结合体元数据结构的机载LIDAR建筑物检测

目的 目前,点云、栅格格网及不规则三角网等建筑物检测中常用的离散机载激光雷达（LIDAR）点云数据表达方式存在模型表达复杂、算法开发困难、结果表达不准确及难以表达多返回数据等缺点。为此,针对LIDAR点云体元结构模型构建及在此基础上的建筑物检测展开研究,提出一种基于体元的建筑物检测算法。方法 首先将点云数据规则化为二值（即1、0值,分别表示体元中是否包含有激光点）3D体元结构。然后利用3D滤波算法将上述体元结构中表征数据点的体元分类为地面和非地面体元。最后,依据建筑物边缘的接近直线、跳变特性从非地面体元中搜寻建筑物边缘作为种子体元进而标记与其3D连通的非地面体元集合为建筑物体元。结果 实验基于ISPRS（international society for photogrammetry and remote sensing）提供的包含了不同的建筑物类型的城区LIDAR点云数据测试了"邻域尺度"参数的敏感性及提出算法的精度。定量评价的结果表明：56邻域为最佳邻域尺度;建筑物的检测质量可达到95%以上——平均完整度可达到95.61%、平均正确率可达95.97%。定性评价的结果表明：对大型、密集、不规则形状、高低混合及其他屋顶类型比较特殊的复杂建筑物均可成功检测。结论 本文提出的建筑物检测算法采用基于体元空间邻域关系的搜索标记方式,可有效实现对各类建筑目标特别是城市建筑目标的检测,检测结果易于建模3D建筑物模型。     

基于机载LiDAR点云的道路点滤波提取方法研究

提取出道路地面点对于从机载LiDAR数据中提取地物有重要意义,论文提出了一种滤波方法提取道路地面点。首先,通过LiDAR数据中的道路特征的高程值进行区域分割,保存粗略数据;然后再根据LiDAR数据中的反射强度进行第二次滤波,超出反射强度某阈值的点划分为非地面点,剔除此部分点;第三次对已提取出的点进行分析,根据道路点密集的特征剔除周围反射强度符合阈值但形状稀疏的孤立点。实验结果表明该算法对地面点的提取效果较好,具有一定的实用性。     

一种改进ICA算法在脑功能区提取中的应用

为了提高用邻域相关的ICA算法进行脑功能区提取的准确性,先利用区域增长法对数据进行预处理,分别计算出切片中的每一个体元与其空间模型中的其它26个体元的相关系数,若相关系数大于一定阈值的个数小于设定值,则体元判定为非激活区体元。利用健康人手动fMRI数据对两种算法进行实验仿真,预处理可以滤除一些明显不是激活区的点,运行时间缩短为原来的47.3%。结果证明方法有效地保障了结果的准确性,提高了运算效率。     

机载LiDAR点云中精细建筑物顶面的渐进提取

由LiDAR点云数据准确提取建筑物顶面是实现三维建筑模型自动重建的关键步骤.在分析现有顶面提取方法的基础上,提出一种渐进地提取LiDAR点云数据中精细建筑物顶面的方法.先以法向阈值和曲率阈值为约束,借助区域生长算法对原始点云进行初步分割,并得到面积较大、边界特征较明显的初始顶面;再借助主元分析法估算每个初始顶面的平面方程,并以点到平面的距离为约束,利用基于距离的区域生长算法提取其对应的精确顶面;最后通过随机抽样一致性算法(RANSAC)迭代地提取剩余点云中的小顶面.实验表明,通过动态调整阈值和迭代步骤,能够从LiDAR数据中精确地提取出复杂建筑物的顶面.     

