机载LiDAR快速定位高压电塔方法研究

机载LiDAR已经成为数字电网建设和高压线路安全巡检的重要手段,其中从输电走廊原始海量点云自动、快速、准确地定位电塔是一项基础而又重要的内容。基于线路走廊点云的空间分布特性粗提取电塔点云,然后采用区域增长算法分离每个电塔,并采用最小二乘空间直线拟合法精确定位电塔的空间位置,进而实现电塔点云的自动识别和高精度定位。实验结果表明:该方法在数据处理效率、提取精度和适用性方面都具有一定的稳健性,提取的电塔点云数据的完整度达91.1%;电塔中心位置定位的中误差为13.5cm;点云密度对电塔提取精度的敏感性分析表明即使对原始点云数据进行一定比例的抽稀,算法的提取结果也可满足实际应用要求。     

旋转体点云分离与旋转轴提取

提出了一种基于线元几何与运动方程的旋转体点云数据特征分离与旋转轴提取算法。该算法将三维空间中的点云数据投影到线元空间中,通过拟合运动方程并分析运动特征参数而计算出旋转轴位置。算法使用基于特征约束的klo-RANSAC（k-local-RANSAC）算法将特征点从自由曲面背景以及噪声中提取和分离,进一步提高了算法的收敛速度与健壮性。实验证明,本算法无需精确估算曲面法矢即能快速地从海量点云数据中迅速地识别与分离具有旋转特征的数据点并提取其旋转轴特征。     

一种基于RANSAC的点云特征线提取算法

点云中提取的特征线在点云处理中具有重要的应用价值,已被应用于对称性检测、表面重建及点云与图像之间的注册等。然而,已有的点云特征线提取算法无法有效地处理点云中不可避免的噪声、外点和数据缺失,而随机采样一致性RANSAC由于具有较高的鲁棒性,在图像和三维模型处理中具有广泛的应用。为此,针对由建筑物或机械部件等具有平面特征的物体扫描得到的点云,提出了一种基于RANSAC的特征线提取算法。本算法首先基于RANSAC在点云中检测出多个平面,然后将每个平面参数化域的边界点作为候选,在这些候选点上再应用基于全局约束的RANSAC得到最终的特征线。实验结果表明,该算法对点云中的噪声、外点和数据缺失具有很强的鲁棒性。     

基于等级划分的复杂点云骨架提取算法

对于复杂点云的骨架提取,由于原始点云的遮挡、缺失、分布不均、分支复杂等原因,所提取骨架会产生断裂、拓扑结构错误等问题.针对复杂结构点云的骨架提取,提出了一种基于等级划分的复杂点云骨架提取算法(multilevel divided skeleton extraction,MDSE).使用L1-medial提取初始骨架点,将初始骨架点连接成单分支骨架线,通过对单分支结构的初始骨架线进行等级划分,利用连通分支的平均分叉角确定骨架线断裂位置,由底至项修补断裂骨架线;最后采用Cardinal样条曲线改善骨架形态,形成完整且符合原始点云拓扑结构的骨架线.实验结果表明,该算法能够从复杂点云中提取出较为完整、拓扑结构正确的骨架线.     

基于三维点云模型的特征线提取算法

针对以往算法存在无法区分尖锐和非尖锐特征点、提取的特征点与视角有关、特征点未连线等问题, 提出一种基于高斯映射和曲率值分析的三维点云模型尖锐特征线提取算法。该算法先进行点云数据点的离散高斯映射, 并将映射点集聚类; 然后使用自适应迭代过程得到两个或多个面的相交线上曲率值和法向量发生突变的尖锐特征点, 这些点与视角无关; 最后, 用改进的特征折线生长算法, 将特征点连接, 得到光顺特征线。实验证明, 该算法具有良好的自适应性、抗噪性和准确性, 是一种有效的三维模型特征线提取算法。     

基于曲率准则的LiDAR点云表面特征提取算法

针对三维激光扫描仪采集的海量点云数据中存在大量冗余数据的问题,设计了一种基于曲率准则的LiDAR点云表面特征提取算法。该算法利用二次曲面拟合原理将局部点云拟合成二次曲面,预算出该曲面的曲率等微分属性,通过平均曲率法完成特征点的初选,应用曲率极值法来实现特征点的精选,运用最小生成树算法构建特征点之间的空间拓扑关系,实现特征线的提取。     

一种执行机构工作空间边界提取方法

工作空间边界的提取在机械臂等执行机构的设计及功能评价中是非常重要的处理操作。将执行机构工作空间点云转化为图像,结合灰度图像处理方法提出一种新型的执行机构工作空间边界提取方法。首先提出栅格密度算法,作为点云转化为灰度图像的转化算子,栅格密度描述了空间点云的分布情况,可用于分析机构灵巧度;然后采用数学形态学处理方法对灰度图像进行平滑处理和边缘检测;最后,利用坐标对应关系反算边界的坐标位置信息。以人体上肢可达域作为实验对象进行了算法验证,结果表明该算法可以快速、准确地提取人体上肢可达域的边界,且与其他算法相比在运算速度与精确度上具有优势。     

