一种基于栅格投影的快速地面点云分割算法

针对激光雷达不同类型点云在不同场景下存在地面点云过分割和欠分割的问题,本文提出一种能够适用于不同类型点云的地面分割算法,该算法先将原始点云栅格化,然后计算栅格单元高度差、平均高度和高度方差信息,综合三个分割指标实现地面点云准确快速分割.分别采用KITTI开源数据集和实测数据进行实验验证,结果表明本文算法针对不同类型点云...     

建筑物立面点云语义分割方法研究

针对建筑物点云数据重建模型自动化程度较低的问题,提出了一种半自动的建筑物特征元素提取方法。首先采用随机采样一致性算法实现点云分割,将点云分割成不同部分,再依据建筑物立面各种特征元素之间的尺寸、位置、拓扑关系等一系列属性判断每一块点云数据的语义信息,实现了从分割出来的点云数据中自动识别建筑物立面的门、窗户、墙体等特征元素。该方法基本上实现了点云数据的语义分割,为建筑物三维模型的自动重建提供了基础框架。     

基于三维激光扫描的房屋尺寸质量智能化检测方法

基于三维激光扫描技术,提出了一种智能化、全流程的房屋尺寸质量检测方法,包括点云数据配准、点云数据轻量化、房屋逆向建模及尺寸质量检测。通过点云数据映射全景图、基于YOLO v5神经网络模型的标靶纸目标检测以及基于模板匹配方法的标靶中心估计等步骤,可实现多站点云数据之间的自动配准; 通过可分解图滤波算法进行点云数据重采样,实现数据轻量化并提高运行速度; 针对房屋整体点云数据,提出了集点云数据分割、表面重建、尺寸质量检测于一体的综合算法。结果表明:基于标靶纸的点云配准方法能够自动完成各站点云数据的配准,得到完整房屋点云数据; 点云数据分割技术能够分离不同墙面、楼板底面和顶面的点云数据; 表面重建算法能够生成房屋的实体模型; 尺寸质量检测技术能够自动计算出表面的平整度和垂直度; 提出的房屋尺寸质量检测方法全面、可行,且能够适用不同的户型,研究成果以期替代人工测量完成房屋的平整度与垂直度的检测。     

基于深度学习的三维点云自动生成BIM模型方法

在数字孪生、智慧城市的浪潮下,建筑行业正积极探索一种能快速重塑"既有建筑"3D信息模型的方法.从深度学习3D目标检测算法角度出发,着手大规模建筑数据集的生成和点云深度学习理论,分析点云深度学习框架所需输入数据类型,重点介绍了各类建筑构件的3D边界框及三维点云的创建过程,对比具有相同数据结构的不同点云数据集并实现了基于S...     

一种点云边界轮廓特征快速提取方法

边界轮廓线对建筑物快速建模和变形监测起着重要作用。针对三维点云边界轮廓特征提取不准确和时间复杂度高等问题,提出一种点云边界轮廓特征快速提取方法。首先,对点云数据进行改进体素化下采样;然后,八叉树体素化点云数据,以每个体素的外切球为单位,计算曲率描述子,对边界轮廓特征进行粗提取;最后,对粗提取的特征点计算每个点k邻域的最大主曲率,对边界轮廓信息进行精提取。对某桥大型拼装构件的试验结果表明,该方法不仅速度快,而且提取的边界轮廓线简洁、清晰、完整。     

顾及激光反射率的点云数据分割算法研究

点云数据分割是三维模型重建的关键环节,传统的基于模糊C均值聚类（FCM）的点云数据分割算法在规则物体细节的分割上具有一定的局限性。针对此问题,在传统算法的基础上,增加了激光反射率信息,提出了顾及激光反射率的分割算法。通过实例验证,该算法具有较高的可行性和普遍适用性,分类结果较为可靠。     

面向滑坡体三维点云数据的一种压缩方法

三维激光扫描技术是滑坡体三维可视化的一种重要技术。针对滑坡体点云数据密度高、冗余点较多,而运用现有算法处理中存在的不足问题,该文利用八叉树其树型结构在空间分解上的优势,结合点云网格简化算法,提出一种面向滑坡体点云数据的精简方法。通过将该算法与重心点网格简化法和曲率采样法两种典型的算法进行试验对比分析,利用Geomagic Studio软件中的模型分析功能评价精简质量。试验研究结果表明,与常用点云精简方法相比,针对滑坡体点云数据,本文提出的算法精简效果更好。     

基于车载激光扫描点云数据的城市道路面提取方法研究

为了进一步扩展车载激光扫描点云数据的应用领域,针对点云数据的分类尤为重要。本文针对目前道路面提取中存在的问题,提出了一种基于Otsu算法与改进区域生长算法的道路面提取方法。该方法实现道路面精确提取的关键步骤为：首先,使用Otsu算法自适应计算出分割阈值实现非地面点滤除;其次,计算得到空间激光点的法向量与曲率;最后,将法向量相似度作为约束条件,使用改进区域生长算法进行道路面精确提取。使用两段城市道路点云数据进行试验,结果表明本文方法提取道路面结果的准确度CR、完整度CP以及提取质量Q均大于94%,验证了本文方法的有效性与鲁棒性。     

基于合成点云与深度学习的建筑构件智能识别方法

本文研究了利用三维建筑信息模型生成的合成点云来训练深度学习算法以实现建筑构件智能识别的可行性。为了实现这一目标,本文首先提出了一种通过三种常见的商业软件将建筑信息模型转换为合成点云的原始方法。然后使用这些合成点云作为模拟数据集来训练深度学习模型,比较在不同数据集(真实数据集与合成数据集)下训练模型的智能识别性能,以验证合成点云数据集的有效性。实验结果证明了利用建筑信息模型生成的合成点云实现智能识别的可行性,合成数据集与真实数据集的训练模型其识别准确率仅相差3%,进一步表明了在智能识别中使用合成数据集代替真实数据集的可能性。该方法也为研究人员提供了一种新的方法来构建特定的数据集,用于他们自己的智能识别与语义分割研究,并为三维重建工作做出了贡献。     

输电线路机载LiDAR点云分类算法研究

针对输电线路点云数据的语义分割 自动化程度及精度较低的问题,基于输电线路的空间特征分布,提出能够实现杆塔、地线、导线等目标物提取的点云数据自动分割算法.利用无人直升机所获取的输电线路机载LiDAR点云数据进行电力设施提取实验.结果表明,本文提出的算法具有较高的查准率及查全率,查准率方面杆塔、导线、地线分别为99.74％...