激光点云提取建筑物平面目标算法研究

从激光点云中提取建筑物信息是当前遥感数据处理的热点与难点,而构成建筑物的平面以及轮廓线的提取是LIDAR数据处理和建筑物三维建模的关键技术。本文通过分析激光点云数据中建筑物的特征,综合点云滤波、KD树索引、三维Hough变换以及Gauss球法向量统计算法的各自优点,提出了一套建筑物平面及轮廓的自动提取算法,并通过实验验证了该算法的有效性。     

地面LiDAR数据中建筑轮廓和角点提取

建筑轮廓和角点作为多平台激光雷达数据常用的配准基元,其提取方法正受到越来越多的关注.投影密度法是一种常用的从地面LiDAR数据中提取建筑轮廓和角点的方法,然而以往研究对于直接影响建筑轮廓提取结果的格网密度阈值考虑较少.提出一种轮廓密度估计的方法,能够根据点云实际情况自动准确地计算出格网密度阈值,从而提取较为准确的建筑轮廓格网.在此基础上,利用轮廓线段高程分割和密度延伸的方法对轮廓进行分割和恢复,能够提取完整的建筑轮廓.最后,利用轮廓线段的相交关系获得建筑角点.实验结果表明,本文方法能够有效从地面LiDAR数据中提取建筑轮廓和角点,正确性、完整性和定位精度较高.     

Level Set方法在轮廓界面追踪问题中的应用

运用LevelSet方法研究图像轮廓追踪问题。首先,运用差分法检测出图像的初始轮廓线,然后采用基于LevelSet方法的偏微分方程数值解理论来进行图像轮廓界面的提取。Matlab实验结果表明,该方法可以测出模糊或离散的边界,得到精确的图像轮廓界面。     

基于线特征及迭代最近点算法的地基建筑物点云自动配准方法

为克服迭代最近点(ICP)算法易陷入局部最优的缺陷，提出一种基于线特征及ICP算法的地基建筑物点云自动配准方法。首先，基于法向一致性进行建筑物点云平面分割；接着，采用alpha-shape算法进行点簇轮廓线提取，并拆分和拟合处理得到特征线段；然后，以线对作为配准基元，以线对夹角和距离作为相似性测度进行同名特征匹配，实现建筑物点云的粗配准；最后，以粗配准结果为初值，进一步采用ICP算法完成点云精确配准。利用两组部分重叠的建筑物点云进行配准实验，实验结果表明，采用由粗到精的配准方法能有效改善ICP算法对初值依赖的问题，实现具有部分重叠的建筑物点云的有效配准。     

机载激光雷达点云多层次建筑物的三维重建

针对城市区域中常见的多层次建筑物,提出一种基于机载LiDAR点云的三维重建方法。使用优化的随机抽样一致性算法对建筑物LiDAR点云进行面片分割,在面片分割的基础上使用delaunay三角剖分进行轮廓点的检测,对检测出的轮廓点使用新的关键点检测算法提取轮廓线关键点,最后连接关键点并进行规则化处理,完成多层次建筑物的三维重建。实验表明,该方法能有效重建多层次建筑物模型,改进的RANSAC算法能更高效地分割屋顶面片,新的轮廓线关键点提取算法能够较好地提取建筑物的关键点,并能抑制错误轮廓点的干扰,减少伪关键点的生成。     

一种基于路缘特征的点云道路边界提取方法

针对车载激光点云中道路边界提取不精确、复杂度高等问题,提出一种基于路缘特征的城市道路边界自动提取方法。首先对点云进行平面规则格网投影,根据测量车行驶轨迹点进行高程过滤,保留地面和路缘石等近地面点云;然后分析路缘石的空间邻域特征,构建路缘石特征描述算子,自动识别不同类型的路缘石边界;最后通过路缘石连续分布特性进行聚类去噪处理,获取精确的道路边界点云。以车载移动测量系统获取的某段道路点云数据为例进行实验,验证了该方法的可行性和有效性。     

Snake活动轮廓在组织培养细胞分割中的应用

在组织工程培养细胞图像检测中，需要得到较完整的清晰轮廓线以获取生长信息。为了适应这种需求，提出了一种基于Snake算法自动边缘检测算法。应用基于小波的尺度独立边缘检测方法，可以得到简洁的边缘；采用形态学和样条拟合方法得到的单像素的边界作为Snake算法的初始轮廓，通过迭代和结合图像固定点的外部约束力使轮廓收敛到最终的边界。实验结果证明了该算法的可行性和有效性。     

