基于渐进加密三角网机载LIDAR点云滤波改进算法研究

机载三维激光扫描获取的原始点云中通常包含大量的非地面点,无法直接用于制作高精度DEM.基于渐进三角网,提出了融合点云聚类及点云拓扑特征分析的滤波算法.首先对点云数据进行以区域增长算法对点云进行聚类分割;然后通过对每个聚类中的关键点进行拓扑特征分析来剔除低矮人工地物和低矮植被;最后利用关键点与三角网的位置关系判断每个聚类是否为地面点.通过对某地点云数据实验分析,过滤后的点云能较好地保持地形特征.文中以少量特征点判定聚类是否为地形数据的思想,极大减少运算量,提高效率;加入点云特征分析,提高点云滤波效果.新算法适用于海量点云数据处理,可应用于获取高精度DEM、地形测绘等领域.     

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.     

LIDAR点云数据全自动滤波算法研究

提出了一种基于移动最小二乘法的点云数据全自动滤波算法,该方法首先对LIDAR点云数据进行合理分块,并建立分块网格的动态四叉树空间索引,便于数据操作和管理.对分块网格中的点云数据利用精简移动最小二乘法拟合出参考地形,将拟合得到的参考地形用于LIDAR点云高程阈值的迭代计算,将每次迭代前后高差小于阈值的点划为地面点,其余点划分为非地面点,迭代运算直至阈值满足要求为止.实验表明,精简移动二乘法效率高,计算量小,并且精度高,适合点云数据DEM(digital elevation model)拟合,利用该算法对LIDAR点云数据进行滤波的速度快、精度高,能够有效地识别地面点和非地面点,并保留地形的细节信息.     

基于坡度信息和平面拟合的机载LiDAR点云滤波方法

提出了一种改进的滤波算法.新算法利用平面的性质和局部最低点的关系进行地面点的提取.初始的DTM拟合之后,新算法中最初用到的坡度阈值就会更新,这样DTM会包含更多细节的地形信息,从而使新算法在坡度变化复杂的区域能够实现地面点的提取.     

基于无人机影像匹配点云的土石方量计算

针对传统土石方量测量中存在受地形限制、耗时费力、成本高等问题,提出一种基于无人机影像匹配点云的土石方量计算方法。使用单镜头多旋翼无人机获取玉林市某矿山区域范围内正射影像与倾斜影像,借助Pix4Dmapper软件对无人机影像进行处理与分析,提取矿山地表三维点云数据;利用布料模拟点云滤波算法对所获取的点云数据进行滤波处理,进而分离非地面点与地面点;同时利用局部多项式插值算法对地面点云缺失区域进行插值拟合,生成更加准确的地形特征;利用EPS软件对点云成果进行分析,计算矿山现状开采范围内的土石方量值。结果表明：基于无人机影像匹配点云的土方量计算所得结果与GNSS-RTK实测结果差值比为1.9%,计算方法具有可行性与可靠性,可作为土石方量计算新方法。     

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。     

基于高程—坡度包围盒的地面LiDAR点云道路提取

提出一种基于高程-坡度的包围盒增长算法,并实现从地面LiDAR点云数据中准确提取公路面点云。该算法首先提取道路地表包围盒点云数据,利用局部高程-坡度属性对点云进行去噪并提取地表点云,然后利用模糊C均值聚类算法和区域增长方法将公路面从地表点云中提取出来。采用某矿区省级公路和高速公路的地面LiDAR数据进行试验,实验结果表明:该方法可以有效地去除地表点云噪声,道路点云得到很好保留。     

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。     

基于随机抽取一致性的稳健点云平面拟合

针对常用的平面拟合方法在点云数据存在误差或异常值时产生拟合不稳定的现象,提出了结合最小二乘法的随机抽取一致性(random sample consensus,RANSAC)平面拟合算法.该方法先用RANSAC算法检测并剔除异常数据点,再利用最小二乘法将得到的有效数据点拟合,计算平面模型参数.实验中,分别采用该算法和最小二乘法、特征值法对仿真数据进行平面拟合,且采用本文提出的算法,分别对含有不同程度误差和异常值的点云数据进行拟合计算.研究结果表明:该算法适用于存在误差和异常值的点云数据拟合,能稳定地得到较好的平面参数估值,具有较强的稳健性.     

一种改进的适用于DIM点云的PTD滤波算法

提出一种改进的适用于三维密集图像匹配(DIM)点云的渐近不规则三角网加密滤波算法(PTD).该算法针对DIM点云无法穿透植被、直达地面的特性,在种子点选取阶段,采用一种基于建筑物立面的种子点选取策略选取种子点.采用PTD算法的加密策略对由种子点构建的不规则三角网(TIN)进行迭代加密.当归属于网内的点的密度大于所给阈值时,所提算法采用一种新的基于多尺度的迭代加密方案对TIN继续加密.与PTD算法不同,在第二个加密阶段内,加密角度阈值将从小到大变化.结果表明:改进的PTD算法可有效地将地面点和非地面点分离,点云滤波的Ⅰ类误差、Ⅱ类误差及总误差分别为3.57%,0.71%和1.68%.算法对DIM点云的滤波效果优于PTD算法,因此,该算法将成为处理DIM点云的重要工具之一.     