基于动态规划的城市道路提取改进算法

从航空或卫星影像中提取道路一直是研究的热点,基于动态规划的道路提取算法是最有效的算法之一。该文基于LiDAR点云数据特征改进了该算法的代价函数,进而提高了基于动态规划的道路提取算法的鲁棒性。为正确地融合航拍图像和LiDAR点云数据,研究了航拍图像和LiDAR点云数据的匹配算法。最后,通过试验验证了算法的正确性。     

基于灰度差统计分析的掌纹线提取

为了快捷而准确地提取掌纹线,提出了一种基于灰度差统计分析的方法。采用了带有修正因子的直方图均衡化方法使掌纹图像灰度分布均匀化,并应用基于邻域平均灰度的计算方法有效抑制伪纹线的干扰。在预先设置长度阈值的情况下,对图像灰度差值图进行统计分析并设置灰度阈值,进而使用具有方向性的8邻域搜索方法,通过判断对象点的灰度值和连续掌纹线点集的点数,提取出掌纹线的二值图像。最后通过计算掌纹图像间的隶属度评价掌纹线的提取效果。实验结果表明,该方法提取出的掌纹线图像清晰,识别正确率较高,达到94.51%以上。     

基于多判别参数混合方法的散乱点云特征提取

针对以往散乱点云特征提取算法存在尖锐特征点提取不完整以及无法保留模型边界点的问题,提出了一种多个判别参数混合方法的特征提取算法。首先,对点云构建k-d tree,利用k-d tree建立点云k邻域;然后,针对每个k邻域计算数据点曲率、点法向与邻域点法向夹角的平均值、点到邻域重心的距离、点到邻域点的平均距离;最后,据此四个参数定义特征阈值和特征判别参数,特征判别参数大于阈值的点即为特征点。实验结果表明,与已有算法相比,该算法不仅可以有效提取尖锐特征点,而且能够识别边界点。     

基于渗透算法和改进型OPTA的裂纹检测算法

针对低压电流互感器表面裂纹的提取与判定,提出基于渗透算法和改进型OPTA（One-Pass Thinning Algorithm）的互感器表面裂纹检测算法。首先获取互感器表面的灰度图像;其次根据裂纹区域像素值、亮度变化,通过设定种子像素点、亮度阈值,利用渗透算法渗透得到二值图;再次从裂纹连通性入手,利用改进型OPTA提取ROI（Region of Interest）的骨架,骨架由单像素点组成;最后利用裂纹具有分叉性的特点,像素点的邻域点个数超过2的即可判定为裂纹。实验表明,渗透算法能够有效地从图像中提取出ROI,并保持了ROI的线性特征,改进型OPTA使ROI完全细化为单像素图像,提出的邻域点判别法检测效率在97%以上,相较于所提其他检测方法有明显提高。     

基于LBP算子与多尺度分析的高分辨率遥感影像道路自动提取方法改进研究

提出一种基于LBP算子与多尺度分析手段的高分辨率遥感影像道路提取方法。首先使用邻域均值作为阈值进行二值化,以改进一般LBP算子;再根据局部方差与尺度间的关系,找到适合道路LBP纹理值的最佳尺度;最后利用区域生长和形状指数提取最佳尺度下的影像道路信息,并通过尺度收缩关联到原始影像。实验结果表明本文方法可取得较好效果。     

一种改进的基于上下文信息的多源数据融合目标提取方法

拟提出一种综合利用航空影像与LiDAR数据提取山地滚石信息新方法:首先对影像进行多尺度分割得到分割对象,同时对LiDAR数据进行分类、插值和差分等处理获取高程信息。然后依据影像分割对象计算基于可见光波段的差异植被指数并用于去除植被信息的干扰,得到非植被影像分割对象。为了有效利用阴影,针对航空影像提出归一化差异阴影指数并根据阈值分割得到阴影对象。然后利用提出的基于阴影和高程的滚石信息自动提取算法对获取的非植被影像分割对象进行滚石初步提取,再根据实际需求设定高程阈值过滤得到最终的滚石信息。最后,以香港某地区的航空影像和LiDAR数据为基础,对提出的方法进行实例验证,结果表明该方法能够较好地提取滚石并有效地区分裸露基岩、道路等与滚石光谱信息相近的地物,滚石提取精度达到88%以上,基本能满足地政部门滚石防护的需求。     

