自动计算重叠度的多源点云配准方法

针对多源点云配准存在噪声、部分重叠、不同模型的配准参数难确定等问题,提出一种基于贡献因子的改进TrICP算法。首先,使用改进体素降采样以及随机降采样对点云进行降采样。然后,利用改进算法的贡献因子来保留对配准贡献度更大的点对,使用奇异值分解法（SVD）对变换矩阵求解,同时计算距离曲线上的点经过原点的斜率来自动计算重叠度,实现点云的全自动配准。使用斯坦福大学的Bunny点云以及“茂县624”滑坡现场点云数据对改进算法及TrICP等多个算法进行对比实验。结果表明:相对于TrICP,改进算法在Bunny点云以及滑坡体点云上,配准速度分别提升50%和67%,且精度更高,并在添加大量噪声情况下仍能正确配准,这表明该算法能对含大量噪声、部分重叠、非同源的激光与影像重建点云进行可靠高效的自动配准,实现多源数据优势互补以获取目标的精准点云信息。     

倾斜影像辅助的无人机载LiDAR高陡边坡形变监测

针对高海拔峡域地形地貌环境下基于轻小型无人机载LiDAR对高陡边坡激光点云扫描数据缺失导致DEM重建及形变分析精度低的问题,优化设计了一种垂直于山脊线、变高飞行的无人机点云/多视影像数据采集,以及影像密集匹配点云辅助下LiDAR三维激光点云的滑坡群DEM重建方案,实现了复杂地形地貌下LiDAR点云数据安全、高效的采集,改善了高陡边坡DEM重建及形变监测的精度和完整性。该方法基于迭代最邻近点算法,将倾斜影像生成的点云数据与同期获取的LiDAR点云数据配准和融合,实现了LiDAR点云数据缺失补偿,进而构建出完整、高精度的DEM,并与往期倾斜影像生成的DEM进行差分,对三个典型滑坡体进行了高程形变分析。以青海龙羊峡水电站的高陡边坡滑坡群为研究区,利用实测的GNSS地面控制点进行实验验证,得出结论：融合后的LiDAR点云精度为0.063 m,比融合前提高了0.018 m;重建的三个典型滑坡体的DEM高程精度为0.08 m,提升了边坡DEM重建的完整性和精度;对三个典型滑坡体2018、2021年两期高程形变分析,表明：滑坡群中多个边坡发生不同程度的土体滑动,高程方向的形变高达50多米,滑坡群形变...     

顾及点密度与未知角分辨率的地面点云分类

为了解决地面激光点云角分辨未知和点密度变化的问题, 提出了一种顾及密度变化与未知角分辨率的地面激光点云分类方法。采用随机邻域分析的角分辨率估算法改进传统点密度计算方法, 结合角分辨率提出顾及密度变化的格网特征提取方法, 并将本文中所提出的方法在3组数据上进行了实验验证。结果表明, 该角分辨率估算方法的估算误差小于0.002°, 能够准确地估算点云角分辨率; 与传统点密度特征相比, 本文中提出的相对投影密度可以提高点云分类的整体精度, 以及在车、杆状物等地物类别上的分类效果。该方法能准确估算点云角分辨率, 以较高精度实现点云分类, 可为大规模地面激光点云的密度自适应处理提供参考。     

不同地形激光雷达数据点云的信息提取方法

针对不同地形点云数据采用不同的滤波和格网插值方法提取地面信息,得到了良好的滤波插值效果,为后续地表下沉盆地获取等工作提供了优质的基础数据。对于不同的点云数据,文中分别进行了针对性的处理。对地表平坦且植被稀少的点云数据,采取高程最低点采样并替代格网高程值的方法;对地物和植被杂乱的点云数据,采用基于先验高程信息滤波与Kriging格网插值相结合的方法;而对于地形起伏较大的点云数据则采用渐点加密TIN滤波与Kriging格网插值相结合的方法,最终得到高质量的基础数据并应用于工程实际。     

视点相关光线投射算法在三维云可视化方面的应用

针对绘制海量云数据时传统光线投射算法计算量大、绘制缓慢等问题,提出了一种基于视点相关光线投射算法的三维云可视化方法。该方法首先采用基于多分辨率方法的数据预处理策略,然后采用基于视点相关系数的自适应采样频率计算方法确定重采样点的位置,并利用三阶段插值算法计算重采样点的值,最后采用基于块重要性加权香农熵的二维传输函数完成颜色值和不透明度的映射关系,从而实现图像的合成。实验结果表明,该方法计算复杂度低、执行效率高,与现有的光线投射算法相比,不仅图像的重构质量得到了提高,绘制时间也减少了约30%。     

