一、文献综述
（一）国内外研究现状
目前针对声纳点云的研究主要集中在保障点云的质量，确保数据量在可控的范围,去除数据噪声以及解决点云的分层问题。点云首先要进行一些必要的预处理，主要包括散乱点排序、多视拼合、误差剔除、数据光顺、数据精简、特征提取和数据分块这几个方面。在对测量对象完成整体数字化的过程中,通常的做法是对整体重新定位,以另一有利的角度或方向获取被测件不同方位的表面信息,采用均匀方格法确定需要进行二次拼合的点云区域,目前广泛应用于图像处理的是由Martin等提出的一种基于“中值滤波”原理的均匀方格法，点云拼合中,ICP(iterative closed point)算法是目前解决多视定位问题的基本算法，现已在图像处理中得到广泛应用。Lee等对均匀网格法进行了改进，提出了非均匀网格精简方法，但对数据点云的边界点不容易确定。
声呐成像一直是水声领域研究的重点，目前二维成像声呐有较成熟的技术，且在国内外应用广泛。三维成像声呐与传统二维成像声呐相比，增加了图像的深度信息，具有更多良好的性能，如更清晰的轮廓识别度，图像可三维空间旋转观测等。在国际上有代表性的三维成像声呐有 EchoScope 系列产品。但国内还没有完全商用的三维手持声呐系统，技术实现方法仍处于研究阶段。
PCL是一个用于3D点云处理的完全模块化的现代C 库，在现代CPU的中表现良好。PCL旨在结合大量对点云数据进行操作的3D处理算法，包括：过滤，特征估计，曲面重建，模型拟合，分割，配准等。每组算法都通过基础定义尝试集成整个管道中使用的所有常用功能的类，从而保持实际算法的实现紧凑和清洁。PCL带有自己的基于VTK的可视化库。VTK为渲染3D点云和表面数据提供了出色的多平台支持，包括对张量，纹理和体积方法的可视化支持。PCL可视化库是为了PCL与VTK与整合，通过提供n维点云结构的全面可视化层。
（二）研究主要成果
目前常用的点云拼接方法有四种，基于标靶的拼接方法：需要保证在相邻两个测站间具有一定的重叠区域， 并在这些重叠区域的内部人工布设测量标靶（平面标靶或球形标靶），且公共标靶点的个数必须有 3 个或者3个以上。在扫描得到的点云数据中，将标靶点提取出来，通过数学方法将标靶中心坐标提取出来，得到两站标靶点的自由坐标，完成多测站的点云数据拼接。基于几何特征的拼接方法：常选取的几何特征包括有点、 线(直线或曲线） 面（平面或曲面等），在选取特征时一般需要选取三处或者三处以上的特征，并根据所确定的几何特征来计算两站间的转换关系。基于控制点三维坐标的点云拼接方法：三维激光扫描仪架设在控制点上通过严格的对中整平和后视定向后， 再扫描得到
的各测站数据， 在通过软件的拼接工具完成多站数据拼接。基于 ICP 算法拼接方法：不需要在扫描的公共区域人工摆放标靶，它通过点云数据的几何特征将两个测站点的点云数据放在同一个坐标系下， 再利用由 Besl 和Mckay 提出的 ICP（Iteantve Closest Point） 算法再进行一次拼接。
点云滤波又分为两大类：一种是有序点云的滤波，一种是散乱点云的滤波。目前针对有序点云或者部分有序点云的滤波方法主要有：中值滤波、 均值滤波和高斯滤波。“中值滤波器”是滤非线性噪声的一种有效的算法。与均值滤波不同的是，它把邻域的像素灰度值重新新排序，并选择这组数据的中间值作为像素值。均值滤波算法的基本原理是利用领域内所有像素点灰度值的平均值来表示该点的灰度值。高斯滤波器是一种线性平滑滤波器， 它主要是依据高斯函数的形状来选择权值。这种滤波器能够有效地除去正态分布的噪声。他们主要是通过模仿数字影像去噪的过程来实现点云去噪。针对散乱点云的滤波方法主要有：移动曲面滤波算法、迭代最小二乘滤波算法、基于逐步加密三角网的滤波算法。
原始点云去噪主要有3类算法: 第1类为基于内插的方法，第 2 类为基于曲面约束的方法，第3类为基于数学形态的方法。清华大学刘辉等人提出根据测量环境中产生的不同类型噪声数据进行分析，对于物体轮廓外的噪声点，采用人机交互的方式直接去除噪声点，对于物体轮廓内单个明显的噪声点采用相邻点加权平均的方法去除，而对轮廓内连续错误的噪声点，采用了双向去噪的方法，即在点云的垂直方向通过相邻点夹角的大小去除起伏明显的噪声点，在点云的水平方向通过相邻点云水平距离的加权平均来调整水平方向其余点的距离，最后应用最小二乘法拟合得到去除噪声点处的三维坐标。该方法能有效去除点云数据中夹杂的噪声，还对物体表面失真的数据进行有效地调整和修改,获得连续光滑的测量表面,具有良好的效果。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