基于改进RANSAC算法的车载LiDAR地面点云提取

针对传统RANSAC算法提取车载LiDAR地面点云精度低、结果不稳定等问题,提出了一种改进的RANSAC算法.使用KD-Tree构建点云拓扑关系并将点云空间划分成不同区域,设置邻域半径得到每个点的邻近索引并计算点云法向量,根据法向量对地面点云进行粗提取.遍历粗提取的地面点云求平均高程,将其作为阈值滤除较高的地物点得到地...     

基于法矢修正的点云数据去噪平滑算法

逆向工程数据采集点云数据的离群点和噪声点的存在,直接影响数据的多视图拼合,特征提取,数据精简以及曲面重构的质量。在对双边滤波和三边滤波算法的研究的基础上,提出了一种基于法矢修正的点云数据去噪平滑的算法。对于噪声点通过加权协方差矩阵估算点云邻域内几何特征,将具有相似几何特征的点限制在法向量相似的区域,在相似邻域内的采样点法矢和位置分别进行保特征的三边滤波。改进后的算法能够有效地滤出点云数据中的离群点和噪声点,同时保证了点云数据的尖锐及边缘特征,取得良好的去噪效果。     

基于扫描线坡度统计的LiDAR滤波算法

提出一种基于扫描线坡度统计的LiDAR滤波算法,该方法根据扫描线内点间距较小、密度较大的特点,将二维滤波转化为一维滤波．在统计扫描线内相邻点间的坡度。设定阈值迭代滤除地物点基础上,采用局部参数化表面拟合进一步将精化候选地面点,用ISPRS提供的参考数据进行实施测试分析,结果表明：可有效处理大面积、复杂城区,为下一步城市...     

基于多Kinect的三维人脸重建研究

人脸三维数字化在医疗、影视制作和虚拟现实等领域具有重要意义,是计算机视觉研究的热点.为快速、完整、低成本和精确地实现人脸三维数字化,提出一种基于多Kinect的三维数字化系统.首先,连续采集8帧点云信息,避免信息缺失,改进双边滤波算法,对Kinect获取的点云滤波去噪;然后,精简点云拼接区域,先采用点特征直方图在两点云间寻找配准点,构造协方差矩阵,奇异值分解法求解该矩阵,得到初始变换参数,粗拼接点云;再通过改进的共享最近邻居聚类算法加快粗拼接后两点云间的最近点搜索速度,利用改进的最近点迭代算法实现精拼接;最后,实验结果表明:该系统能够快速、完整和精确地三维数字化人脸,达到了实验预期效果.     

Kriging点云滤波改进算法及监测试验研究

为进一步提高三维激光扫描技术的量测精度,从优化滤波算法的角度出发,基于Kriging改进算法,考虑描述对象的空间相关性质,针对点云数据的滤波处理问题,研究点云格网化滤波的优化方法。以实际工程为依托,通过现场监测比对试验,对三维激光点云数据进行格网化处理和分析,将试验得出的变形数据与传统方法的量测数据进行对比。结果表明：基于Kriging滤波的改进算法不仅能够高效识别和提取隧道轮廓断面可视化数据,而且可以高效、准确地获得隧道变形;试验的拱顶下沉数据与传统量测数据较接近,而周边收敛数据则有一定的差异。三维激光扫描技术下的隧道变形监测在一定的环境条件下能较好地反映隧道变形的真实情况,为隧道工程的施工提供有效的安全预警。     

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。     

散乱点云自适应切片算法研究

提出一种散乱点云自适应切片算法,该算法建立点云动态空间索引结构,基于该结构快速准确获取切片邻域数据并确定各层切片位置,依据邻域数据与切片的位置关系将其分为正负两个区域,通过正负区域配对点连线与切片求交获取切片数据点,并采用最小生成树算法排序,得到有序的切片数据点,实现散乱点云的自适应切片,实例证明该算法适用于逆向工程中各种复杂型面点云数据,切片数据获取精度高,算法运行速度快.     

一种改进的LiDAR点云滤波方法

针对移动机器人激光雷达点云数据滤波过程中存在对噪声敏感和准确性差等问题,提出一种加权的高斯滤波方法.该方法使用高斯滤波与角度余弦作为加权值对雷达点云数据进行滤波处理,减小了激光雷达扫描到的物体轮廓波动.最后将该方法应用到实际的机器人操作系统的移动机器人底盘中,实验结果表明,相比传统的高斯滤波方法,该方法能更好地解决雷达...     

基于ROS2.0四足抓取机器人的设计

设计了一种四足抓取机器人,使用Cyberdog四足机器人可以在复杂地形行走,选用机械臂MyCobot机械臂进行抓取作业,实现了YOLOV3结合点云数据获取特定目标的空间位置、机械臂远程控制、视觉SLAM、多点自主导航、自主避障等功能。针对DWA算法进行改进,结合YOLOV3目标检测算法以及深度相机点云数据,改善了传统导航算法存在的碰撞、阻碍动态障碍物的风险,使得机器人更好更安全地融入日常工作。     

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.