權(quán)的說(shuō)明本人完全了解西南
3、科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留學(xué)位論文的復(fù)印件，允許該論文被查閱和借閱；學(xué)?？梢怨荚撜撐牡娜炕虿糠謨?nèi)容，可以采用影印、縮印或其他復(fù)制手段保存論文。(保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定)簽名：淤黟V『、．’／翩簽名：j曲日期：為n移。f西南科技大學(xué)碩士研究生學(xué)位論文第1頁(yè)摘要點(diǎn)云模型在逆向工程中的應(yīng)用正受到越來(lái)越多的關(guān)注，隨著激光掃描設(shè)備的更新?lián)Q代，點(diǎn)云數(shù)據(jù)的采集工作也變得更簡(jiǎn)易可行，點(diǎn)云數(shù)據(jù)模型的質(zhì)量也有所提升，但由于眾多不可避免因素的存在，采集獲得的模型數(shù)據(jù)會(huì)帶有各種不同的
4、問(wèn)題，噪聲就是其中之一。點(diǎn)云數(shù)據(jù)模型的去噪問(wèn)題是一個(gè)不容忽視的重要環(huán)節(jié)，是點(diǎn)云數(shù)據(jù)處理中首要解決的問(wèn)題。噪聲處理的好壞直接決定著模型重建的品質(zhì)高低。在對(duì)點(diǎn)云去噪相關(guān)問(wèn)題深入研究學(xué)習(xí)后，提出一種基于支持向量機(jī)的點(diǎn)云去噪方法，本文主要研究?jī)?nèi)容如下：(1)由于點(diǎn)云模型中點(diǎn)與點(diǎn)之間沒(méi)有任何拓?fù)潢P(guān)系，使得對(duì)點(diǎn)云處理的時(shí)候，時(shí)間消耗很大，其大規(guī)模散亂無(wú)序的點(diǎn)云數(shù)據(jù)自身的特點(diǎn)制約著剔除噪聲的速度，使用適合本文算法且簡(jiǎn)便實(shí)用的數(shù)據(jù)結(jié)構(gòu)，提高點(diǎn)云使用效率。(2)提出引入支持向量機(jī)到點(diǎn)云去噪問(wèn)題中，利用其最優(yōu)超平面分割原理
5、，以及良好的統(tǒng)計(jì)特性，強(qiáng)大的泛化推廣能力，準(zhǔn)確、快速的識(shí)別出點(diǎn)云數(shù)據(jù)模型中的噪聲，確保模型表達(dá)的精準(zhǔn)性。(3)支持向量機(jī)使用的同時(shí)，提出結(jié)合分治整合策略。對(duì)點(diǎn)云數(shù)據(jù)模型首先實(shí)施分治的方法，再使用增量學(xué)習(xí)逐步對(duì)整個(gè)點(diǎn)云模型進(jìn)行整合，包圍盒技術(shù)整個(gè)貫穿于其中，從而提高訓(xùn)練準(zhǔn)確度及速度。這樣，一方面可以確保判別模型的可靠性，另一方面也減低了算法運(yùn)行消耗的時(shí)間。實(shí)驗(yàn)結(jié)果表明，本文提出的噪聲去除算法，通過(guò)判別模型能夠識(shí)別出噪聲點(diǎn)和非噪聲點(diǎn)，高效的剔除噪聲。此算法在去除噪聲的同時(shí)并有效的保持模型原有特征。關(guān)鍵詞：逆
6、向工程點(diǎn)云去噪支持向量機(jī)包圍盒分治整合西南科技大學(xué)碩士研究生學(xué)位論文第1I頁(yè)AbstractThepoint。cloudmodelisbeingmoreandmoreattentioninreverseengineeringfield．Withtheupdateoflaserscanningequipment，itbecomessimplerandmorefeasibleonacquiringpoint—clouddata．Inaddition，thequalityofthepoint-cloudmod
7、elhasbeenimproved．However,duetothepresenceofnumerousunavoidablefactors，itexistsalotofdifferentproblemswiththedatamodelwhenitiscollected，suchasnoise．Hence，thedenoisingofpoint-cloudmodelisanimportantpartthatcannotbeignored．Also，itistheprimaryproblemtobesol
8、vedinpoint—clouddataprocessing．Thequalityofthenoiseprocessingdirectlydeterminethelevelofreconstructionmodel．Afterdeeplystudyingrelatedproblemsofpointcloudsdenoising，hasthispaperproposeanalgorithmofpointcloudsdenoisingbased