可变半径Alpha Shapes提取机载LiDAR点云建筑物轮廓

目的 机载激光雷达（light detection and ranging,LiDAR）能够快速获取建筑物表面的3维点云,为提取建筑物轮廓提供重要的数据支撑,但由于激光脚点的随机性和点云自身的离散性,常规固定半径Alpha Shapes（A-Shapes）算法难以兼顾轮廓提取的精细度和完整度,且在点数量较大情况下计算效率较低。因此,提出一种基于网格的可变半径Alpha Shapes方法用于提取机载LiDAR点云建筑物轮廓。方法 对3维点云进行投影降维,对投影后2维离散点的范围构建规则格网,接着根据网格内点云填充情况筛选出边界网格,计算边界网格的平滑度并加权不同的滚动圆半径,再以边界网格为中心生成3×3邻域网格检测窗口,利用滚动圆原理提取窗口内点集的边界点,迭代检测直到所有边界网格遍历完成,最后获取点云的完整轮廓。结果 在精度评价实验中,与固定半径A-Shapes方法和可变半径Alpha Shapes（variable radius Alpha Shapes,VA-Shapes）方法相比,若建筑物以直线特征为主且边缘点云参差不齐,则本文方法的提取效果不理想;若建筑物含有较多拐角特征,则本文方法的提取效果较好。在效率评价实验中,与A-Shapes方法、VA-Shapse方法以及包裹圆方法相比,若点云数据量较小,则4种方法的耗时差距不大;若数据量较大,则本文方法和包裹圆方法的耗时远小于固定半径A-Shapes方法。实验结果表明,本文提出的轮廓提取方法适用于多种形状的建筑物点云。从轮廓完整性、几何精度以及计算效率等几方面综合考虑,本文方法提取建筑物点云轮廓效果较好。结论 本文提出的基于网格的可变半径Alpha Shapes建筑物点云轮廓提取方法结合了网格划分和滚动圆检测的优点,能够有效提取机载LiDAR建筑物点云顶部轮廓,具有较高的提取效率和良好的鲁棒性,提取的轮廓精度较高。     

基于机载激光雷达点云的断裂线自动提取方法

基于机载激光雷达（LIDAR）点云生产高精度的数字高程模型（DTM）需要进行断裂线的存储与表达,在分析现有断裂线提取方法不足的基础上,提出一种从LIDAR点云自动提取断裂线的方法。该方法利用离散的点云构建三角网,建立点云之间的拓扑关系,根据三角网面片之间的法向差异提取候选断裂线点,采用“方向优先”追踪策略实现断裂线的追踪处理,并利用“线性迭代法”实现断裂线的光滑输出。实验结果表明,该方法可以快速从LIDAR点云中自动提取断裂线信息,具有一定的应用价值。     

LIDAR点云中多层屋顶轮廓线提取方法研究

在分析LIDAR数据提取建筑物轮廓线现状的基础上,针对多层、非规则屋顶轮廓线提取的难点,提出一种直接基于离散点云的屋顶轮廓线提取方法,该方法主要包括屋顶点的识别,初始轮廓线的提取以及轮廓线的规则化等步骤。最后采用实地数据进行验证,结果表明该方法具有一定的应用前景。     

Automated extraction of street-scene objects from mobile lidar point clouds

Mobile laser scanning or lidar is a new and rapid system to capture high-density three-dimensional (3-D) point clouds. Automatic data segmentation and feature extraction are the key steps for accurate identification and 3-D reconstruction of street-scene objects (e.g. buildings and trees). This article presents a novel method for automated extraction of street-scene objects from mobile lidar point clouds. The proposed method first uses planar division to sort points into different grids, then calculates the weights of points in each grid according to the spatial distribution of mobile lidar points and generates the geo-referenced feature image of the point clouds using the inverse-distance-weighted interpolation method. Finally, the proposed method transforms the extraction of street-scene objects from 3-D mobile lidar point clouds into the extraction of geometric features from two-dimensional (2-D) imagery space, thus simplifying the automated object extraction process. Experimental results show that the proposed method provides a promising solution for automatically extracting street-scene objects from mobile lidar point clouds.     

