鲁棒的点云曲线骨骼提取算法

为解决复杂点云数据的曲线骨骼提取问题,提出了一种鲁棒的点云曲线骨骼提取算法。该方法首先通过区域分割将点云模型分成多个弱凸面集,减少噪声点对骨骼提取的影响,然后在每个弱凸面集中根据对称点信息提取候选骨骼点,对候选骨骼点进行压缩和平滑,并采用最优平面法对骨骼点进行重定位,最后利用区域分割信息将各区域的骨骼点连接得到最终的曲线骨骼。实验结果表明,该方法不仅能够处理完整和非完整的点云数据,而且能够正确提取包含复杂形状的点云骨骼。     

引入平面分割与空间统计分析的室内稠密点云地面提取方法北大核心CSCD

针对室内场景地面信息提取问题,提出了一种基于平面和空间信息统计分析的室内稠密点云地面提取方法。首先,对输入的稠密点云进行预处理,实现数据降噪及抽稀;其次,利用区域生长分割平面结构,并根据平面位置关系进行合并与分组;然后,采用平面数量、投影面积、天花板与地面、空间距离等多个室内空间信息分析实现地面初提取;最后,采用图像映射、轮廓提取、孔洞填充、点云映射对初提取的地面点云进行优化,得到最终的地面点云。实验表明,该方法可实现不依赖传感器校正坐标系信息,仅使用稠密点云数据作为输入,准确有效地提取地面,准确率达到90%以上,并在一定程度上降低稠密点云的冗余度。     

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。     

三维场景分割中多模态数据融合的2D-3D耦合网络

提出基于二维空间RGB颜色和三维点云数据融合的语义理解网络。先使用轻量级网络提取二维图像的特征，再基于二维图像特征、几何结构和全局环境信息提取三维场景语义分割框架。该算法采用异构网络，有效地将图像和点云信息结合起来，解决了单点云数据处理结果不够精细的问题。     

散乱点云数据特征信息提取算法

针对散乱点云特征提取过程中效率低和噪声敏感性差的问题,提出一种双阈值点云特征信息提取算法。采用主成分分析法和局部二次曲面拟合法对点云模型进行微分几何信息估算,得到k邻域内采样点平均法矢夹角和平均曲率的特征权值,并利用双阈值检测方法对散乱点云的特征信息进行提取。实验结果表明,该算法能够快速准确地对散乱以及含有噪声的点云模型进行特征信息提取,具有较高的鲁棒性。     

多阈值提取平面点云边界点的方法

针对基于切片技术的点云数据重建算法需要提取切片内点云边界点,及现有算法效率低、提取效果不好等问题,提出一种多阈值提取平面点云边界点的算法。通过选取判断点的k个近邻点,计算相邻两点与判断点连线间夹角,由于边界点必存在最大夹角,通过判断最大夹角是否超过设定阈值,从而快速提取边界点。通过对阈值设值分析,不同点云数据的边界提取实验及几种方法间比较,该方法不受点云形状影响,均能较好提取边界点,且优于其他3种算法。结果表明该方法在保证原始点云特征信息的前提下,可较好提取边界点,提高后续点云重建速度与效率。     

地下管廊特征保持的三维点云数据精简研究

本文提出了一种基于RANSAC平面分割和PCA特征提取的移动背包Lidar点云地下管廊特征保持的数据精简方法。首先基于移动背包获得地下管廊原始点云数据;然后利用RANSAC算法对目标点云分割并识别出含有管廊整体轮廓信息的面状点云;最后对所识别出的面状点云基于PCA算法和通过设定投影向量角度阈值提取出管廊特征轮廓数据。试验结果表明,该方法能够有效快速地提取出地下管廊点云数据中的特征轮廓目标,提取的特征轮廓与原始点云能准确符合。在保留轮廓特征的同时精简了数据,为三维点云数据的高效利用奠定了基础。     

