论文部分内容阅读
激光扫描技术因其独特的技术优势逐渐成为岩石工程中获取岩体信息的主流方式。为了避免植被、建筑等非岩体物体对后续的模拟计算造成干扰，需要对获取的岩体点云进行滤波处理。岩体因其独有的特性有别于其他场景，导致现有滤波算法在岩体点云数据上的滤波效果不佳。 通过对现有算法的实验与分析，本论文提出了一种专门针对岩体点云的基于BP神经网络模型的滤波方法。该方法利用模式识别和人工神经网络的思想解决滤波问题，解决了已有滤波算法在岩体点云上效果不佳的问题。本文的主要工作包括: (1)研究了当前已有的滤波方法，并对其进行了定性分析;在定性分析的基础上选取了四种典型的滤波算法进行了详细介绍，并对其在岩体点云上的滤波效果展开了定量比较。根据实验结果，本论文阐述了现有滤波算法在岩体点云上存在缺陷的原因，并指出这种缺陷很难通过改进现有算法解决。 (2)结合模式识别和人工神经网络的思想，提出了一种基于BP神经网络模型的滤波方法。该方法首先对原始数据进行预处理，进行格式转换并利用KD树建立索引，以便后续计算;其次在对现有滤波算法使用的特征进行分析的基础上，使用一种基于主成分分析的方法在多尺度下提取岩体点云的维度特征;然后使用BP神经网络模型作为分类器，利用训练样本对其进行训练，使其逼近一个误差较小的分类准则;最后利用该分类准则对岩体点云进行滤波。 (3)在岩体点云上对基于BP神经网络模型的滤波方法和已有典型滤波算法进行了充分的测试、比较与分析。实验结果表明，本文的滤波方法突破了已有方法在岩体点云，尤其是陡峭区域的局限性，能够很好地解决复杂场景下的岩体滤波问题。 本论文针对岩体点云数据，在研究现有算法的基础上，结合模式识别和人工神经网络相关理论，提出了一种新的基于BP神经网络模型的滤波方法。研究结果表明本文提出的滤波方法在岩体点云上有较好的性能，对于岩体点云滤波及其相关研究与应用具有促进作用。