基于激光点云扫描技术的复杂异型建筑立面快速提取方法研究

复杂异型建筑立面很难提取,当前提取方法大都不能达到很高的准确度,为此,提出一种新的基于激光点云扫描技术的复杂异型建筑立面快速提取方法。利用对建筑进行高密度采样,得到复杂异型建筑立面三维空间坐标点云集合,将扫描得到的点云集合拼接纳入统一坐标系。对激光点云数据进行降噪处理,在此基础上,依据点云扫描点的权值设定,求出某网格特征值,针对整个网格系统,形成特征图像。选择数量相同的复杂异型建筑立面和非建筑物立面网格点当成训练样本,对复杂异型建筑立面网格分类模型进行训练,把特征图像当成模型的输入特征,通过线性核函数的SVM获取输出网格,把获取的复杂异型建筑立面网格反映射至三维空间,得到准确的复杂异型建筑立面。将美国某学院的激光扫描点云数据库的三个数据集当成源数据进行实验,发现所提方法准确度与召回率均相对较高,提取的复杂异型建筑立面与实际测量结果相比,倾斜变形以及水平变形均很低,有很高的可靠性。     

基于激光点云数据的建筑物三维可视化系统

为了获理想的建筑物三维可视化效果,为建筑物测量提供有效技术手段,设计了基于激光点云数据的建筑物三维可视化系统。首先利用激光扫描仪采集建筑物激光点云数据,对建筑物激光点云数据进行冗余去除、畸变补偿和滤波处理,然后对激光点云数据进行坐标转换处理,利用3D Max建模软件建立建筑物三维可视化模型,最后通过实验分析其性能,结果表明：该系统具备较强的兼容性、激光点云数据预处理能力,建筑物三维重构精度超过93%,建筑物三维重构时间控制在4 s以内,具有更高的建筑物三维重构效率。     

基于机载激光点云数据的输电线走廊自动识别技术

使用激光点云数据可以得到较精确的地形数据,而目前激光雷达主要应用单波段脉冲,无法提供充分、有效的光谱信息.将激光点云数据与输电线走廊信息提取相结合,针对输电线走廊地物特征,根据点云信息三维数据对具有不同几何特征的地物进行识别,设计了一种基于机载激光点云数据的输电线走廊自动识别技术.首先通过计算点云曲面特征及邻域半径内维...     

机载三维激光点云数据分类数学模型

传统机载三维激光点云数据分类方法效率低、计算开销大,对算法自身要求较高,容易受到多种因素影响,导致结果偏差较大.为此提出机载三维激光点云数据分类数学模型方法.首先采集机载三维激光点云数据,利用概率法与直线滑动平均法分别做去噪和平滑处理;其次分析数据空间分布结构,获取特征数据的有限集合,通过平面拟合、残差拟合等步骤提取点...     

基于CCD图像的激光点云数据边界提取法

提出了一种融合激光和CCD图像的点云数据边界提取的方法。首先,将激光点标定到CCD图像上。然后,融合CCD图像数据与激光数据,提出了一种基于图像法的点云数据边界特征的提取方法,采用图像处理中梯度求解方法,对点云中每一点处的法向矢量和曲率进行估计,通过阈值得到候选边界点,再利用曲率极值法得到最终边界点。     

基于激光点云数据的遥感图像目标融合技术

不同遥感图像之间存在特征差异性,且图像含有噪声,对融合过程造成了干扰,影响最终融合结果的准确性。基于此,提出基于激光点云数据的遥感图像目标融合方法。对遥感设备获取到的点云数据预处理,去除噪声点;从个体特征和群体特征两方面提取遥感图像目标特征,并将其关联;通过合理分配两幅待融合图像的权重系数,使拼接缝平滑过渡,完成遥感图像目标融合。通过对比实验测试可知,所提方法取得的目标点融合精准,拼接缝不明显,融合效果较好,所提方法的熵、峰值信噪比较高,体现了遥感图像目标融合的优异性能。     