基于MEMS激光雷达的智能轮椅SLAM研究

轮椅是残障人士和老年人的重要代步工具,传统的电动、手动轮椅移动方式单一,需要他人辅助完成,且无法主动保证使用者的安全。研究了基于机器人操作系统(ROS)的轮椅室外场景建模、路径规划与导航算法。在轮椅上安装MEMS激光雷达,融合体素网格滤波器和LeGO-LOAM算法完成点云处理和室外场景建模;设计了融合百度地图和激光雷达的轮椅导航方式,使用者可根据百度地图提供的路径规划信息遥控轮椅,在建图完毕后,可仅依靠激光雷达完成路径导航和自主移动;结合激光雷达智能感知算法,实现了道路信息的实时感知,使轮椅具备主动安全功能。通过实验验证了建模、感知算法的功能,并完成了融合导航仿真实验,研究内容能够大幅提升智能轮椅使用过程中的安全性能。     

基于动态局部更新体素模型的虚拟加工仿真算法研究

为提高虚拟加工仿真算法的仿真速度和精度,提出一种新的基于动态局部更新体素模型的虚拟加工仿真算法.该算法利用体素节点间的邻接关系,实现虚拟加工仿真的动态局部更新.算法在初始化阶段建立虚拟毛坯的八叉树结构体素模型,并建立任意体素6-邻接关系遍历算法.在虚拟加工几何仿真阶段,利用刀具和毛坯相对运动的时空一致性,从毛坯上一帧已...     

可变半径Alpha Shapes提取机载LiDAR点云建筑物轮廓

目的 机载激光雷达（light detection and ranging,LiDAR）能够快速获取建筑物表面的3维点云,为提取建筑物轮廓提供重要的数据支撑,但由于激光脚点的随机性和点云自身的离散性,常规固定半径Alpha Shapes（A-Shapes）算法难以兼顾轮廓提取的精细度和完整度,且在点数量较大情况下计算效率较低。因此,提出一种基于网格的可变半径Alpha Shapes方法用于提取机载LiDAR点云建筑物轮廓。方法 对3维点云进行投影降维,对投影后2维离散点的范围构建规则格网,接着根据网格内点云填充情况筛选出边界网格,计算边界网格的平滑度并加权不同的滚动圆半径,再以边界网格为中心生成3×3邻域网格检测窗口,利用滚动圆原理提取窗口内点集的边界点,迭代检测直到所有边界网格遍历完成,最后获取点云的完整轮廓。结果 在精度评价实验中,与固定半径A-Shapes方法和可变半径Alpha Shapes（variable radius Alpha Shapes,VA-Shapes）方法相比,若建筑物以直线特征为主且边缘点云参差不齐,则本文方法的提取效果不理想;若建筑物含有较多拐角特征,则本文方法的提取效果较好。在效率评价实验中,与A-Shapes方法、VA-Shapse方法以及包裹圆方法相比,若点云数据量较小,则4种方法的耗时差距不大;若数据量较大,则本文方法和包裹圆方法的耗时远小于固定半径A-Shapes方法。实验结果表明,本文提出的轮廓提取方法适用于多种形状的建筑物点云。从轮廓完整性、几何精度以及计算效率等几方面综合考虑,本文方法提取建筑物点云轮廓效果较好。结论 本文提出的基于网格的可变半径Alpha Shapes建筑物点云轮廓提取方法结合了网格划分和滚动圆检测的优点,能够有效提取机载LiDAR建筑物点云顶部轮廓,具有较高的提取效率和良好的鲁棒性,提取的轮廓精度较高。     

