大规模地形实时绘制算法研究

在大规模场景的地形简化中,海量数据的内外存调度算法一直是热点研究问题。提出了一种高效的大规模地形数据调度算法,算法设计了一种有效的地形网格数据的多分辨率存储方法,减少了简化过程中实时数据调度量,同时算法对地形分块与内存分块进行了优化处理,从而提高了大数据量地形数据的实时调度效率。实验结果证明了算法的有效性。     

基于体素化网格下采样的点云简化算法研究

针对三维点云数据冗余量大、重建时间长、效率低等问题,提出一种基于体素化网格下采样的点云简化算法。该算法首先求出点云数据集的最小三维长方体包围盒,把点云数据划分进三维体素栅格中去;其次计算点云的k邻域,进行曲面法向量估计;然后,在三维体素栅格中选择满足要求的数据点,实现点云下采样;最后,调用Power Crust对下采样点云数据进行曲面重建,在三维可视化类库Visualization Toolkit(VTK)进行显示。实验结果表明,该算法能够加快三维点云数据的重建速度,较好地保持了点云特征,提高曲面重建的效率和鲁棒性,适合实时处理。     

基于改进PMVS算法的多视遥感地形影像密集匹配

基于面元的多视立体(PMVS)算法应用于遥感多视地形影像三维场景重建时,影像中的弱纹理、灰度值变化不明显区域使得重建出的三维地形点云存在整体分布密度低和局部孔洞现象.结合遥感地形影像的特点,提出了基于影像块的并发SIFT算子和地面高程范围约束的改进PMVS算法,首先在特征提取阶段得到分布密集、均匀的特征点,进而通过地面高程范围约束的匹配传播过程高效地得到种子面元,再通过迭代种子面元扩充、面元过滤过程得到地形影像的三维点云数据.实验结果表明,相比原PMVS算法,改进的PMVS算法可在幅宽大、存在弱纹理区域的多视遥感地形影像上重建出稠密点云,有效修复了地形点云场景中的孔洞,并提高了重建时间效率.     

三维激光扫描数据的网格简化

针对三维激光扫描仪获得的彩色人头数据集压缩问题，提出了基于区域分割的顶点合并网格简化算法。该算法分为区域分割和网格简化两个阶段。在对三维彩色人头数据集进行区域分割的基础上，把网格点分为：区域边界点（在顶点合并操作中，它只能与边界点合并）和区域内部点，然后根据区域加权的误差评价函数进行网格简化。实验表明，该算法压缩比高，网格简化质量好。     

山地坡度自适应星载光子计数激光雷达点云去噪方法

星载光子计数激光雷达在接收信号的过程中会产生大量噪声,并且在复杂的山区地形中信噪比低,极大地影响对植被点云信号的准确提取。为解决该问题,提出了一种基于山地坡度的密度聚类算法。通过分析点云数据的密度和森林目标地形特征,用最大密度中心搜索法进行粗去噪,基于点云数据计算坡度角以优化密度聚类,完成数据精去噪。通过对提取的森林区域信号进行分类,拟合植被冠层廓线和地表廓线,结果表明本算法提取植被光子信号的准确率较高,地面与冠层廓线的RMSE分别为0.3588 m和3.7449 m,更适用于植被遥感点云数据处理。     

飞机噪声等值线绘制算法的研究

针对机场噪声的特征及分布特点,提出了一种基于路径栅格的机场噪声等值线追踪算法。通过构造有效网格、建立具有顶点和的路径栅格,在等值线追踪过程中唯一确定下一个等值点,能够快速生成等值线图,然后根据自身特点对等值线进行光滑,最后,为了方便查看不同区域的噪声影响情况,需要对等值线用不同的颜色进行填充处理。     

