激光雷达点云数据截面提取计算方法研究

通过激光雷达获得的散乱点云,通常无法直接应用于实际工作.文中研究了激光雷达点云的可视化以及点云数据交互式计算快速截取近似断面的方法,利用八叉树遍历进行点云选择,通过框选多边形生成近似横截面,并进行顶点拾取和测量.通过对某地点云数据实验,得到的横截面可以较好地反映地形变化,甚至可以显示出植被在该截面上的分布形态.文中方法通过建立三维点云的索引关系,减少了交互中的计算量,提高了点云交互的效率,适用于大数据量三维点云的处理,可应用于地形测绘、电力勘察设计等领域.     

基于法向量距离分类的散乱点云数据去噪

在三维点云数据的去噪中,很难实现既保持尖锐区域的特征,又使平滑区域高度光顺。为此,提出了一种基于法向量距离分类的去噪方法。首先计算点云数据的微分几何信息。采用鲁棒的方法对点云数据进行法矢量估算,并将其法矢量方向调整到一致。再根据采样点的局部二次曲面拟合来估算点云数据的曲率;然后通过计算从采样点到其切平面的法向距离,将点云数据划分为平滑区域和尖锐区域,并采用加权局部最优投影算法和双边滤波算法分别对平滑区域和尖锐区域进行滤波去噪。选用Bunny和Fandisk点云模型,分别采用单一的加权局部最优投影算法、双边滤波算法及两者相结合算法对点云模型进行去噪测试。测试结果表明:所提方法可有效去除噪声模型中的孤点,提高点云分布的均匀性;增强点云模型平滑区域的光顺度,保持了尖锐区域中的几何特征并避免了过度光顺和细节特征失真。对比测试数据可知,降噪点云模型的误差和偏差较小,Bunny模型的平均误差为0.001 1 mm,Fandisk模型的平均误差为0.000 7 mm。     

Kinect与二维激光雷达结合的机器人障碍检测

在Kinect相机和二维激光雷达结合的基础上,提出了一种适用于移动机器人、低成本的障碍物三维感知方法。该方法首先通过Kinect相机和二维激光雷达联合标定建立深度图像点与激光雷达测距点的对应关系,然后,融合二者的检测数据得到环境障碍物位置。具体步骤为:1）Kinect相机与二维激光雷达分别从环境中获取深度图像和二维激光数据;2）将深度图像转换成虚拟二维激光数据;3）根据联合标定得到的对应关系融合虚拟激光数据与二维激光雷达数据,得到障碍物的位置。实物测试证明该方法正确有效,可用于移动机器人对环境障碍物的判断。     

基于虚拟三角网与坡度滤波的LIDAR点云数据滤波方法的研究

LIDAR(Light Detection and Ranging)技术由于其在数据获取和处理上的高度自动化,正广泛地被应用于各种地形数据的获取。LIDAR数据是目前最为理想的生产DEM的数据源,利用机载激光雷达获取DEM数据是机载激光雷达最为直接的应用。本文提出了一种将虚拟三角网与坡度滤波相结合处理LIDAR点云数据的方法,该方法将虚拟三角网的概念用于LIDAR滤波,避免了LIDAR点云内插或者平滑造成的信息损失。在虚拟三角网中进行初始地面点的选取,再由初始地面点生成的初始表面模型,通过坡度滤波可快速提取地面点。     

一种新的基于地面激光雷达数据正射影像图制作方法

针对古建筑群建筑物密集,空间狭窄,遮挡较严重地情况,提出了一种新的基于地面激光雷达数据制作古建筑正射影像的方法.该方法是基于地面激光雷达获取的点云数据和数码影像,根据影像定向理论和现有的软件提出的一种新的技术流程.实验证明该技术流程制作工序简单,提高了效率,结果能够满足精度要求,具有一定的现实意义,能够应用于工程.     

线性调频CO2相干激光的一种脉冲压缩方法

为了解决线性调频ＣＯ２相干激光雷达的信号处理技术，将普通雷达的信号处理方法引入了相干激光雷达的信号处理中、提出了采用余弦加权匹配滤波的处理方法。对目前工艺水平的调频激光发射信号进行了模拟计算，表明该处理方法的理论测速和测距分辨率分别为０．０４ｍ／ｓ和０．５７ｍ。     

一种基于加权均值滤波噪声点检测的中值滤波算法

针对常规中值滤波在图像去噪过程中会将原图像的有用信息同时滤除的问题,提出了一种基于加权均值滤波噪声点检测的中值滤波算法.该算法通过含噪图像与其经加权均值滤波的图像作差对图像中的噪声点进行判别,从而针对噪声点进行滤波,能在保持图像原始信息的前提下有效地将图像中的噪声滤除.实验结果表明,与常规中值滤波算法相比,该方法既具有较好的去噪特性,也具有较强的细节保护能力.     

