基于无人机倾斜摄影的嘉兴老城区住宅识别

为了应对老城区房屋数据信息不足、获取不便的问题,提出利用无人机（UAV）倾斜摄影测量技术实现老城区住宅自动识别的方法. 根据老城区典型多层住宅的外立面特征,确定出阳台构造、立面朝向和房屋长宽比3个参数控制的住宅判别标准. 通过无人机摄影测量获取嘉兴研究区的密集匹配点云、数字正射影像（DOM）和数字表面模型（DSM）数据. 融合DOM及DSM数据提取单体建筑轮廓,分割出单体房屋点云. 基于RANSAC算法提取房屋立面点云并确定立面朝向,根据立面的点云空间分布判断立面长度及阳台构造. 试验表明,在研究区应用该方法识别典型住宅的准确率可以达到90%.     

基于多层次语义特征的建筑立面点云提取方法

建筑立面信息是指建筑物与外部空间接触面的空间分布及属性信息,如何从点云数据中提取建筑立面信息是点云数据处理中的热点和难点.为解决传统格网密度算法在建筑立面点云提取时评价标准单一、适应性不强的问题,综合分析建筑区各类典型地物点云的高程分布、投影密度、法向量分布等局部及整体空间特征,构建由点云单点语义、格网语义及区域语义组...     

基于无人机航拍序列的建筑三维模型重建

近年来,随着计算机技术的快速发展和装备高清相机的四旋翼无人机的普及,基于被动视觉法的建筑物三维重建逐渐成为计算机视觉和图形学领域的热点。然而,现有的被动视觉法针对建筑建模时存在耗时长、局部细节重建效果差等问题。针对这些不足,提出一种基于无人机航拍序列的建筑三维模型重建方法。首先,利用运动恢复结构的方法,对无人机针对目标建筑航拍采集的照片序列恢复建筑周边场景的稀疏点云;同时,采用RANSAC方法,提取地面和建筑立面;进而对点云进行聚类,以提取出构成建筑的稀疏点云,再依据建筑稀疏点云得到建筑的柱状模型;最后,对该模型进行平整化处理,得到保持建筑顶部轮廓细节的三维模型。实验结果表明,利用所提方法可以快速得到建筑的三维模型,同时能较好地保持建筑顶部的轮廓细节。     

基于无人机影像匹配点云的土石方量计算

针对传统土石方量测量中存在受地形限制、耗时费力、成本高等问题,提出一种基于无人机影像匹配点云的土石方量计算方法。使用单镜头多旋翼无人机获取玉林市某矿山区域范围内正射影像与倾斜影像,借助Pix4Dmapper软件对无人机影像进行处理与分析,提取矿山地表三维点云数据;利用布料模拟点云滤波算法对所获取的点云数据进行滤波处理,进而分离非地面点与地面点;同时利用局部多项式插值算法对地面点云缺失区域进行插值拟合,生成更加准确的地形特征;利用EPS软件对点云成果进行分析,计算矿山现状开采范围内的土石方量值。结果表明：基于无人机影像匹配点云的土方量计算所得结果与GNSS-RTK实测结果差值比为1.9%,计算方法具有可行性与可靠性,可作为土石方量计算新方法。     

倾斜摄影与地面三维激光扫描数据融合建模

由于大型室外场景的结构复杂,单一来源的测量数据已经难以完整而丰富地表达目标对象三维细节.本文结合无人机倾斜摄影技术匹配获取的密集点云和三维激光扫描技术获取建筑物三维点云数据,通过统一坐标系和迭代最近点（iterative closest point,ICP）算法,对两种点云进行融合.然后进行模型重建,得到完整的建筑物三维模型.实验结果表明,单独使用两种技术都无法获得复杂建筑物完整的三维模型.两种技术的融合,能够获得大型建筑物完整的、较高精度的模型,为城市三维建模提供新的方向.     

单镜头无人机飞行参数优化方案

摘　要: 针对无人机倾斜摄影测量的特点, 提出最优飞行参数, 满足单镜头无人机影像采集和三维模型重建的要求。利用单镜头无人机, 分别采用3 种航高(60、 110 和150 m)和3 种云台俯仰角(-60°、 -45°和-30°)进行无人机影像数据采集, 另外, 航高为110 m 的影像数据采用了5 种像控点密度分别进行建模; 将RTK 和地面激光雷达分别测量地面点位坐标和建筑物墙立面线段长度作为真实值, 验证各飞行参数下地面点空间位置和建筑物墙立面线段长度的精度。通过综合分析, 得到航高110 m、 云台俯仰角-45°和像控点密度32 个/ km2为最优飞行参数, 可满足国土资源调查的要求。     

