基于空间聚类种子生长算法的阵列干涉SAR点云滤波

阵列干涉合成孔径雷达(Synthetic Aperture Radar, SAR)通过在交轨向布置多个天线,结合方位向的合成孔径和斜距向的大带宽信号,具备了3维分辨能力,且多个阵元保证了其在高程向的空间采样,能够解决干涉SAR(Interferometric SAR, InSAR)测绘中的叠掩问题,实现观测场景的3维成像。但是获得场景区域的3维点云分布中存在较多杂点,高程向误差较大,所以传统的激光雷达(Light Detection And Ranging, LiDAR)点云滤波方法不适用于阵列干涉SAR点云的滤波处理。针对该问题,该文提出基于空间聚类种子生长算法的阵列干涉SAR点云滤波算法,应用密度和高程双重阈值生成密度-高程图像,通过图像处理手段去除小型杂点,利用空间聚类种子生长算法将植被等从点云数据中去除,完成点云滤波处理。利用国内首次机载阵列干涉SAR实验数据,通过与传统LiDAR滤波方法进行比较,验证了该文算法的有效性,为后续建筑物提取和精细化处理提供保障。      

基于掩膜投影和双参数CFAR的圆周扫描GBSAR三维点云提取方法

圆周扫描地基合成孔径雷达（Ground based Synthetic Aperture Radar, GBSAR）通过在竖直面做圆周旋转扫描，具备三维成像的重要优势。但是其圆周观测几何会产生强旁瓣，造成目标点云提取困难。目前未见圆周扫描GBSAR三维点云提取方法的相关研究，经典的双参数恒虚警率（Constant False Alarm Rate,CFAR）算法虽然能够提取三维点云，但需要对三维像不同高度逐层进行检测，由于强旁瓣的影响，无法准确提取三维点云。针对上述问题，本文提出基于掩膜投影和双参数CFAR的圆周扫描GBSAR三维点云提取方法，该方法利用掩膜投影和两次双参数CFAR实现强旁瓣影响下的点云精确提取。该方法首先对SAR三维图像应用最大值投影获取三视图，然后对三视图进行第一次双参数CFAR获取三视图掩膜；然后利用三视图掩膜投影，通过SAR三维像取交集去掉空间位置旁瓣，得到潜在目标区域数据；最后对潜在目标区域的数据应用第二次双参数CFAR实现点云提取。该方法利用实际数据进行实验，结果表明，所提方法与经典的双参数CFAR逐层检测算法相比，可更准确地提取出三维SAR图像目标点云。     

层析SAR技术研究进展

合成孔径雷达(Synthetic Aperture Radar,SAR)通过将三维场景投影到距离-方位平面获取场景二维成像信息,但由此导致的叠掩问题影响图像解译。层析合成孔径雷达(Tomographic Synthetic Aperture Radar, TomoSAR)利用同一场景的多次航过数据在高程向合成孔径,获取目标三维成像结果,能够从根本上解决叠掩问题。本文从层析SAR信号模型出发,描述了不同维度下的层析SAR成像算法,系统地总结了应用于层析SAR研究的各机载和星载系统,阐述了层析SAR在城区、森林和冰川等场景下的应用,对于城区建筑物信息提取、森林参数信息提取和冰川结构参数提取中面临的主要问题和现有解决策略进行了详细的分析。最后,总结本文内容并展望层析SAR技术的发展前景。     

大场景内建筑物点云提取及平面分割算法

提出一种从地面激光点云数据中提取建筑目标并进行分割的新方法,该方法利用半径渐变的主成分分析法确定各点局部几何特征(最佳半径,法向量、维度特征);根据几何特征将地面点从原始点云中剔除,将非地面点按距离聚类形成点云簇,并对点云簇进行整体特征分析,识别建筑物目标;依据点的局部特征设置区域增长法生长准则对建筑物目标进行平面分割并对分割结果进行优化。实验结果表明,该方法不仅能快速有效提取大场景中的建筑物目标进行分割,并且解决了传统区域增长法不稳定的问题,提高了建筑物点云平面分割的精确性和可靠性。     