基于ASODVS的全景点云数据获取技术的研究

针对现有三维激光扫描设备不能同时获取空间点云的坐标信息和色彩信息,多视角点云数据配准复杂等问题,采用了一种将全方位视觉传感器ODVS(Omni-directional Vision Sensor)和可移动360°面激光光源相结合的主动式全景视觉传感器ASODVS(Active Stereo Omni-directional Vision Sensor)来获取点云数据。通过人机接口对ASODVS的扫描步长和速度等进行控制,实现了边扫描边获取全景点云数据;对获取点云数据空间信息过程中的关键技术——激光投射点提取算法进行了深入研究;采用了3种不同的全景激光线提取算法对全景切片图像中激光投射点进行提取,并实验研究了各自的优劣;实验结果表明,对于ASODVS而言,帧间差提取算法能有效快速准确的提取三维全景场景中激光投射点,并具有消耗计算机资源少、操作过程自动化、生成数据有序等优点。     

激光雷达的多源数据融合点云分类算法研究

根据单档输电线空间分布特性,提出了改进随机采样一致的输电线点云分割方法。首先优化初始样本点选择原则、引入最小二乘原理参数求解等改进策略,提高了随机采样一致性算法输电线模型重建精度;然后以直线-抛物线方程为单根输电线识别的约束条件,利用逐根提取方式实现输电线激光点云分割。选择两组典型代表性的机载激光点云数据进行实验分析,该方法有效解决了数据缺失、点云噪声等复杂背景环境的输电线激光点云分割,准确率、召回率和整体精度最小值分别为99.19%、99.25%、99.10%。较之已有方法,本文方法具有点云分割精度高、算法普适性强的优势;随机采样一致性(RANSAC)算法是常见的激光点云分割方法,但该算法推广至输电线场景时存在点云分割效率低、抗噪性差等不足,不利于高精度的输电线模型重建及后续线路风险检测。     

一种邻域自适应的双阈值点云特征提取方法

点云数据的特征提取是点云数据处理环节中的一项重要内容,对几何分析、数据分割、点云配准、模型重建等研究起关键作用。研究了基于法向量和曲率的点云特征提取技术,阐明了特征提取过程中邻域选取与单一参数计算存在的问题,提出了邻域自适应的双阈值点云特征提取方法。通过实验对比了该算法与基于曲率的特征提取算法的提取效果,验证了本算法的稳定性、准确性。该算法对于几何特征复杂的点云具有较好的提取效果,对提高点云特征点提取的精度及效率具有重要的意义。     

从LiDAR数据中提取建筑物平面目标的新方法

提出一种从机载LiDAR点云数据中自动提取建筑物平面的方法。给出了基于边长约束的三角形生长算法对建筑物初始区域进行提取,针对提取出的建筑物脚点,利用自适应Mean Shift方法在特征空间中对其进行聚类分析,并提取出平面目标,最后利用Alpha-Shape算法生成建筑物平面的轮廓线。通过实验证实了方法的有效性。     

一种非封闭自由曲面的点云边界提取算法

点云边界不仅作为表达曲面的重要的几何特征,而且作为求解曲面的定义域,对重建曲面模型的品质和精度起着重要的作用.以激光线性均匀扫描的点云数据为例论述了一种改进的空间非封闭自由曲面点云的边界提取方法,在原算法基础上增设阈值,变固定K值为变量K值.实验证明该算法不仅可以较快地提取边界,而且表达曲面边界特征比较精确.     

保留边界的点云简化方法

针对点云简化算法中边界点丢失的问题,提出了一种保留边界的三维散乱点云的非均匀简化算法。首先利用kd-tree建立散乱数据点云的空间拓扑关系,计算出每个数据点的k邻域;然后针对目前依据点云分布均匀性算法提取边界效率低的问题,提出一种改进的点云边界点判定算法;最后保留所有边界点,对非边界点,根据曲面变分值和k邻域点已保留比例,进行点云的非均匀简化。实验结果表明,该算法精度高,空间复杂度低,而且简化后点云边界保留完整。     

机载LiDAR数据提取山区道路方法研究

结合山区道路的空间分布特点和激光点云特征,提出了一种从机载LiDAR数据中快速提取山区道路的方法。首先,利用形态学滤波方法进行点云滤波,以去除原始数据的非地面点(建筑、输电线路以及植被等)。在此基础上,采用基于多规则区域生长算法提取道路点并进行优化、然后采用Freeman链编码方法定位追踪道路边界,并利用数学形态学方法进一步细化道路中心线,进而提取完整的道路信息。利用山区机载LiDAR点云数据进行试验并与其他方法的处理结果进行比较,结果表明:本文方法能够有效地从激光点云中提取道路信息:提取道路的完整度为93.87%,正确率为93.84%,质量为88.43%。     