点云超分辨率的模型搭建与特征补充

点云数据在工程中有着广泛应用,由于设备精度不足、环境存在噪声等原因,实际场景获取的点云数据部分区域点数较少,会造成一定的信息丢失。在尽可能保留三维物体表面特征的前提下,点云超分辨率技术能对点云进行上采样,生成点数更多的高分辨率点云。基于MPU神经网络模型,重新建立了点云超分辨率的前向传播流程,包含特征提取、特征扩充、坐标重建三个步骤,通过在提取特征时添加特征补充模块,进一步提升了深层特征的表征能力。实验表明,所设计的模型与主流网络相比能取得较高的性能指标,添加的特征补充信息对模型超分辨率效果的提升有着积极作用。     

方向自适应的星载光子计数激光测高植被冠层高度估算

星载光子计数激光测高系统具有较高的沿轨距离分辨率,能够探测得到植被冠层和地表的连续高程信息。然而星载植被点云的低点云密度和低信噪比,对植被相对冠层高度的估算方法提出了新的要求。本文提出了一种方向自适应的星载光子计数激光测高植被点云冠高估算方法。首先通过寻找点云高程统计直方图中代表冠层和地面位置的极值进行粗去噪,大致得到信号高程所在的范围,并估算出冠层,地面和噪声点云的平均密度以及地表坡度。随后对粗去噪后的点云进行方向自适应的密度聚类精去噪,其邻域的方向为地表坡度,与密度有关的阈值均根据估算出的点云密度自适应的做出调整。在滤波后,结合点云的密度和高程百分比分别找出地面与树冠顶端的初始点,并通过三角网方法(TIN)扩展初始点以进行分类,最终确定地表与树冠顶端的高程。采用ATLAS星载激光测高仪的植被点云对算法进行了验证,结果表明算法能够正确估算植被冠高,十分适用于坡度较大和叶面积指数较低的地区,其中冠顶与地面的高程和机载LIDAR数据高程的决定系数R~2分别为0.99与0.77,均方根误差RMSE为0.28 m与2.6 m。     

基于大数据可视化激光测距城市空间三维图像重构

针对当前三维图像重构效率差,重构结果遍历覆盖度低等问题,提出基于大数据可视化激光测距城市空间三维图像重构方法.利用激光测距仪采集大量城市空间三维点云元数据,对元数据实施序列化处理获取城市空间相关大数据.基于获取的数据进行可视化分析,点云数据中包含激光采样点数值范围,可构建城市空间数字表面模型;利用该模型获取城市地面高度...     

点云与CAD模型配准预处理技术的研究

文章提出了点云数据与CAD模型配准的三个预处理步骤：点云噪声过滤,CAD模型点云化和数据重采样。采用张量投票算法对原始点云数据过滤噪声,选用STL格式将CAD模型离散为点云格式,在CAD模型点云化和点云噪声过滤后,基于八叉树数据对两个数据集进行重采样,获得一个通用的解决方案。实验结果验证了文中算法的有效性。     

基于随机采样一致性算法的激光点云大数据自动配准技术

激光点云大数据中存在冗余数据，导致其大数据自动配准过程中存在配准速率慢、精度差等问题，为此提出基于随机采样一致性算法的激光点云大数据自动配准技术。将初始半径和最小邻域拟作自定义变量，使用密度聚类法剔除冗余激光点云数据，运用双边滤波平滑点云信息；分析不同角度下两组激光点云数据的刚体变换关联，获取对应且不共线的采样点，将模型点配准率作为激光点云采样数据和真实数据一致性衡量指标，完成激光点云大数据初始配准；通过迭代最近法找出两个点云集合的最近点，利用M-估计方法优化误差惩罚函数，实现激光点云大数据自动配准。仿真结果证明，应用所提方法得到在未引入噪声时的激光点云数据配准重合度为0.97,噪声环境下的点云配准重合度为0.96,配准平均耗时为59.6 s。     

SLAM激光扫描的建筑物建模方法与应用Building modeling method and application of SLAM laser scanning

