基于建筑物轮廓的地面激光点云与影像匹配点云配准研究

为了高精度融合异源数据,进而充分表达建筑物的顶面及立面信息,提出基于建筑物轮廓特征的地面激光点云与影像匹配点云配准方法.通过边缘估计提取影像匹配点云建筑物屋顶轮廓,利用α-shape算法匹配提取地面激光点云建筑物屋檐轮廓,运用主成分分析算法、质心约束及罗德里格斯公式实现两种轮廓点云的粗配准,根据ICP算法完成精配准.实验结果表明该方法能够实现跨模态数据的优势互补,有效提高影像与点云配准的计算效率和配准精度.     

基于移动激光扫描数据的建筑物精细化建模研究

随着"数字城市"的发展,各行各业对空间数据需求不断增高,三维建模是"数字城市"的重要组成部分,传统的建筑物三维建模方法耗时耗力、精度低、采用接触式测量,这种采集方法和数据处理方式已不能满足数字化的需要。移动激光扫描技术的出现,改变了传统的的数据采集方式,为空间三维信息的获取提供了全新的技术手段。通过移动激光扫描技术获取的空间点云数据,可以建立结构错综和不规则场景的建筑物模型。鉴于传统方法的不足和移动激光扫描技术的特点,提出移动扫描技术三维建模的方法,以云南师范大学商学院的激光扫描为例,首先通过将获取的点云数据的配准、拼接、降噪、POS解算、IE解算和点云数据融合,然后进行精细三维建模。     

两种数据源耦合处理及三维建模研究

针对如何将无人机倾斜摄影技术测量和三维激光点云这两种不同数据可以有效的耦合在一起,解决二者在空间上的耦合这一问题开展研究,采用点云实体融合的方法实现无人机倾斜摄影影像和地面激光点云的融合.实现点云融合的关键,是要解决地面激光点云与无人机倾斜影像自动高精度配准、地面激光点云与无人机倾斜影像点云的去冗和融合问题.主要解决如何将无人机倾斜摄影测量数据和三维激光测量点云数据的高效耦合,并对耦合结果实现三维模型构建的实验验证.构建三维模型是所有作战模拟、作战仿真、装备虚拟训练等的基础,本研究为获取战场信息、构建形象直观、易于理解的三维战场态势图模型,以提高指挥员对战场理解的准确程度、辅助指挥决策等,具有重要的军事意义.     

基于点云数据的复杂建筑体真三维建模与应用

传统建筑物三维建模方法费时费力、精度低、采用接触式测量,且仅能获得建筑物少量特征点及线状数据。与传统测量方法相比,地面三维激光扫描技术(Terrestrial Laser Scanner,TLS)方法可快速、高效、非接触式地获取建筑物表面高精度三维信息,因此其较传统建筑物三维建模方法优势显著。以古田会议旧址为研究对象,首先介绍了研究目标的主要特征以及点云数据采集方案;其次以高复杂度建筑物建模为需求出发,详细阐述了点云数据预处理及建筑物三维模型重建相关核心技术及方法;并重点讨论了与其相关的点云数据配准拼接、去噪简化、二维轮廓线提取、三维实体重建;最后实现古田会议旧址高复杂度三维几何模型重现,并采用先进的3D打印技术按1∶40比例尺制作3D打印点云数据的微缩模型。通过与实地测量数据对比分析得知,采用地面三维激光测量方法采集点云数据的建筑物建模精度优于传统测量方法。此研究成果可应用于古田会议旧址等文化遗产的文物修复、变形监测、虚拟重现等方面。     

基于Kinect的轴类零件三维重建研究

使用Kinect采集的深度数据,进行了轴类零件三维重建算法的研究。首先借助Kinect获取深度和彩色数据,通过坐标转换将深度信息转换成三维点云数据;其次提取出感兴趣目标的点云数据,根据点云数据的噪声特点,并对其进行滤波降噪处理;然后进行点云分割获得点云集,最后对各点云集进行结构参数化分析。实验结果表明,本文算法能够精确、高效地实现轴类零件的重建。     

基于ASODVS的全景点云数据获取技术的研究

针对现有三维激光扫描设备不能同时获取空间点云的坐标信息和色彩信息,多视角点云数据配准复杂等问题,采用了一种将全方位视觉传感器ODVS(Omni-directional Vision Sensor)和可移动360°面激光光源相结合的主动式全景视觉传感器ASODVS(Active Stereo Omni-directional Vision Sensor)来获取点云数据。通过人机接口对ASODVS的扫描步长和速度等进行控制,实现了边扫描边获取全景点云数据;对获取点云数据空间信息过程中的关键技术——激光投射点提取算法进行了深入研究;采用了3种不同的全景激光线提取算法对全景切片图像中激光投射点进行提取,并实验研究了各自的优劣;实验结果表明,对于ASODVS而言,帧间差提取算法能有效快速准确的提取三维全景场景中激光投射点,并具有消耗计算机资源少、操作过程自动化、生成数据有序等优点。     