基于机载激光雷达数据的复杂建筑物三维自动重建方法

为了解决复杂建筑物三维模型重建存在的边缘像素清晰度低和重建效率低的不足，提出基于机载激光雷达数据的复杂建筑物三维自动重建方法。首先通过机载激光雷达快速采集复杂建筑的三维点云数据，并剔出异常点云数据；其次采用SIFT算法提取点云数据特征点，通过梯度特征提取匹配特征点，根据特征点进行平移与旋转，完成复杂建筑点云数据配准；然后对建筑边缘三维阈值提取，获得高精度重建阈值；最后通过三维轮廓交边拼接优化，复杂建筑物三维自动重建。通过对比测试证明了本方法重建建筑物三维模型的边缘像素的灰度值为25～215,灰度值跨度较大，边缘像素清晰度较高，三维模型的重组时间为60 min～145 min,耗时较少，重建效率较高，说明了本方法对复杂建筑物三维自动重建的应用效果较好。     

末敏弹线阵激光雷达对地面装甲目标的提取方法

为了提高末敏弹在复杂战场环境下对地面装甲目标的识别概率,提出了一种用于弹载线阵激光成像雷达的目标提取方法,结合末敏弹边旋转边下降的稳态运动特点,实现了线阵列激光雷达对扫描区域的三维点云成像。首先通过对点云中高度数据分析,提出了基于高度与梯度的组合阈值分割算法,实现了地面背景的快速分割;然后利用坐标变换,对有坡度的地面进行调整,并通过典型装甲目标的几何尺寸自动获取种子点进行区域增长分割;最后利用最小外接矩形特征获取目标的几何信息,由目标的几何特征实现装甲目标的提取。仿真结果表明:此方法可以实现线阵列激光雷达在50~120 m高度下对地面装甲目标的准确提取,从而为新型末敏弹目标探测提供技术支撑。     

激光点云技术扫描建筑物门窗立面数据提取

三维快速建模在未来城市作战中起着关键作用,建筑模型信息越细节、越完善,就越能够充分发挥出建筑模型的作用.为此,以激光点云技术为扫描手段,提出一种建筑物门窗立面数据提取方法.利用设计的激光点云设备扫描模式与间距测量方法,采集建筑物点云数据,将其投影至水平网格中,归一化处理各区域灰度值,基于数据点与其邻域点间的欧几里得距离...     

单幅高分辨率SAR图像建筑物三维模型重构

提出了一种利用高分辨率SAR图像进行建筑物提取和三维重构的方法.首先,分析了高分辨率SAR图像建筑物产生的电磁散射的类型,给出了不同类型散射区域的后向散射计算方法,并在此基础上给出了一种利用建筑物三维CAD模型进行SAR建筑物特征区域图像仿真的方法;其次,给出了利用建筑物的二次散射结构确定建筑物底部轮廓位置和方向的方法,并提出了一种基于分布密度函数差异的仿真图像迭代匹配方法,进行建筑物高度的反演.仿真SAR图像后向散射系数用来划分建筑物不同的散射区域,通过计算特征区域之间的分布密度函数差异,以取得最大匹配度值的仿真图像对应的检验高度作为建筑物的反演高度;最后,选用了两幅不同屋顶类型的实际机载高分辨率SAR图像进行建筑物提取和三维重构实验,试验结果较为理想,验证了所提方法的可行性和有效性.     

基于激光扫描技术的三维模型重建

通过分析三维激光扫描系统获取的点云数据,得到了利用点云数据构建三维模型的技术、方法和流程。介绍了利用地面三维激光扫描仪获取点云数据的过程以及结合RiSCAN PRO软件和Geomagic Studio软件进行建模的方法。对原始测量的点云数据进行处理(去除噪声,平滑,对多站点数据做拼接配准,提取目标建筑物等)得到正确和完整的目标建筑物的表面信息,然后构建三角网建立它的三维表面模型,最后通过所拍的照片进行纹理映射得到真实的三维模型。实验结果表明,利用上述方法可以有效地处理三维激光扫描获取的点云数据,实现对建筑物快速三维可视化建模。     

基于地面激光扫描数据的建筑物边界规则化方法研究

基于地面激光扫描数据,提出了一种新的建筑物边界规则化方法,不仅可以对建筑物整体而且可以对不同侧面进行规则化,包括立面墙面、门和窗户等.首先对海量原始激光点云利用高效的随机采样一致性算法分割为不同的平面面片,然后利用2D α-shapes算法提取建筑物点云数据.在此基础上,利用本文提出的边界规则化算法产生一个规则多边形进而实现建筑物边界规则化.利用实际地面扫描数据对该算法进行验证,表明本文方法可以针对不同密度的点云进行自适应调整,不仅效率高,而且可以达到非常满意的建筑边界规则化效果.该研究成果对于利用地面激光扫描数据进行建筑物三维建模具有一定的参考意义.     