一种去除机载LiDAR航带重叠区冗余点云的方法

机载LiDAR系统在获取高密度地表点云的同时,也带来了数据冗余的问题,特别是在航带重叠区中尤为突出。旨在研究无完整航迹信息辅助下去除航带重叠点,提出了基于点云GPS时间直方图的去除航带重叠点的方法。该方法包括三个步骤:(1)建立点云的GPS时间直方图,并根据GPS时间直方图特点获取航带重叠区外包矩形以及外包矩形中的所有点云;(2)考虑到城市中高密度点云有助于建筑物的三维重建,通过滤波分类处理获取建筑物点并予以全部保留;(3)对重叠区中除建筑物点外的其他所有点进行格网数据组织并根据GPS时间直方图逐格网去除航带冗余点。实验结果表明,该方法能较好地保留建筑物点的同时高效去除航带重叠点且不依赖于航迹信息,提高了后续数据分析处理的效率。     

基于 SHOT 特征描述子的自动提取球形标靶方法研究

针对复杂场景下的三维激光点云球形标靶精确自动化提取问题,提出了一种基于 SHOT 特征的 自动精确提取球形标靶的方法。该方法设计了粗提取和精提取处理过程,粗提取过程首先采用 SHOT 特征描述 子提取场景内全部的球形标靶点云;其次,利用欧氏聚类分割球形标靶点云,并采用最小二乘方法计算球形标 靶的粗略参数。精提取过程依据迭代最小二乘方法和法向滤波剔除非球面点,得到球形标靶点云和精确的球形 标靶参数。设计了含有 4 个球形标靶的实验场景,使用德国 Z+F Image 5016 扫描仪进行场景数据采集,自动 提取得到实验场景中的球形标靶点云和球形标靶参数。结果表明,在 10 m 范围内,该方法自动提取的球形标 靶半径中误差为 0.25~0.33 mm,较人工提取球形标靶点云的半径中误差减小 0.02~0.06 mm,较基于微分方法减 少 0.01~0.09 mm;该方法能够得到较高的球形标靶定位精度和稳健地去除场景点云中的噪声,可在 30 s 内完 成百万级点云球形标靶的自动提取任务。     

基于最近离散点的光线跟踪

论文提出基于最近离散点的光线跟踪算法。对于原始的点云模型,算法通 过平衡二叉树在设定范围内搜索离光线迭代点最近的N 个离散点,并用栅格的加速结构避 免不必要的迭代搜索计算。光线与实际最近的N′个离散点的局部平面进行求交计算,局部 平面的法向量是由离散点对应的三角形法向量通过三角形面积加权平均计算得到,并保证法 向量计算的一致性。通过改变光线跟踪的参数（最近离散点的数目）,即可达到渐进地多分 辨率显示原始的点云模型的目的。对于噪声多的原始的点云模型,设置较大的最近离散点的 数目,以有效地减少其绘制的噪声;对于噪声少的原始的点云模型,设置较小的最近离散点 的数目,以更多地显示其局部几何特征。     

机载LiDAR输电线路杆塔快速定位方法研究

杆塔位置是机载激光雷达电力巡检应用中进行输电线路点云分段、杆塔提取、变化检测的基础。为了提高其自动定位的精度和效率,提出了一种适用于复杂地形的高压输电线路杆塔自动定位方法。首先在分析了输电线路点云相对高度、垂直和水平分布特征基础上,采用格网预处理剔除低位点格网、聚类分析确定候选类簇,然后利用格网垂直连续分布系数、高程分布系数和凸包系数等识别杆塔点所在格网,并以邻近格网中心作为杆塔水平位置。实验结果表明：相比前人的方法,算法的杆塔定位精度提高了11.7%,查准率和召回率分别提高了50%和20%,尤其是在地形起伏大且不连续的情况下具有较好的普适性。     

基于Hough变换的空间点位自动检测

在图像量测及物体精确定位中，Hough变换是一种应用非常广泛的图像边缘检测技术，该文在提取空间立方体上分布的规则格网线，进而确定其格网点空间坐标的研究中，针对传统Hough变换直线检测中易产生过连接线（点）、不易确定直线端点和长度以及定位精度低等问题，提出了一种适用于该类问题，基于Hough变换空间直线（点）位置自动检测的新算法。实验结果表明改进的Hough变换算法有效，空间交点坐标量测中误差达到子像素级。     

利用区域划分的多密度快速聚类算法

针对基于网格的聚类算法存在簇边缘网格中包含噪声点、利用网格相对密度差进行网格合并时不能区分密度均匀变化的网格等问题。提出一种利用区域划分的多密度快速聚类算法MFCBR。算法把数据空间划分成密度不同的网格,利用网格索引表和网格中心密度差合并网格形成簇,然后分别计算每个簇的边界网格质心、边界网格和最近簇网格中心位置,利用三者之间的关系来排除簇边界网格数据中包含的噪声点。实验表明,该算法在降低噪声数据对聚类干扰的同时,且对密度均匀变化的多密度数据集也有较优的处理效果。