基于多层激光雷达的可行驶区域信息提取算法

为了提取无人驾驶车前方可行驶区域信息,提出了一种基于多层激光雷达可行驶区域信息提取算法。首先,根据雷达返回数据的特征结合数据区间密度分布获得路沿点集,并利用基于加权欧氏距离KNN改进的OPTICS算法对得到的路沿点聚类。然后,使用最小二乘法拟合出两侧路沿。最后,通过改进的OPTICS算法将路面上的障碍物点云进行聚类,并通过计算得到障碍物的位置、距离、尺寸等信息。利用数据区间密度分布法提取路沿点不受障碍物以及路面点的影响,而改进的OPTICS算法则不再受Eps的约束,并且可以准确分辨出噪点,解决了障碍物信息由于噪点而提取不准确的问题。实车实验证明了算法的有效性和实时性。     

采用模糊规则的人体点云特征尺寸识别与提取

为解决人体点云模型的特征尺寸自动识别和提取难的问题,提出一种基于模糊规则的人体关键尺寸提取的方法.首先根据膝盖处投影点云的宽度特点对点云进行规范化处理,使点云朝向X轴正方向;再应用截面法变步长搜索人体点云,并采用基于改进的降抛物线型隶属函数的模糊规则和坐标值比较法来判断人体特征点的位置;最后利用Z坐标差值法和相交轮廓周长法来计算人体测量学中的关键尺寸.实验结果表明,该方法是可行和可靠的.     

一种高斯混合模型组合分类的机载LiDAR城区道路提取方法

城区道路自动提取一直是遥感领域研究的重点和热点之一.针对遥感影像提取易受建筑物和植被遮挡的影响,点云数据提取道路边界又较模糊的不足,提出了一种高斯混合模型组合分类的道路提取方法.该方法利用融合影像即含有色彩信息的点云数据,首先对滤波后点云中的反射强度属性,运用偏度平衡法粗提取道路点云;再对点云数据中的灰度信息和点密度属...     

A method of automatic extraction of parameters of multi-LoD BIM models for typical components in wooden architectural-heritage structures

A building-information-modeling (BIM) model, which is established based on high-fidelity point-cloud data, can be well used to preserve architectural heritage. Two related critical issues for this conservation are multiple-level-of-detail (multi-LoD) parametric models that emphasize different protection requirements for typical components, and a method for automatically extracting the corresponding parameters from a high-fidelity point cloud. Taking typical Chinese wooden architectural-heritage structures as an example, multi-LoD principles for typical components without damage are proposed according to the different requirements. Then, a framework of multi-LoD parametric models was developed and implemented in BIM. Based on this, a method for automatically extracting the abovementioned parameters is developed and the critical parameters of this method are recommended. To validate the reliability and efficiency of this method, the parameters of multi-LoD models of typical components are extracted. The results indicate that the relative and absolute errors of values of such parameters are mostly less than 2% and 0.5 mm, respectively. Moreover, this method is capable of extracting parameters from millions of point-cloud data within 7 min, thus validating the high efficiency and reliability of the proposed method.     

古木建筑裂缝多LoD表达与信息自动集成

古木建筑具有极高的价值,科学认识其损伤现状,并对损伤进行直观表达与信息 自动集成,有利于更好地进行文化传承。尽管建筑遗产信息模型(HBIM)技术具有模型与信息高 度关联的特点,可将信息整合至模型中,与古建筑信息表达集成需求高度契合,但在应用方面 仍存在部分难题,如损伤模型表达精细度划分,损伤信息量庞大难以快速集成。本文以古木建 筑裂缝损伤为例,首先建议了裂缝模型多细节层次(LoD)表达标准;然后分析了 HBIM 的信息 集成方式,其在 Revit 软件中以电子列表方式管理构件信息;为解决信息量大的难题,对软件 进行二次开发编写外部命令,加载成为外部应用实现信息自动集成更新;最后以一古木建筑 HBIM 模型进行方法验证,4 s 内完成了 64 根柱子的信息自动化集成。表明了裂缝多 LoD 表达 方法与信息自动集成算法的高效性与可靠性,可为历史建筑信息的表达、集成与管理提供方法 借鉴。     

BIM技术在古建筑保护中的应用研究

传统测绘方法获取的二维图纸难以满足现有古建筑修缮和保护的要求,本文采用三维激光扫描技术与BIM结合,通过对点云数据的处理可以高效的建立高精度的古建筑三维立体模型,使古建筑三维模型结构化及数据信息化,便于古建筑的数字化存档,为古建筑的修缮和保护提供数据支持。     

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.     