改进高斯混合模型的激光点云数据分类

激光点云数据的无序性会影响激光场景识别和三维重建,导致激光点云数据分类误差大,精度低等问题,为此提出基于改进高斯混合模型的激光点云数据分类方法。首先采集激光点云数据,利用邻域密度算法对数据中的噪声进行分析和去除,然后采用改进高斯混合模型获取数据点间距,将点云数据分类相应类别中,实现激光点云数据分类。实验结果证明,本方法可以有效去除激光点云数据中的孤立点,提高了激光点云数据分类精度,激光点云数据分类结果可满足激光三维重建要求。     

基于VR技术的激光三维点云数据的虚拟重建

针对激光扫描云数据的虚拟重建存在噪声大,重建效果差的问题,提出一种激光三维点云数据的虚拟重建算法.通过设置多个激光扫描自由度,利用VR技术将激光测量映射到虚拟三维场景当中,获取点云数据,并利用图像滤波器对采集到的点云数据进行去噪处理.在此基础上,设置一个主数据点,利用该数据点对重建激光点云三维数据进行划分,分配重建任务...     

基于激光点云的建筑裂缝提取方法研究

提出一种面向对象的激光点云建筑裂缝提取方法,在对激光点云进行分割的基础上,通过计算面片与水平面之间的夹角、面片面积、面片相似度等特征,依据建筑裂缝先验知识,利用面向对象的激光点云分析方法对裂缝周围面片进行识别,选取建筑裂缝数据进行实验,结果表明,该方法可对建筑裂缝进行有效提取。     

一种基于IGA的融合点云和影像的建筑物提取方法

针对精细化实景三维建筑物建模,提出一种基于改进遗传算法（IGA）的建筑物LiDAR点云与正射影像融合提取方法：计算并提取基于点云和影像的特征,实现点云特征空间的扩张;再改进遗传算法选择点云特征,构建并优化特征空间;最后使用SVM分类器实现建筑物点云的精准提取。在ISPRS公开数据集Vaihingen测试数据的试验表明本文方法具有较高的建筑物提取精度;在实际生产数据的实验表明建筑物提取精度较高且稳定,证明了本文方法的先进性和普适性。     

基于激光点云数据的三维运动图像重构技术北大核心CSCD

为了解决三维运动图重构时存在的重构测量距离与实际距离误差大、激光点云数据数量多和重构图像清晰度对比低的问题,提出了基于激光点云数据的三维运动图像重构技术,通过配准多帧激光点云数据,从中获取激光点云数据集,再采用平面拟合方法对激光点云数据集实行去噪处理,最后利用曲面重构法完成对曲面模型的拟合,实现三维运动图像重构。实验结果表明,通过对三维运动图像重构进行测量距离与实际距离的对比、激光点云数据数量的对比和测量图像与实际图像清晰度的对比测试,验证了三维运动图像重构技术的实用性高。     

一种改进的激光点云数据精简算法

随着三维激光扫描仪获取的点云数据量越来越大,激光点云数据精简已成为测绘领域中的一个新的研究热点。在对点云数据分层技术研究的基础上,将二维平面曲线精简算法—Douglas-Peucker算法拓展到三维空间并进行改进,使得算法在处理前不需要已知点云间的邻接关系,可以对三维散乱点云数据进行直接处理。借助于Matlab平台编程实现点云数据精简,并利用程序构建精简后的点云数据的网格模型。通过与原始点云的网格模型进行对比分析,实验表明此改进算法的精简效果比较理想。     

三维枪弹痕点云数据处理及特征提取研究

为了解决传统算法中弹痕图像深度特征信息丢失的问题,本文提出一种能够计算出弹痕图像深度特征参数信息的三维点云图像特征提取算法。该方法根据棱线斜率变化从局部极值点中找到特征点,运用线性拟合法构建三角形对特征参数值进行计算,确定弹痕特征参数值的相似范围,通过利用相似范围对未知弹头进行判别,实现弹痕和枪的一致性确认。实验结果表明：所提出的算法在现有样本的条件下,弹痕比对的正确识别率达到90%以上,单组弹痕数据的转换、特征提取和参数计算共用时32.7 s。算法满足弹痕比对需求,可以对后续弹痕比对提供可信依据,具有一定的理论价值和实用意义。     