SLAM激光扫描的建筑物建模方法与应用Building modeling method and application of SLAM laser scanning

基于SLAM激光扫描系统对目标建筑物进行点云数据采集,通过点云去噪、重采样等预处理得到了建筑物目标点云,利用特征提取算法提取建筑物轮廓线,分别采用点云数据直接建模法和基于轮廓线建模方法对目标建筑物进行了建模对比,利用传统全站仪获取的10个特征尺寸进行了精度验证。试验结果表明,直接建模法的建筑物模型精度为0.058 m,基于轮廓线建立的模型的精度为0.032 m,基于建筑物线特征约束的建模精度明显高于点云数据直接建模精度,为SLAM激光扫描系统在建筑物三维模型建立中的应用提供了方法和参考。     

基于高阶累积量的近场通信波达方向估计算法

通过对近场通信波达方向准确估计,提高目标信源的定位能力.传统方法中对近场源通信信源的波达方向估计采用多普勒估计方法,由于近场通信的空间信源为窄带信号,多普勒估计会导致DOA估计频谱失真.提出一种基于高阶累积量的近场通信波达方向估计算法.采用均匀间隔线列阵构建近场通信的信号模型,进行近场源目标特征构建,提取近场源通信信号的斜度和峰度等特征,采用高阶累积量特征提取方法,分别求得对应近场通信信源的方位角、频率和距离三维参数,使得每个信源的参数自动配对,提高了近场通信DOA波达方向估计的效率和精度,实现近场源通信信号的波达方向估计算法改进.仿真实验结果表明,采用该方法进行近场方法波达方向估计的精度较高,对信源方位的定位准确,性能优越于传统方法,在近场通信中具有较好的应用价值.     

基于可变孔径针孔阵列的集成成像3D显示

为了解决观看视角与光学效率的相互制约关系,设计了一种基于可变孔径针孔阵列的集成成像3D显示器,建立了3D成像模型,通过几何光学推导观看视角以及光学效率的计算公式;详细阐述了如何通过改变透光孔的孔径宽度来调节观看视角以及光学效率;研制了基于可变孔径针孔阵列的集成成像3D显示样机,通过液晶显示屏实现电控可变孔径针孔阵列,通过实验验证了可以通过增大或者减小透光孔的孔径宽度来增大3D图像的亮度或者观看视角。     

一种基于共线特征点的线阵相机内参标定方法

提出一种利用共线的标定特征点确定线阵相机内参的方法。所有标定特征点均在线阵相机的视平面内。首先,标定过程中对标定特征点逐一成像,直接得到标定特征点和其对应像点,解决了空间标定点与像点的对应问题;其次,通过数学建模得到线阵相机的成像模型,联立多个位置处的成像模型解算出相机内参;最后,对影响线阵相机标定的因素进行分析及实验验证。理论分析和实验结果表明,文中的线阵相机标定方法简单灵活,无需制作精密的靶标,可获得大量标定点,提高了线阵相机标定的准确性和稳定性,实验得到成像特征点重投影像点位置偏差均方根为0.37 pixel。     

基于压缩感知的三孔径毫米波合成孔径雷达侧视三维成像

 基于压缩感知,该文研究了交轨向三孔径毫米波合成孔径雷达侧视3维成像问题。利用交轨方向的三孔径天线形成的稀疏阵列结构,获取高程分辨率并实现3维成像。由于交轨方向的采样数较少及非均匀采样,高程分辨率低,传统的基于傅里叶变换的3维成像技术获得的图像质量较差。针对此不足,在交轨向稀疏采样的条件下,该文采用压缩感知方法来实现超分辨成像。利用仿真和实际数据比较了传统成像方法和基于压缩感知的成像方法的性能,并验证了该文方法的有效性。     

基于无监督学习的ToF点云目标提取方法

飞行时间(Time of Flight,ToF)三维成像技术在人工智能领域具有重要的应用价值。间接ToF三维成像是通过向目标发射调制的光强信号,再经过目标反射到相位解调图像传感器获得相位差,通过计算获得目标的深度信息。由于间接ToF成像技术会受到背景界面多次反射产生的多路径干扰,因此在复杂环境中目标物体深度测量数据会受到侧面和背景界面的多次反射的回波信号影响,降低边缘处深度测量的精度水平,因此需要对原始点云数据进行目标提取和多路径去除的预处理。本文针对该问题提出一种多界面场景中基于点云矢量的目标提取方法,能够实现复杂多目标的快速提取和多路径强干扰的去除。首先基于kmeans提出一种FVPkmeans算法,完成目标点云数据的全局全矢量提取处理。再基于K NN提出一种迭代滤波算法,实现局部多路径干扰数据的滤除。通过与其它方法的比较研究,该方法能够有效去除TOF点云目标数据的多路径干扰,目标提取性能提高了40,实验表明本文提出的全局点云数据全矢量目标提取和多路径干扰去除算法能够实现对目标点云数据的无监督学习智能提取与滤波要求。     