机载LiDAR点云分块插值滤波

现有机载激光雷达（LiDAR）点云滤波算法在简单地形下取得了较好的滤波效果,但普遍对陡坡地形适应性较差。为提高在不同地形下的滤波性能,提出了基于分块的多尺度表面插值滤波算法。该算法首先通过改进的区域增长分块算法将原始点云分为点云块集和散点集,然后通过构建的多尺度表面插值算法同时对点云块和散点进行分类。利用国际摄影测量与遥感学会(ISPRS)提供的基准数据验证表明,该方法在15个样本中有11个样本滤波效果优于现有滤波方法,对各类地形均有较强适应性,且该方法平均总误差最小。对三种不同地形特征的高密度数据滤波实验,也验证了该方法的良好性能。     

基于特征点能量优化的样条插值地形算法

针对在虚拟战场环境仿真中构建大规模地形,现有的计算机硬件条件无法进行实时处理,本文提出了一种对特征点用线性约束能量最小化方法反算控制点;用三次准均匀B样条曲线插值特征点生成B样条曲线,最后利用线动成面的原理生成B样条地形曲面。其中对偏差较大点通过增加新特征点的方法进行了自动修复。通过对实际高程数据值插值地形进行实验,得出运用该方法拟合的地形图更精确、更逼真。该算法主要用于对地形中重点关注区域进行地形重构,以提高局部地区的分辨率和逼真度。     

基于LiDAR数据的布料模拟滤波算法的适用性分析

为了解决现有点云滤波算法设置参量多、滤波效果不理想、难以操作等问题,采用最新的布料模拟滤波算法,根据简单的物理过程构建虚拟格网模拟地形表面,并针对复杂地形的点云数据进行定性和定量滤波验证。结果表明,其Ⅰ类误差在5.7%、Ⅱ类误差在3.4%以内,但针对部分混合有平坦和陡坡的局部区域滤波效果并非理想;在满足滤波精度的同时,可在30s内完成数百万个点的滤波,甚至在数秒内完成数十万个点的滤波。该算法所需参量很少、效率非常高,能满足绝大多数复杂地形数据的滤波要求。     

结合区域生长及主成分分析的机载LiDAR建筑物点云提取

针对机载LiDAR建筑物点云提取过程中与树木紧邻的建筑物难以提取,已有先滤波后提取算法效率低等问题,提出一种结合区域生长与主成分分析的机载LiDAR建筑物点云提取算法。该算法首先对粗差剔除后的机载LiDAR离散点云构建TIN三角网,依据建筑物边缘点所在三角形的特征提取建筑物边缘点;然后将邻域特征优化后的建筑物边缘点作为种子点进行区域生长得到建筑物点云;最后采用主成分分析对提取结果进行检核,剔除非建筑物点云,在此基础上基于连通性对建筑物点云进行单体化分割,剔除小面积区域,得到最终的建筑物激光脚点数据。实验选取国际摄影测量与遥感协会提供的三组典型区域的LiDAR点云数据进行建筑物提取,并与传统形态学和区域生长两种建筑物点云提取算法进行比较,结果表明本文算法可以实现建筑物点云的高精度提取,且对地形及不同类型屋顶的建筑物具有良好的自适应性,验证了算法的可靠性。      

使用显著性划分的机载激光雷达点云滤波

点云滤波是机载激光雷达点云数据处理的一个关键步骤。针对目前已有算法存在的单一方法在特定地形的点云滤波效果较好，而对于复杂或混合地形滤波效果不理想的现状，提出了一种基于点云网格地面显著性的点云滤波方法。该方法在点云以虚拟网格组织的基础上，使用扫描线高程分割的方式，计算各网格单元的地面显著性指标，依据地面显著性值对网格内的点云进行地形类别划分，对不同类别的网格单元，使用不同的滤波处理手段。该方法与其他经典方法相比，避免了迭代加密过程，在起伏区域使用曲面而非平面来代替局部地形，在不显著增加计算量的情况下，对于复杂和混合地形具有更好的适应性，能够生成可靠性较高的地面点集合。     