地面LiDAR数据中建筑轮廓和角点提取

建筑轮廓和角点作为多平台激光雷达数据常用的配准基元,其提取方法正受到越来越多的关注.投影密度法是一种常用的从地面LiDAR数据中提取建筑轮廓和角点的方法,然而以往研究对于直接影响建筑轮廓提取结果的格网密度阈值考虑较少.提出一种轮廓密度估计的方法,能够根据点云实际情况自动准确地计算出格网密度阈值,从而提取较为准确的建筑轮廓格网.在此基础上,利用轮廓线段高程分割和密度延伸的方法对轮廓进行分割和恢复,能够提取完整的建筑轮廓.最后,利用轮廓线段的相交关系获得建筑角点.实验结果表明,本文方法能够有效从地面LiDAR数据中提取建筑轮廓和角点,正确性、完整性和定位精度较高.     

动态环境中多帧点云融合算法及三维目标检测算法研究

低线束激光雷达扫描的点云数据较为稀疏,导致无人驾驶环境感知系统中三维目标检测效果欠佳,通过多帧点云配准可实现稀疏点云稠密化,但动态环境中的行人与移动车辆会降低激光雷达的定位精度,也会造成融合帧中运动目标上的点云偏移较大。针对上述问题,提出了一种动态环境中多帧点云融合算法,利用该算法在园区道路实况下进行三维目标检测,提高了低线束激光雷达的三维目标检测精度。利用16线和40线激光雷达采集的行驶路况数据进行实验,结果表明该算法能够增强稀疏点云密度,改善低成本激光雷达的环境感知能力。     

散乱点云的三角网格重构

基于增量扩散法的思想,提出并实现了一个散乱点云的三角网格重构算法,算法首先利用体素网格的散列表对散乱点进行组织,然后在确定了初始种子三角形的基础上,基于活动边扩展规则构造新的三角形,使网格不断向周围扩展直到活动边表空为止,最后算法合并棱边并计算每个三角形的顶点法矢,最终构造出散乱点云的三角网格。     

Road Extraction Using Airborne LiDAR Data in Mountainous Areas

Based on the spatial distribution and characteristics of LiDAR points cloud of roads in mountainous areas，an effective method for road extraction from airborne LiDAR data is proposed in this research.First，the morphological filtering method is applied to remove above\|ground points cloud (such as buildings，transmission lines and vegetation etc.).Second，a region growing algorithm with multiple rules is used to extract and optimize the road points cloud.Finally，the road boundaries are located and tracked by using Freeman chain code method.Moreover，the mathematical morphology refining processing is used to extract the central line of mountainous road.The experimental results show that the proposed method is effective to extract road information in mountainous areas，and the completeness，accuracy and quality are 93.87%，93.84％，88.43％，respectively.     

结合超体素和区域增长的植物器官点云分割

点云分割是点云识别与建模的基础。为提高点云分割准确率和效率，提出一种结合超体素和区域增长的自适应分割算法。根据三维点云的空间位置和法向量信息，利用八叉树对点云进行初始分割得到超体素。选取超体素的中心体素组成一个新的重采样后的密度均匀点云，降低原始点云数据处理量，从而减少运算时间。建立重采样后点云数据的K-D树索引，根据其局部特征得到点云簇。最后将聚类结果返回到原始点云空间。分别选取植物三个物候期的激光扫描点云，对该方法的有效性进行验证。实验结果表明，该方法分割后点云与手工分割平均拟合度达到93.38%，高于其他同类方法，且算法效率得到明显提升。     

沿三维直线的非单位体素遍历的多步整数算法

提出一种只用整数运算的沿三维直线的体素遍历算法,适用的体素空间可以分割成非单位的和非正方体的.首先研究了二维平面中的体素直线遍历算法,然后提出一种以二维平面中的遍历算法为基础的沿三维直线的体素遍历算法.该算法是一个多步整数遍历算法,每一步可以遍历最多3个体素,且所用的判断公式非常精炼,不仅计算量很小而且没有累计误差.与现有的体素遍历算法进行比较的结果表明,该算法不仅没有累计误差,而且执行速度也是最快的.