基于Xtion传感器的玉米果穗三维形态指标测量系统

为了快速无损测量玉米果穗三维形态指标,设计了一种基于Xtion传感器的玉米果穗三维形态指标测量系统。采用Xtion配合电动转台采集多视角玉米果穗点云数据,利用ICP配准方法对完整果穗点云数据进行配准拼接,采取泊松重建方法对配准后的点云数据进行三维重建,最后利用散度原理进行果穗体积的计算。结果表明：测得的体积值与其真实值之间的误差在9%之内。该方法为自动化玉米果穗三维形态指标测量提供了切实可行的新途径。     

基于单双目融合的遮挡区域点云获取技术研究

在基于相位轮廓术进行双目三维重建时,传统的双目测量系统在遮挡条件下无法获取双目相机公共视野以外的区域的点云数据,导致扫描结果出现测量空洞或者点云数量减少,从而不能通过立体视觉进行三维重建。对此,提出了一种基于双目点云重建单目点云的方法,系统无需增加其他操作过程,单次扫描就能同时获得双目点云和精度较高的左右单目点云。在对飞机模型的测量中,利用该方法填补了双目测量在机翼附近出现的数据丢失,提高了测量结果的完整性。     

改进ICP算法用于多组图像的点云拼接与融合

随着计算机图形图像技术、机器视觉、虚拟现实技术等的发展,近年来,通过室外场景的序列图像进行三维重建的方法逐渐成为计算机视觉和图形学等相关领域的重点研究方向。但是,通常在图像的采集过程中由于受到测量设备和环境的影响,单次拍摄的序列组图可能并不能提取到足够的物体表面信息,导致不能够完成三维物体的重构,而不能为后续的目标识别和精确打击提供准确信息依据。针对此类问题,文中采用融合多组图像点云的方法,先利用彩色直方图匹配补充补拍图像序列,然后单独解算补拍组图的点云数据,再对不同点云的重叠部分利用改进的迭代最近点算法计算变换参数,最后进行融合处理,从而完成不同组图的点云数据间的配准和融合工作。实验证明,该方法能快速有效补充用于重构的点云数据,拼接和融合效果良好。     

城市建筑物框架轮廓三维自动重构研究

建筑物是城市景观中一个重要组成部分,因此快速自动实现城市建筑物的三维可视化对于建立数码城市具有重大意义。针对传统三维建模人工劳动强度大、自动化程度低和花费高等问题,提出了一套自动化程度较高的基于线、面信息的城市建筑物框架轮廓快速三维重构方法。通过普通数码相机获取影像数据大大降低了实际应用成本,而且采用线面基元进行三维重构相比于经典的点云重构方法不仅提高了效率,而且获得了清晰的三维边缘轮廓。通过实验验证了方法的有效性和可行性。     

无人机摄影测量点云道路自适应提取

在无人机摄影测量中, 针对传统的地面点云提取方法对图像点云数据中的道路提取适应性较差的问题, 本文提出了一种无人机摄影测量点云道路自适应提取方法. 首先, 根据点云的空间几何特征将点云划分为3个类别; 然后, 针对非道路的点云类别采取相应的方法进行剔除; 最后, 对经过自适应提取方法得到的点云数据进行滤波平滑和基于颜色的区域生长分割处理. 实验结果表明, 该方法提取的道路点云的I类误差为4.97%, II类误差为1.14%. 该方法能够有效地提取目标道路路面, 提高了无人机摄影测量工程应用中点云数据处理的效率.     

面向对象的城市建筑物点云数据加载和组织

采用面向对象程序设计方法对三维点云数据进行分析,研究以Visual C++6.0为开发平台利用图像法对激光扫描获取的城市建筑物点云数据进行组织的计算机实现方法。通过扫描关系确定点云数据中有效目标点的全局唯一索引值,将点云数据看作一幅深度图像,确定全局索引值对应的图像行列值,再利用该行列值计算每个点对应的法向量,分类和组织点云数据。实验结果表明,利用面向对象的图像处理技术可以方便、快捷地实现三维点云数据的加载和组织。     

基于XJTUOM和Geomagic Studio的相似材料模型数据采集与提取

针对传统的物理测量或机械测量方法测量相似材料模型时易使模型变形且采集数据点有限、操作复杂、效率低等问题,介绍了一种采集并提取相似材料模型点云数据的方法。该方法采用XJTUOM三维白光面扫描系统采集相似材料模型的点云数据,并利用该系统的点云预处理软件对采集到的点云数据进行拼接和对齐处理,然后采用Geomagic Studio点云处理软件对预处理后的点云数据进行数据提取操作。试验结果表明,该方法获取数据量大,测量效率高,点云数据采集和处理精度高,抗干扰能力强。     

一种有序点云快速去飞点算法

在结构光高精度测量与生产线自动化结合的过程中往往要求实时性.为了有效提取测量物体的点云信息以及提高运算效率,利用面阵相机与投影仪像素点有序的特性,提出一种针对有序点云的快速去飞点算法.首先,根据点云数据估计投影矩阵,通过估计的投影矩阵把点云投影到一个像平面,然后基于滑动窗口把像平面上的每一个点最近邻搜索k个临近点,最后...     