建筑立面激光点云孔洞修补方法

从建筑立面激光点云孔洞特点出发,提出根据不同的孔洞类型及各建筑立面的规则程度采用不同方法分类修补的思想。将建筑立面分为规则和不规则2种,分别采用不同的方法进行修补,力求过程简单高效。实验证明,借助具有完整点云数据的部件进行复制、近距离设站局部扫描、人工交互插值等方法均可以对孔洞进行有效修补,方法简单、快速、有效、可靠性好,能够满足建筑立面特征线提取等工作。     

基于法向量和投影平面的点云特征提取方法

三维点云特征的提取,对于三维模型的表示、理解和识别都起着重要的作用.为了提高点云特征提取的准确性和运算速度,提出了一种基于法向量和投影平面的特征提取方法.根据矢量分布和聚类的性质提取轮廓点,使用矢量偏转角和距离对特征点进行排序,从而提取出点云特征.在Mod-elNet数据集和三维激光扫描的佛像密集点云上进行实验,结果表...     

异形仿古建筑倾斜摄影建模及可视化方法

为提高无人机三维成果在仿古建筑重建领域应用效率,以桂林雁山园博园景区为研究区,利用无人机倾斜摄影测量获取航片数据及RTK采集影像配准及检核数据,通过ContextCapture对倾斜摄影测量原始数据进行空三解算、三维重建等操作得到具有真实纹理的实景三维模型,进行模型平面及高程精度验证后,使用DP-Modeler合理修复场景,同时量测仿古建筑的建筑结构比例,将结果用于SketchUp和3ds Max进行景区内大雁阁典型仿古建筑单体化精细建模,分别得到其单体化精细模型。通过分析其细部结构重建效果以及单体精细重建效果发现,本文方法在可视化效果优于传统倾斜摄影三维重建效果的同时,SketchUp进行仿古建筑建模效率优于3ds Max;且相同可视化效果的条件下,SketchUp比3ds Max的工程文件大小大2.09倍,图元数量多9.66%,模型TIN数量多72.97%。     

由结构光扫描重建老北京城三维模型的实验设计

文章提出了一种可以通过结构光摄影测量获得特征点云的方法,所处理的数据来自老北京城3D重建工程。结构光扫描的明显特征是扫描得到的模型边缘部分点云几乎都丢失了,比如说房屋的顶部边缘点云。文中提出使用获取的立体像对提取出边缘特征点,并从提取出的边缘特征里面匹配得到同名像点,通过摄影测量交会解算出同名像点的坐标值,得到边缘部分的点云,从而完成对老北京城特征部分的重建。     

激光点云中典型地物分割方法

摘　要: 对于激光点云中的典型地物, 传统点云分割算法由于其适用性不同, 且分割阈值较难设置, 易出现过分割或欠分割现象。针对此问题, 通过分析不同算法的原理及适用性, 提出基于区域增长与欧氏聚类相结合的点云分割方法。该方法通过区域增长将激光点云中的典型地物分为树、杆类及建筑类, 再分别对这两大类地物设置不同阈值, 采用欧氏聚类算法将个体单独分割开来。实验结果表明, 本文方法能将树、杆状物、建筑物等典型地物分割开, 同时解决了因阈值设置不合理而出现的过分割或欠分割问题。     

基于车载LiDAR数据的道路边界精细提取

根据道路在车载激光点云数据中的表达特征,提出一种基于轨迹线辅助下的K均值聚类算法,开展针对道路边界线的自动精细提取研究,算法描述为:先进行数据预处理,将复杂轨迹简化成单一轨迹;再利用轨迹辅助,通过插入截面,将点云投影在截面上获得"断面线";然后以断面线为基础,采用K均值聚类算法提取出道路边界;最后对提取的道路边界进行检核、优化,获取精细道路边界信息.实验表明,该方法实现了道路边界高效准确地全自动提取.     

基于激光视觉跟踪扫描技术的街区建筑立面测绘方法

针对狭窄街区建筑立面测绘中存在街区狭窄视场、结构复杂和传统测绘方法实施困难、效率低等问题,提出一种基于激光视觉跟踪扫描的建筑立面快速测绘方法。首先阐述了激光扫描技术和激光视觉跟踪技术的基本原理,然后结合工程案例,从技术路线、外业点云数据、内业点云数据等方面进行分析,最后从精度检验、效率对比及优势3个方面进行比较。结果表明,激光视觉跟踪扫描技术具有外业采集和处理效率高、精度高、点云数据丰富等特点,在建筑立面测绘方面具有很大优势,为立面测绘提供了一种新思路、新方法。     

一种新的点云数据特征骨架提取方法

为解决点云数据的线骨架提取问题,为点云数据的后续几何处理的奠定基础,提出了一种新的点云数据骨架提取方法.通过对点云数据的空间层次剖分后建立其简化模型,可有效地避免噪声点对骨架的干扰;根据离散Morse理论,从简化模型中提取主要的特征点,用测地线连接这些主要特征点可得到模型的初步骨架.采用可见反力场方法将初步骨架内推至模型内部,对内推后的骨架光顺及聚类后形成最终骨架.该方法能够直接处理带噪声数据的大规模点云数据,所形成的骨架连续.     