基于特征点和关键点提取的点云数据压缩方法

针对采集到的点云数据中含有大量的冗余数据,为后期数据处理及其应用带来诸多不便,而采用现有通用压缩方法压缩后的点云容易造成细节特征丢失问题,为此,本文提出一种基于特征点和SIFT关键点提取的点云数据压缩方法。该方法的核心技术是首先根据查询点与邻域中的点所构成向量的夹角而提取边界点;然后根据点云数据的曲率和法向量夹角提取尖锐点,据此使特征点在点云压缩处理过程中得到绝对被保留;同时在平坦区域提取SIFT关键点,这样能避免在曲率变化缓慢区域所保留的并不是特征点;最后融合特征点和SIFT关键点而实现对点云数据的压缩处理。研究通过设计与现有两种基于曲率压缩方法进行对比实验分析,结果表明本文所提方法既能最大量的去除冗余数据,又能保留点云中大部分特征点,实现了点云数据的高质量压缩。     

基于车载激光点云的城市道路标线提取方法

针对车载激光点云道路标线反射强度特性,提出了一种基于车载激光点云的城市道路标线提取方法。具体而言,首先提出一种联合布料模拟滤波和高差偏度平衡的地面滤波方法,利用偏度平衡滤波的自适应性,剔除布料滤波后残留的低矮植被的问题;随后利用基于法向量密度聚类以提取路面点云,并通过反距离加权插值将路面点云转为强度特征图;为了缓解标线提取出的锯齿状现象,引入快速引导滤波来平滑道路标线的边缘信息;最后采用最大熵阈值分割和形态学比值滤波对道路标线进行精化处理。实验表明,该方法能够有效地提取出道路标线点云,提取的平均召回率为80.98%,平均准确率为96.89%,平均综合评定指标为88.19%,能够利用道路标线点云强度信息较为完整地提取出道路标线点云。     

激光点云特征与知识规则协同的车道线提取

实现车道线高效的检测提取是自动驾驶领域中亟待攻克的关键技术之一,众多基于视觉方案的检测算法由于图像数据的特点存在一定局限性,如天气光照影响成像质量、难以兼顾弯道直道等。本文结合三维激光点云优势与道路知识规则提出了一种车道线自动提取算法。首先,通过多次强化道路边界高程差异获取路面点;其次,简化Isodata算法,自适应地得到反射强度滤波阈值;然后采用随机一致性算法检测直线聚类得到候选车道,将候选车道映射成二维矢量并通过类间距约束提取正确车道线;最后,基于相邻关键特征点对的向量拓扑关系一致性实现车道线拓扑重构,得到对应现实世界中意义完整的车道线。算法在车道线达5～6条的情况下,召回率达9246,准确率达9479,综合评价指标达9241,实验结果证明了方法的有效性和可行性。     

基于激光点云实现杆塔提取的轻量级网络

为了解决传统的杆塔点云提取算法对地面起伏较为敏感,以及提取出的杆塔点云难以剔除地面点的问题,提出了一种直接以原始点云数据为输入来实现杆塔提取的轻量级网络.将原始点云数据划分为若干大小相等的体素格,利用特征学习网络及卷积网络提取体素格内的空间、结构特征;并结合传统方法中的相对高度差以及点密度的特征,从而判别该体素格为杆塔...     

基于机载激光点云的电力线自动提取方法

为了解决地形、走向复杂、点云密度不均匀的输电线路的电力线提取精度低的问题,提出了一种高效的电力线自动提取和重建方法.首先通过空间分割和点云密度分析方法改进高程滤波算法实现电力线粗提取;采用基于点云间倾斜角度平均值的滤波算法精提取电力线;使用统计滤波算法完成电力线整体点云提取;通过基于随机采样一致性算法的电力线分条提取算...