基于2D姿势估计的高动态舞蹈动作识别方法

针对舞蹈视频图像中动作复杂多变、连贯性强、遮挡问题严重等问题,文中结合先进的舞蹈动作识别技术发展方向及其应用场景,同时考虑到彩色图像处理中计算机处理负载过重的问题,设计了一种基于2D姿势估计的高动态舞蹈动作识别方法。该方法主要分为模板建立与姿势估计两个部分,主要涉及的处理操作有图像预处理、模板特征提取和模板匹配这三种。验证测试结果表明,训练集图像经过灰度化与阈值化后,即可获得图像中前景舞者的图形,再利用Kinect人体模型提取动作特征信息。由于考虑到拍摄角度等原因导致的特征差异,将描述同一动作的多张训练图的特征信息保存在同一信息矩阵中,可进一步提高动作识别的准确性。     

自适应局部邻域特征点提取和匹配的点云配准

点云配准是三维重建的关键技术之一。针对点云匹配中迭代最近点算法(ICP)速率低、对初始位置要求高的问题,提出了一种基于自适应局部邻域特征点提取和匹配的点云配准方法。首先根据局部表面变化因子与平均变化因子的大小关系,自适应地提取特征点;其次利用快速点特征直方图（FPFH）综合描述每个特征点的局部信息,结合随机抽样一致性（RANSAC）算法实现粗配准;最后根据得到的初始变换矩阵和基于特征点的ICP算法实现精配准。对斯坦福数据集、含噪声的点云以及场景点云进行配准实验,实验结果表明:所提出的特征点提取算法能高效地提取点云的特征;相比于其他特征点检测方法,所提方法在粗配准中的配准精度和配准速度更高,且抗噪性能更好;与ICP算法相比,基于文中特征点的ICP算法在斯坦福数据集和场景点云中的配准速度提升了约10倍,在含噪声的点云中,能根据所提取的特征点高效地进行配准。该研究为提高三维重建和目标识别的匹配效率提供了一种高效的方法。     

结合区域生长及主成分分析的机载LiDAR建筑物点云提取

针对机载LiDAR建筑物点云提取过程中与树木紧邻的建筑物难以提取,已有先滤波后提取算法效率低等问题,提出一种结合区域生长与主成分分析的机载LiDAR建筑物点云提取算法。该算法首先对粗差剔除后的机载LiDAR离散点云构建TIN三角网,依据建筑物边缘点所在三角形的特征提取建筑物边缘点;然后将邻域特征优化后的建筑物边缘点作为种子点进行区域生长得到建筑物点云;最后采用主成分分析对提取结果进行检核,剔除非建筑物点云,在此基础上基于连通性对建筑物点云进行单体化分割,剔除小面积区域,得到最终的建筑物激光脚点数据。实验选取国际摄影测量与遥感协会提供的三组典型区域的LiDAR点云数据进行建筑物提取,并与传统形态学和区域生长两种建筑物点云提取算法进行比较,结果表明本文算法可以实现建筑物点云的高精度提取,且对地形及不同类型屋顶的建筑物具有良好的自适应性,验证了算法的可靠性。      

基于面阵三维成像激光雷达的目标点云分割技术

针对偏振三维成像系统的高效目标三维点云分割问题,提出一种多维信息融合的高效分割理念。系统采用高分辨率EMCCD相机作为面阵探测器,在一次成像过程中,可同时获得视场中的灰度图像以及三维点云数据。根据该成像特点,建立灰度图的像素坐标与点云数据像素坐标之间的点对点映射关系,结合粒子群优化算法的边缘分割方法,将灰度图中目标分割后的坐标信息映射到三维点云数据中,得到其三维点云数据。该方法将三维点云数据降维处理为二维图像处理,显著降低了计算复杂度,避免了点云数据误差对分割精度造成的影响。实验验证了多维数据融合目标三维点云分割方法的有效性。