复杂环境中电力线激光点云的自动提取

为了解决目前复杂环境下电力线提取精度及鲁棒性低的问题，提出了一种基于激光点云的电力线自动提取方法。通过主成分分析确定输电线路的主方向，将长距离输电走廊划分为多个空间网格，以应对地形起伏变化时植被点云对提取算法的干扰；再通过一种自顶向下的全新滤波算法剔除每个空间网格的地物点，根据点云密度分布差异实现电力线和电塔的自动分离；另外, 提出半径搜索算法对分离后的结果进行处理，得到单条电力线的激光点云数据。结果表明，所提出的方法对电力线的提取精度高达99.69%，针对不同连接塔型和不同地形都具有很好的鲁棒性。该研究在输电通道空间结构的自动分析领域以及智能巡检领域具有良好的工程应用价值。     

一种面向智能电网数据采集的传感器聚合布局构造算法

智能电网中分布着大量的无线传感器用于监测智能电网设备和用户的运营状态信息,原始监测数据都采集到数据处理中心会给数据采集通信网络带来极大的数据流量压力。采用在数据采集过程中进行数据聚合的策略,将极大地缩减数据流量,降低通信网络的开销。因此聚合节点的选择以及聚合拓扑的构造成为智能电网数据采集的关键问题。该文提出一种基于层次聚类的异步分布式聚合布局构造算法。该算法首先按照层次聚类把所有节点按照距离的远近聚合构造出一棵采集树。随后计算出最佳分组数,按照该分组数进行分组。然后按照异步分布式策略进行最佳聚合节点的选择以及最佳传输拓扑的构造。仿真实验表明,该算法可以快速找到具有最小开销的数据聚合方式,提高智能电网数据采集网络的效率。     

高斯混合聚类对移动曲面拟合滤波分类的应用

为了提高激光雷达点云滤波算法的精度和自适应性,对移动曲面滤波算法进行改进。采用格网边界点构建曲面约束条件,检验格网内是否全部为建筑物点。利用区域拟合求解地形的起伏,引入机器学习中高斯混合模型(GMM)对地形起伏进行滤波分类,将移动曲面中的种子点作为聚类算法中的靶向点参与分类学习。实验数据为雷达飞行的自测区,对于自测区采用随机抽样的方式,检验判断滤波效果。同时为检验GMM算法的准确性,在三类误差检验方式的基础上,增加了Kappa系数作为检验方式。通过与谱系聚类分类算法对比,证明所提算法能取得较好的滤波效果。     

基于网格密度优先的北斗用户目标可视化方法研究

结合北斗用户目标的空间分布和属性特点，提出了一种基于关联关系的语义多尺度聚合模型，并对网格聚合算法进行了优化，改进并提出了基于网格目标密度优先顺序聚合和聚合中心的计算方法，在提高聚合效率的同时，改善了聚合显示效果。该方法在某北斗监测系统中得到了应用和试验，结果表明，算法原理简单、运算效率较高，且更贴近于表达北斗用户目标的实际分布特征，为海量空间数据可视化提供了解决方案，具有较高实用价值，基本满足了不同地图比例尺显示场景对用户目标的感知和理解需要。     

区域回波比率与拓扑识别模型结合的城区激光雷达点云分类方法

针对城区激光雷达点云提出一种全自动分类方法。采用具备一定抗过分割能力的拓扑启发式分割算法对栅格高程图像进行面向对象分割;依据迭代最大类间方差(Otsu)聚类方法及两种拓扑模型实现地面图斑对象与非地面图斑对象初步分离,并合并邻接非地面对象;在地物对象中引入多次回波比率检测树木对象,采用区域面积、建筑物高度等条件区分建筑物及其他两类地物,并依据栅格索引分类。选择具有丰富地物类型的典型城区点云数据进行实验,结果表明,该算法具有良好分类精度及较强实用价值。     

基于空间自相关的地形建模简化研究

针对基于数字高程模型（Digital Elevation Model,DEM）数据的大规模三维地形简化问题,提出了基于空间自相关理论的地形建模简化方法。该方法考虑地形坡度这一表达地形特征关键因素,以地貌特征区域相似与高程数据相关性为依据,对地形数据进行聚类分析,获取区分地形的特征值,在此基础上采用基于倾斜度的距离加权法计算中心点的高程值,生成新的网格进行地形构建。实验结果表明,该方法一定程度上降低了数据规模,减少了相对误差,同时较好的保持了地形特征。