基于分数低阶归一化匹配滤波的目标检测方法

在非高斯相关杂波背景下,基于归一化匹配滤波检测方法的性能随着非高斯特性增强而下降.为消除非高斯性的影响,提出一种基于分数低阶归一化匹配滤波的雷达目标检测方法.首先对观测数据进行分数低阶幂运算处理,然后基于杂波分数低阶统计量给出了检测模型,该模型的杂波散斑分量协方差矩阵通过对杂波分数低阶协方差矩阵进行归一化而得到.仿真结果表明,在非高斯杂波背景下该方法的检测性能优于归一化匹配滤波方法及传统MTD方法.     

针对LIDAR点云中的地面点与非地面点的分离

提出一种基于坡度的伪扫描线点云数据滤波算法.该算法可以避免滤波前的预处理过程,且能够保证每条伪扫描线首个判断点的属性为地面点.此外,通过移动窗口曲面拟合滤波方法再次进行调整,以避免同一地形在两相邻伪扫描线间可能存在的不吻合.实验验证了组合算法的有效性.     

基于机载激光雷达点云的森林场景建模

利用机载激光雷达森林点云数据进行真实森林场景的精细三维重建,为构建数字森林环境与林业资源管理应用提供参考.提出利用点云魔方软件对森林点云数据进行处理,分离得到地面点云和植被点云;采用层堆叠分割方法对森林植被进行分割并提取每株树木的平面位置、树高、冠幅直径及面积等参数;运用景观设计软件SketchUp和Lumion进行森林场景三维建模,模拟真实森林三维场景中的地形和植被效果.以某地区约4万m2的森林场景机载激光雷达点云数据为实例进行森林场景三维重建,从激光雷达数据中分割出的773棵树木点云,结合树种分布、树高及轮廓等信息构建了逼真的三维森林场景.试验结果表明,根据森林点云数据的分割结果能快速高效地构建模拟现实树木形态结构的真实感三维模型,克服传统树木建模精度低和可视化不高的缺点.     

TerraScan在LiDAR点云滤波中的应用研究

简要介绍了机载LiDAR的发展现状,从原始LiDAR点云中滤波出真实的地面点是生成DEM和其他数字产品的基础和关键。TerraScan是一种机载LiDAR点云滤波商业软件,对其滤波算法进行了详细分析,利用山地、丘陵地和平地3种不同地形的LiDAR数据,通过设置不同参数进行滤波试验。试验结果表明,其对平坦地区和城区有较好的滤波效果,但对地形变化较大的复杂山区滤波效果不够理想,有待进一步完善。     

顾及空间关系的3D LiDAR铁路支持装置自动提取

为了提高不同类型支持装置在不同场景中的提取可靠性及精度,提出顾及空间关系的3D LiDAR支持装置自动提取算法. 通过对GNSS轨迹点抽稀处理获取关键轨迹点,对原始数据进行分层、分块处理,获取原始点云支柱,支持装置数据区域. 通过邻域搜索获取支柱中心点,依据其与轨迹点和支持装置搜索层的空间关系构建空间索引. 以该索引为驱动实现支持装置的初提取,获取含有接触线的支持装置,引入柱状搜索、参数化投影滤波的方式滤除接触线点云,实现提取结果的优化. 经过测试可知,该算法对提取支持装置的MIoU均超过93%,Dice系数均超过94%,可以兼顾多类型支持装置,具有较强的鲁棒性和应用价值.     

一种非结构环境下目标识别和3D位姿估计方法

为提高非结构环境下目标识别准确率和位姿估计精度,提出一种利用Kinect V2 RGB-D传感器并基于目标的CAD模型进行不同类型目标自动识别和3D位姿估计的新方法.利用虚拟相机获取目标CAD模型的深度图像,并将目标的模型转化为点云图,采用体素栅格滤波减少场景点云中的点数;利用点对特征描述子(PPF)作为CAD模型的全局描述子,并将相似的PPF划分成一组放进一个hash表,用于识别和定位目标,所有目标的hash表组成了3D模型数据库;利用基于投票策略的方法对不同类型目标进行检测识别和3D位姿估计,并采用位姿聚类的方法和ICP配准进行位姿修正,再通过奇异值滤波剔除误匹配位姿,从而提高位姿估计精度.在虚拟机器人实验平台仿真环境中分析了3种管接头的识别率和位姿估计误差,结果表明:3种管接头平均识别率96%,位置误差4 mm,姿态误差2°,能够满足机械臂抓取要求.将提出的方法与两种主流位姿估计方法进行了对比实验,结果表明,提出的方法无论是识别率还是F1分数都要优于其他两种方法.     