基于SLAM激光扫描系统对目标建筑物进行点云数据采集,通过点云去噪、重采样等预处理得到了建筑物目标点云,利用特征提取算法提取建筑物轮廓线,分别采用点云数据直接建模法和基于轮廓线建模方法对目标建筑物进行了建模对比,利用传统全站仪获取的10个特征尺寸进行了精度验证。试验结果表明,直接建模法的建筑物模型精度为0.058 m,基于轮廓线建立的模型的精度为0.032 m,基于建筑物线特征约束的建模精度明显高于点云数据直接建模精度,为SLAM激光扫描系统在建筑物三维模型建立中的应用提供了方法和参考。     

中值滤波在激光雷达点云数据预处理中的应用

为了研究3维激光雷达测量系统采集到的点云数据如何进行去噪处理,根据灰度图像中对灰度值进行滤波去噪的概念,采用改进的2维中值滤波方法对点云数据中的噪声点加以处理。基于激光雷达点云数据数据量庞大且存在噪声点特点,重点分析了改进2维中值滤波算法和点云数据信噪分离方法,并通过实验验证,得到了速度对比数据和滤波效果图。结果表明,利用改进后的2维中值滤波方法,速度明显得到改进,对激光雷达点云数据的滤波效果良好。     

真空环境下脉冲激光烧蚀等离子体羽流特性分析

激光清除空间碎片利用的是高能脉冲激光烧蚀固体靶材的冲量耦合效应,对于空间碎片来说,激光辐照下的反冲冲量取决于碎片等离子体羽流的喷射过程,并且会随着激光辐照方向的变化而变化。因此,有必要研究空间碎片激光辐照下的等离子体羽流特性。针对等离子体羽流的流场超高速、瞬态、强自发光背景、小尺度的技术难点,采用纳秒级曝光、多幅照片精确拼接技术,采用高速相机和激光器同步时序控制技术,实现纳秒级时间分辨率、亚微米级空间分辨率的流场演化信息定量测量,实验获得典型碎片材料等离子体羽流演化特性,以及不同激光入射角度下的等离子体羽流演化过程,实验结果可揭示反喷冲量形成规律。     

点云多法向量邻域特征配准算法

针对三维激光扫描点云数据的配准问题,提出了 一种多法向量邻域特征点云配准算法。首先,根据目标点选取不同邻 域半径估算的法向量存在方向偏差,设定约束条件选择关键点,使得初始点云数据量得到精 简;其次,设计了一种依据邻域多 法向量计算的特征描述子,并计算所有关键点的特征向量;然后,依据所求的特征描 述子,使用最小距离与次小距离比值阈 值方法初步获取对应关系,并使用随机采样一致性算法和聚类分选方法进行两次优化,得到 精确的点与点对应关系;最后,使 用奇异值分解法解算刚体变换矩阵,得到配准参数。实验结果表明,由本文设计的关键点选 取、特征描述子提取和对应关系筛选 方法原理简单、稳定可靠、计算速度较快且计算复杂度小,无需进行第二次配准,对实现点 云配准具有实用价值。     

基于PCA-TrICP的多源点云无缝三维重建

针对三维重建时使用单一数据源的局限性问题,融合异源的倾斜影像和三维激光点云进行三维实景重建.在前期工作中,利用倾斜摄影技术对校园图书馆建立初始模型,生成影像点云,并使用三维激光扫描仪获取其立面数据,完成去噪及拼接等预处理工作.针对预处理过后的影像点云和激光点云数据的配准,首先使用主成分分析方法对数据降低维度,对齐跨源点...     

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。     

基于改进DPC和特征分区的点云去噪算法

针对三维激光扫描仪获取到的点云数据存在的多尺度混合噪声将严重影响后续的三维模型重建的问题,提出了一种基于改进的密度峰值聚类算法(DPC)和特征分区的点云去噪算法。首先通过改进的DPC算法去除远离点云主体的大尺度噪声;然后利用主成元分析法(PCA)和曲面变分获取点云法矢及曲率信息,同时采用邻域传播法调整法矢方向并根据曲率对点云进行划分,对特征区域点云与平坦区域点云分别采取自适应双边滤波和正交整体最小二乘平面拟合的方法进行光顺去噪。实验结果表明：在包含混合噪声的bunny与block模型下,利用该算法去噪后点云数据最大误差分别为0.235 mm和0.157 mm,平均误差分别为0.029 mm和0.009 mm,均能取得较好的去噪效果,且降低了去噪参数设置的复杂性。