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.     

利用隧道激光点云提取中轴线及进行整体变形分析

针对采用传统测量手段获取隧道断面数据进行隧道变形分析,存在数据覆盖面小、效率低等问题,以三维激光扫描仪获取的隧道点云为基础,提出一种利用隧道激光点云提取中轴线及进行整体变形分析的方法.首先,根据下采样边界特征提取算法获取边界点集;其次,利用边界与中点的几何关系获取隧道水平中轴线;然后,基于水平中轴线截取横断面点云,并对...     

点云配准中多维度信息融合的特征挖掘方法

数据挖掘是使用人工智能等方法在大型数据集中提取隐含潜在信息的过程,为从大量信息中获取有价值的知识提供了有效途径.在使用深度学习解决点云配准任务的过程中,数据挖掘也无处不在.全局特征提取和刚体变换估计是无对应点云配准的2个关键阶段,挖掘隐藏在2个阶段中的丰富信息是点云配准的重要任务之一.然而,最近提出的方法在提取全局特征时容易忽略低维局部特征,导致大量点云信息的丢失,使得后续刚体变换估计阶段求解变换参数时精度无法达到预期.首先,提出了一种基于多维度信息融合的特征挖掘网络,充分挖掘点云中的高维全局和低维局部信息,有效弥补了点云配准的全局特征提取阶段局部特征的缺失.其次,在刚体变换估计阶段使用了对偶四元数估计姿态,其可以在一个公共框架内同时表示旋转和平移,为姿态估计提供紧凑和精确的表示.最后,在ModelNet40数据集上进行的大量实验表明：与现有前沿的无对应点云配准方法相比,提出的方法可以获得更高的精度,同时对噪声具有较强的鲁棒性.     

基于注意力机制的点云神经网络架构搜索方法

为了解决设计面向点云数据的神经网络需要大量人工介入的问题,提出了基于注意力机制和点卷积的神经网络架构搜索方法。针对不同尺度点云的信息融合问题,提出了一种基于注意力机制的多尺度融合模块。针对点云的处理效率问题,设计了基于点卷积的特征提取模块作为候选操作,并与多尺度融合模块组成搜索单元。将多个搜索单元叠加成的神经网络作为搜索空间,并采用基于可微分神经网络架构搜索算法搜索出最优神经网络。在公开点云数据集ModelNet上的实验结果证明,该方法得到的神经网络具有领先的精度,同时具有较少的可学习参数,并且该方法大幅减少了人工介入的工作量。该数据集上的消融实验结果表明,在基线模型中加入提出的基于注意力机制的多尺度融合模块,精度提升了1.1个百分点。     

基于激光点云数据的客家土楼三维建模

传统测量方法难以获得完整准确的几何信息,且在测量过程中对文化遗产的频繁接触也存在造成文化遗产损害的隐患。利用地面激光扫描技术开展了客家土楼真实感、精细化三维建模的应用研究。首先,在现场点云数据采集的基础上提出了基于点云数据的客家土楼三维高精度重建的具体过程;其次,对点云数据处理和三维实体重建两个核心步骤,重点对点云数据的配准拼接、去噪简化和分站处理、构件轮廓线提取、三维几何建模和纹理贴图等步骤进行了详细论述。另外,对建模过程中纹理优化处理这一难点进行分析探讨,给出具体解决途径。应用结果表明:三维激光扫描技术适用于具有高复杂度几何特征的客家土楼精确化、真实感建模,为客家土楼建筑文化遗产未来的开发与保护过程的损害情况监测、恢复重建和虚拟展示等提供了高精度的数据基础。目前,技术方法已应用于世界遗产地—福建客家土楼的数字化旅游信息服务中,成效明显。