一种顾及地形的点云自适应坡度滤波方法

针对存在多种地形的复杂地区无法使用单一阈值进行点云滤波的问题,为提高点云滤波的自动化水平,提出了一种顾及地形的点云自适应坡度滤波方法。首先创建平面格网索引,利用高程分层统计的方法对点云进行去噪,选取地面种子点;然后进行局部坡度统计,求得局部地形坡度值,对地形进行分类;最后,根据地形确定滤波窗口大小,计算窗口内的坡度阈值进行滤波。分别使用公路和矿山数据进行实验分析。结果表明,该方法可以去除复杂地形的非地面点,保留基本的地形特征。     

一种针对路面损坏识别的点云特征图像生成方法

以车载激光点云数据为研究对象,提出一种针对路面损坏识别的点云特征图像生成方法。该方法首先对路面点云统计去噪,然后根据路面损坏的空间分布特征,设计一种损坏特征参考插值算子,构建圆形结构高程梯度差分窗口进行路面梯度分析,最后运用中值滤波算子滤除梯度椒盐噪声,生成路面损坏特征图像。经实验分析,对于不同类型的路面点云,该方法生成的路面损坏特征图像可以有效表达路面损坏目标,与传统方法相比,本文算法的提取准确率和召回率分别达到88.89%和92.31%,具有较强的适用性和可靠性。     

车载激光点云与序列化全景影像融合方法

利用车载移动测量系统采集的全景影像,建立全景球坐标系。将车载点云通过一系列的坐标转换,在全景球坐标系下利用球心、球面上像点和球面上物点三点共线关系,实现车载移动测量系统激光点云与全景影像的融合。全景影像拍摄盲区造成真彩点云存在"黑洞",从而导致导致路面信息缺失。针对该问题利用相邻影像重叠关系对"黑洞"进行修补。通过人工采集检查点对融合精度进行评定,结果表明,该方法融合结果正确,全景影像与激光点云融合精准,修补"黑洞"后,路面信息保留完整。     

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。     

DataGrid定制分页

利用DataGrid控件进行定制分页是Web设计的必由之路。本文在阐述简单分页技术基础上,深入地剖析了商业应用的几种实例,并提出Web设计中DataGrid控件在定制分页时提高代码执行效率的解决办法,之后写出详实的代码供大家参考。     

基于车载三维激光扫描技术的露天矿三维建模

主要介绍移动式三维激光扫描技术的数据采集原理和处理方法,并将该技术应用在汝箕沟无烟煤分公司工业广场和采区三维建模中,深入地分析了其在露天矿三维建模中的应用优势与不足。     

一种针对行道树残缺点云的三维绿量估计方法

针对车载移动测量系统获取的行道树激光点云残缺问题,提出了一种基于残缺率加权的三维绿量估计方法。首先计算树冠冠层不同方位上的点云残缺率,然后将平均方位残缺率作为权重计算冠层面积,进一步计算各冠层体积,累计得到树木三维绿量。实验以实际路段35棵行道树为例,对理论模型体积、实际点云体积和残缺率加权估计体积进行对比分析。结果表明,该方法估计的三维绿量更加接近树木的真实值,与标准体积对比的平均偏差为4.1%。     

车载激光点云与全景影像快速融合检校方法北大核心CSCD

针对车载激光点云与全景影像融合检校过程复杂的问题,通过分析检校的误差来源,量化误差影响因素,提出了一种快速检校方法。首先,构建更适用于全景球坐标计算的角度一致方程模型,求解全景相机检校参数;其次,通过分析检校模型,确定检校精度与参数初值和选点精度有关;然后,进一步分析选点精度与点云和全景像素密度差异、全景像片畸变的关系,得出密度差异用距离约束、像片畸变用立面点及对称选点约束的结论;最后,对同名特征点选取数量、距离及布设方式进行分析,确定最佳布点和选点方法并进行验证。实验结果表明,该检校方法简易可行,可实现点云与全景影像的快速检校,相比于传统方法具有明显优势。