基于3D-SIFT与4PCS融合的大数据量点云快速配准方法

测量点云与模型点云的配准是视觉定位的关键。针对测量点云数据量大且与CAD模型点云重叠率低造成视觉定位精度差、算法效率低的问题,提出一种基于三维尺度不变特征变换（3D-SIFT）与4点快速鲁棒匹配算法（4PCS）融合的测量点云与模型点云配准方法。首先利用深度相机对零件进行点云提取并对提取到的测量点云进行降噪和滤波处理;接着利用3D-SIFT特征点提取算法对测量点云和CAD模型点云进行特征点提取;最后把提取的特征点作为4PCS算法的初始值进行2种点云数据的配准。与常用的4PCS算法、Super-4PCS算法相比,在算法仿真与实际应用实验结果表明,本文算法在保证配准精度的前提下将配准速度提高30%以上。     

基于激光点云数据的输电线路安全检测分析研究

输电线路安全检测与分析是电力系统的智能化、数字化建设不可或缺的重要组成部分。当前输电线路超高压、大容量建设趋势,增加了输电线路检测与维护的难度。因此为提高人工巡检效率,突破复杂地形对巡线的局限性,提高空间定位精度,设计了一种基于激光点云数据的输电线路安全检测分析系统。系统功能主要包括电力走廊点云自动分类提取、安全检测分析,能够对电力线、杆塔等输电设备数据以及建筑物、河流等其他走廊地物数据进行自动分类提取;通过检测电力线与其他走廊地物之间的距离判别危险点类型,生成安全分析报告;为验证系统有效性,将系统分析数据与人工现场测量数据进行对比分析,结果表明,该系统能够精准地判别输电线路危险点,具有较高的实际应用价值。     

一种新的虚拟血管镜自动导航路径生成方法

血管的中心路径提取是虚拟血管镜的重要组成部分, 它提供了自动导航的路径. 本文提出一种新的内窥路径生成方法, 用改进L1中值算法对体素点云化的脑血管数据进行骨架的提取. 首先,对核磁共振成像(Magnetic resonance imaging, MRI)增强血管数据进行基于统计的分割算法进行分割; 其次,对推广的Roberts算子在体素空间分割出的单体素点边界进行体素点的点云化, 生成点云模型; 最后,在点云空间中运用基于法向信息的L1中值算法进行骨架提取. 该过程克服了传统方法在体素中进行骨架提取时对数据缺失、孤点敏感的局限性, 并且对下采样后的点云化数据提取的骨架效率高, 骨架居中性较好, 最终把骨架用作脑血管虚拟内窥的自动漫游路径, 实现自动导航.     

面向基建验收的机载激光电力线路识别

基于激光点云的电力线路自动识别实现基建验收的全局化,已经成为机载激光雷达电力线路管理和数据处理的一个重要课题。提出了一个全新的、完全自动化和多功能的电力线路识别技术框架。该框架通过利用多尺度邻域对电力线路的空间拓扑进行表征,并在特征提取的基础上采用支持向量机(S VM)进行数据点分类,最终实现了电力线路走廊数据点云的高效率识别。通过试验评估表明,基于空间拓扑特征的数据点云自动识别技术能够改善电力线路的分类和识别的效率。     

三角网格模型的特征线提取

在反求工程中，散乱数据点云的曲面重构常采用三角网格模型，若将其转换成曲面实体模型则有更广泛的应用，从三角网格模型中提取特征线是转换过程中的重要步骤．在讨论反求工程中数据点云分块方法的基础上，采取“基于边”的方法来提取特征线：先提取特征点，再连接成特征线．根据相邻三角片的法矢夹角和各点主曲率是否为极值，分两次提取特征点，利用三角顶点加权和均匀化等方法减少狭长三角片对特征点提取的计算误差影响，再将特征点分组连接成B样条曲线．文中算法的结果可为B样条曲面分片拟合和建立B-rep曲面实体模型提供依据。     

基于直升机激光点云的分裂导线重建研究

电力线三维模型是输电线路安全和增容分析的基础,机载/直升机激光雷达技术已经成为电力三维模型重建的重要技术手段,但少有研究涉及分裂导线的高精度建模。通过分析分裂导线点云数据的特点,提出一种基于点云分段、聚类分析和曲线拟合的分裂导线精细三维重建方法。最后利用获取的四分裂导线点云数据,考虑实际作业中可能遇到的点云缺失、密度偏低等情况,对算法进行了测试和分析。结果表明:该算法能够自适应地识别点云中分裂导线的数目,分离不同分裂导线的点云,建模结果可以满足输电线路安全分析的要求。