一种基于网格和密度凝聚点的快速聚类算法

提出的快速聚类算法通过凝聚点来准确反映数据空间的几何特征,然后采用网格和密度相结合的方法,利用爬山法和连通性原理进行聚类处理,克服了传统网格聚类算法聚类质量降低的缺点．实验结果证明,本算法的聚类效率优于传统爬山法、Clique算法和DBSCAN算法．     

基于无人机倾斜摄影的校园三维模型构建

无人机倾斜摄影的三维建模具有高效率、高精度、低成本等巨大优势,针对其作为一项新兴技术缺乏较为系统的规范流程的问题,探究与完善了无人机倾斜摄影三维建模的方法流程,包括倾斜影像数据的采集、数据预处理、三维模型构建等.以江西理工大学红旗校区为例,实施了无人机航摄作业并采集了校园影像数据,对倾斜影像进行联合平差和密集匹配、数字表面模型建立、纹理映射等生成了三维初始模型,然后结合Geomagic对初始模型进行修补,完成了校园三维精细模型的构建.与传统三维建模技术比较,基于无人机倾斜摄影的三维建模具有省时省力、位置精确、高还原度、高效率等优点.     

一种基于多视倾斜影像的PMVS改进算法

针对PMVS算法在多视倾斜影像密集匹配中的不足,结合城市三维建模的物方特点,将高程约束条件、聚类分析方法和候选影像排序策略引入其中,并用格网扩散代替原算法中的六方向扩散,从而形成了一种适合大倾斜影像的PMVS改进算法。实验结果表明:提出的改进算法能有效限制初始匹配的种子点个数,较大程度提高种子点的精度和质量,减小后续扩散和滤波的不确定性,使最终获得的点云个数增加78%,点云漏洞明显减少,甚至消失,为DEM生产和城市三维建模提供了一种新的技术手段。     

面向复杂形面匹配的边界特征提取方法

针对车身封闭件装配过程中的匹配优化问题,提出一种面向复杂形面匹配的边界特征提取方法.对匹配边界特点进行分析,确定边界点的提取信息、采样间距大小及其搜索邻域.对采样后的点云数据,建立k-d树进行索引.对采样点在搜索邻域内的邻近点建立最小二乘微切平面,利用投影到微切平面局部坐标系内的邻近点分布特性,判断边界特征点及其匹配特征.案例分析验证了该方法在处理复杂形面匹配边界特征点提取时的有效性,在不影响匹配效果的前提下,本文方法可显著提高复杂形面边界特征的提取效率.     

基于机载LiDAR数据的建筑物屋顶边界提取

针对机载Li DAR点云数据提出了一种建筑物屋顶边界提取方法。首先,将建筑物屋顶激光点云投影至XOY平面上,对屋顶点云构建网孔,初步提取建筑物边缘点云并去除部分孤立点;然后,采用改进的带距离控制的卷包裹算法对角点进行提取,根据相邻房屋边缘点一侧不存在激光点的性质,对边缘点云进行二次提取;最后,对房屋边线上的点云采用最小二乘直线拟合方法分别拟合屋顶各边线,并对拟合后的边线进行规则化及扩展,还原建筑物边界线。相比于基于不规则三角网模型的边缘提取方法,采用本文算法获得了更多边缘点,并且避免了凸包性缺陷导致对建筑物边缘提取造成的关键边缘点遗漏问题,对各种形状建筑物均有较强适应性,且运行效率更高。     

基于机载 ＬｉＤＡＲ数据的建筑物屋顶边界提取

针对机载 ＬｉＤＡＲ点云数据提出了一种建筑物屋顶边界提取方法。首先,将建筑物屋顶激光点云 投影至 ＸＯＹ平面上,对屋顶点云构建网孔,初步提取建筑物边缘点云并去除部分孤立点;然后,采用改 进的带距离控制的卷包裹算法对角点进行提取,根据相邻房屋边缘点一侧不存在激光点的性质,对边缘点 云进行二次提取;最后,对房屋边线上的点云采用最小二乘直线拟合方法分别拟合屋顶各边线,并对拟合 后的边线进行规则化及扩展,还原建筑物边界线。相比于基于不规则三角网模型的边缘提取方法,采用本 文算法获得了更多边缘点,并且避免了凸包性缺陷导致对建筑物边缘提取造成的关键边缘点遗漏问题,对各种形状建筑物均有较强适应性,且运行效率更高。