基于Metrascan与全站扫描仪的交通事故对象测量方法

针对交通事故现场测量的实际情况,提出了一种三维激光扫描和全站扫描仪相结合的对象测量方案。由于全站仪的有效测量距离远、精度高、测量时间短,利用全站仪获取交通事故现场路面的数据信息,弥补传统测量方法的局限性;针对交通事故的对象目标,以三维激光扫描技术得到的点云数据作为基础,全站仪测距技术所测得的数据即可以作为缺失部分点云数据的补充,也可以作为对象目标表面点云数据的核实,实现对象目标表面快速测量。     

基于几何配准的三维模型几何比对方法研究

针对设计师在进行协同建模时无法快速查看模型变更信息的问题,提出了快速比 对两个模型几何差异的方法。首先,通过等步长采点获取两个模型的点云数据;然后,利用主 元分析法计算两个点云的特征向量从而获取点云的参考坐标系,推导两个点云参考坐标系的坐 标变换,将两个点云调整到一致,即可实现点云的初始配准;最后,利用最近点迭代法对两个 点云进行精确配准,记录配准后两个点云中的非重叠区域,可获取两个点云的几何差异区域。 测试结果表明该方法可以有效识别两个模型的几何差异。     

基于摆动单线激光雷达的大场景稠密点云地图创建系统

在创建大场景稠密点云地图时,由于当前的各类环境3维测量系统难以兼顾大范围和高密度的点云测量要求,为此设计了一种基于摆动单线激光雷达的大场景稠密点云地图创建系统.首先,实现了大型激光雷达稳定精确的全向摆动.然后,给出了单点采集点云的拼接方法和多点采集点云的配准方法.最后,提出了一种3维点云投影密度的分析方法,并对仿真测量结果进行了对比与评价.实验结果表明,本系统的有效测量距离超过75 m、测量范围覆盖俯仰±45?、点云间距小于20 cm、点云分布均匀,装置的视野范围和点云分布可进行调节,并能通过多点配准对更大场景进行建图.     

基于3D-SIFT与4PCS融合的大数据量点云快速配准方法

测量点云与模型点云的配准是视觉定位的关键。针对测量点云数据量大且与CAD模型点云重叠率低造成视觉定位精度差、算法效率低的问题,提出一种基于三维尺度不变特征变换（3D-SIFT）与4点快速鲁棒匹配算法（4PCS）融合的测量点云与模型点云配准方法。首先利用深度相机对零件进行点云提取并对提取到的测量点云进行降噪和滤波处理;接着利用3D-SIFT特征点提取算法对测量点云和CAD模型点云进行特征点提取;最后把提取的特征点作为4PCS算法的初始值进行2种点云数据的配准。与常用的4PCS算法、Super-4PCS算法相比,在算法仿真与实际应用实验结果表明,本文算法在保证配准精度的前提下将配准速度提高30%以上。     

基于LiDAR点云的单棵树木提取方法研究

森林资源作为人类赖以生存的自然资源,是地球上最重要的资源之一,而衡量森林资源的指标不再局限于对森林面积的测量,准确的森林单木信息的获取对于进一步评估森林生态系统的生物物理过程及生物量估算具有重要意义。目前,对单棵树木的信息提取已成为森林精确遥感的热点之一。对基于LiDAR点云数据的植被信息提取的研究大多集中在对成片的林地信息提取,而激光雷达数据对单木冠形边缘的刻画能力受林分密度的影响较大。针对单木信息提取的研究并不多见或算法不足的现状,利用激光雷达点云数据,进行了单棵树提取方法的研究。基于圆检测的理论,检测局部极值点,计算其他点到中心点的距离,通过聚类,提取了单棵树的位置、树高及胸径信息。采用吉林省长春市城区林区的LiDAR点云数据进行了自动提取的实验,并利用同区的航空影像进行了检验;实验结果表明,该方法具有较好的实用价值与普适性,单木提取的精度可达到90%以上。     

基于样本加权PointNet++的输电通道点云分类研究

输电通道内地物要素复杂，机载LiDAR获取的电力线、杆塔、植被等地物点云密度差异大、空间分布不规则，实际应用中“所见即所得”的应用需求对点云的高效自动化分类带来挑战。将深度学习中的PointNet++算法用于输电通道机载点云自动分类研究，分析样本加权对不同密度点云数据分类精度的影响，利用两组实验数据验证算法的精度和效率，并与随机森林分类算法进行比较。结果表明：基于样本加权PointNet++的方法在输电通道点云自动化分类方面适用性更强，平均F1值87.14%，且分类精度和效率均优于随机森林方法。