点云目标检测残差投票网络

高精度的三维目标检测是实现物体感知的关键技术,对自动驾驶、机器人控制等应用的落地具有重要意义.为提高三维目标检测的精度,对算法VoteNet改进,提出了一种基于残差网络的端到端的高精度三维点云目标检测网络ResVoteNet.具体来说,设计了适用于点云数据的残差网络骨架,提出了残差特征提取模块以及残差上采样模块,并集成...     

基于加权混合滤波和重心法的APIT定位算法

提出了一种基于加权混合滤波与重心法的近似三角形内点测试（APIT）改进定位算法（HFG-APIT）.利用混合滤波过滤突变信号强度值使数据平滑稳定输出;再引入加权中位数来提高接收信号强度（RSSI）的精度;最后采用重心法进行内点测试减少误判,提高定位精度.仿真结果表明,混合滤波算法比其他滤波方法处理RSSI数据的测距精度更高,HFG-APIT的定位误差分别为最小二乘定位算法（LSM-RSSI）和APIT定位算法的41.7%和23.8%,整体定位性能也优于其他2种算法.     

一种加权中值滤波算法在医学磁共振图像去噪中的应用

为了更好地去除医学磁共振图像(MRI)中的高密度椒盐噪声和高斯噪声,提出了一种加权中值滤波算法.该算法的核心思想是利用改良的有限阈值策略对滤波窗口的每个像素点的灰度值与计算该像素点所得的相应权值之积进行求和,然后将运算结果作为滤波窗口中心点的输出值.利用该算法对含有高密度椒盐噪声和高斯噪声的医学MRI进行去噪仿真实验表明,该算法对高密度椒盐噪声和高斯噪声的抑制力显著优于单纯的中值算法和均值算法,且去噪后的图像具有良好的细节保真度和清晰度.     

基于车载LiDAR数据的建筑物三维重建

车载LiDAR点云数据量大且杂乱无章,当前尚没有完整算法来实现建筑物点云的自动分割和模型重建,特别是带有纹理信息的模型重建.以一栋结构复杂的建筑物为例,结合建筑物实际特征,采用自动与手动相结合、先简单后复杂、凹凸一致性等原则对数据进行分割和滤波处理;再采用点云数据与CAD底图配准的方式进行三维重建、纹理映射和渲染,从而实现结构复杂建筑物的真实三维重建.     

基于KFCM的三维点云精简算法

毫米波雷达、TOF相机等扫描设备捕获的点云包含大量的冗余信息与噪声点,降低了点云配准的精度与处理效率。针对上述问题,提出基于KFCM的三维点云精简方法,将原始扫描点云以核函数映射至特征空间,同时更新聚类中心及隶属度矩阵,利用加权误差平方和建立目标函数且以其收敛为算法终止标准,最终将聚类中心作为精简结果输出。实验结果表明,本方法可在良好保持点云基本特征的前提下降低源点云分辨率以达到精简效果,且可通过调节参数控制输出点云的疏密程度,在与配准任务的适应性实验中可满足ICP等配准算法的需求。     

基于机载LiDAR数据的建筑物点云提取

LiDAR技术是快速获取地面及地物三维数据的新型测绘技术,也是近年来进行城市三维建模的一种重要手段,而对建筑物的提取是城市三维建模的重要步骤。为了从原始机载点云中有效地提取出城市建模所需要的建筑物点云,在常用机载LiDAR滤波与点云分类思想的基础上,提出了结合面积与斜率两特征参数的区域增长算法,实现了高大植被与建筑物点云的有效分离,完成了建筑物点云的提取。通过设定合理的面积阈值与斜率阈值,结合具体的数据通过该算法获得了较好的提取效果,最后对提取方法及效果进行了客观分析与评价。     

基于双边滤波的钢筋检测方法

采用传统高斯滤波方法和高斯滤波方法与图像亮度信息相结合的一种新的双边滤波方法,分别将2种方法应用在钢筋检测的滤波过程。通过对比实验结果表明:双边滤波方法可以得到更有效的边缘信息,提高钢筋检测的准确率。