基于三维激光点云数据的建筑景观可视化建模

现有的建模方法已无法满足实际应用需求,为此,以三维激光点云数据为技术支持,设计出一种建筑景观可视化建模策略.分析三维激光扫描技术与坐标解算后,联立建筑景观影像坐标与点云间映射关系,经配准采集到的点云数据,采用引入拉普拉斯算子的噪声滤除算法、kd-tree以及引入凸包概念的边界线提取算法,完成建筑景观点云数据去噪、分割以...     

基于激光扫描技术的三维模型重建

通过分析三维激光扫描系统获取的点云数据,得到了利用点云数据构建三维模型的技术、方法和流程。介绍了利用地面三维激光扫描仪获取点云数据的过程以及结合RiSCAN PRO软件和Geomagic Studio软件进行建模的方法。对原始测量的点云数据进行处理(去除噪声,平滑,对多站点数据做拼接配准,提取目标建筑物等)得到正确和完整的目标建筑物的表面信息,然后构建三角网建立它的三维表面模型,最后通过所拍的照片进行纹理映射得到真实的三维模型。实验结果表明,利用上述方法可以有效地处理三维激光扫描获取的点云数据,实现对建筑物快速三维可视化建模。     

激光扫描技术在建立数字露头模型中的应用综述

激光扫描技术可获得扫描对象表面的三维坐标、反射率等多种信息的点云数据并建立三维模型,模拟现实事物的形态。将其应用到建立数字露头模型中,提高了模型精度和建模效率。从介绍激光扫描技术原理出发,对建立数字露头模型主流的两种数据采集仪器——地面固定式激光扫描仪和无人机进行对比,得出地面固定式激光扫描仪在稳定性、精度、操作等方面较无人机占优的结论。并展示了基于点云数据建立数字露头模型的过程,列举了激光扫描技术在建立数字露头模型中的实际应用。在点云数据处理过程中,目前研究发现存在点云匹配精度不够、自动匹配效果差、丢失部分数据特征、自动删除点云较多等问题,解决这些问题是未来的发展方向。     

基于三维激光扫描的施工建筑平整度检测方法

针对传统施工建筑平整度检测方法效率低、检测结果受人为主观因素影响较大等问题，提出一种基于三维激光扫描的平整度检测方法。首先，利用三维激光扫描仪对目标建筑进行数据采集、处理和拼接，获得高精度三维点云数据；其次，结合建筑平整度检测特点设计了一种非均匀抽稀方法，用于无损保留墙面凹凸特征；然后，利用随机抽样一致性算法结合特征值法，对建筑点云数据进行自动化特征提取与平面拟合，获得待检测墙面几何参数；最后，依据平整度检测原理，利用拟合平面与点云数据拓扑空间关系，设计了一种基于三维激光扫描的施工建筑平整度检测方法。实验结果表明：所提非均匀抽稀方法能够有效完成点云数据抽稀工作，抽稀比达55.4%，且能够无损保留墙面凹凸特征；基于三维激光扫描的平整度检测方法理论可行，精度可靠，较传统检测方法，效率提高了23.33%，且更加全面。     

利用SLAM激光扫描提取装配式建筑轮廓方法

为了获得更为精准的轮廓特征,提出一种利用SLAM激光扫描提取装配式建筑轮廓的方法。通过SLAM激光扫描系统采集装配式建筑点云数据,挖掘集合特征信息获得建筑与断面间距离,从点云曲线中提取建筑外轮廓变化特征点,获得二维平面特征的基础轮廓。使用正交多项式分带滤波区分三维数据与不规则点云,通过反复迭代去除不规则点,得出最接近地面点的正交多项式。根据高程阈值将不规则数据划分为地面点、非地面点,判别估值全部断面中伪距。最后根据修正数据信息,二次采样原始扫描数据,获取出可以映射建筑表面几何特征的三维坐标信息。仿真实验结果表明,所提方法可避免角点模糊导致轮廓信息不精准问题,x轴与y轴的角点检测坐标均方误差低于0.015 m,具有较高适用性。     

三维激光扫描技术在土方量计算中的应用

文章介绍了三维激光扫描仪工作原理,给出了处理点云数据的过程和方法,阐述了地形场景建模的方法,并用实例介绍了整体方法的实现过程和效果,实践表明,利用三维激光扫描技术获取的空间点云数据,可快速建立不规则场景的三维可视化模型,进而导入CAD软件来提取建筑物特征及其各种线划图。省时又省力,这种能力是传统测量方法所不能比拟的。     

三维激光扫描测量在既有建筑物图纸测绘中的应用研究

本文首先介绍了三维激光扫描测量系统的测量原理,然后采用三维激光扫描仪对实际建筑进行扫描,获取点云数据,然后对点云数据进行处理,最终得到建筑的测绘图纸,最后总结了三维激光扫描测量在既有建筑物图纸测绘中方法和技巧,这些方法大大提高图纸测绘的效率和精度.     

三维激光扫描仪的工程应用

三维激光扫描技术是国际上近期发展的一项高新技术.随着三维激光扫描仪在工程领域的广泛应用,这种技术已经引起了广大科研人员的关注.文中介绍了三维激光扫描测量仪的工作原理,给出了处理点云数据的过程和方法,阐述了建筑物三维建模的方法,并用实例介绍了整体方法的实现过程和效果.实践结果表明,利用三维激光扫描技术获取的空间点云数据,可快速建立结构复杂、不规则的场景的三维可视化模型,既省时又省力,这种能力是现行的三维建模软件所不可比拟的.     

三维激光扫描技术在浮雕保护中的应用

本文将三维激光扫描技术应用在浮雕保护项目的研究中,在浮雕前设置三个标靶,用三维激光扫描仪采集浮雕的点云数据。对多站点云数据进行拼接后,基于拼接后的数据建立浮雕的三维模型。     

点云数据提取二次曲面特征算法研究

采用三维激光扫描技术可以直接得到真实物体表面的空间采样点,即点云数据,利用点云数据即可以重构三维物体表面。对重构的物体进行修复,并获得相关物理参数,是目前逆向工程重点研究问题。文章就点云数据的一些处理算法进行研究,根据点云数据的特征,利用曲面边的法向量夹角几何特征建立点云数据分割模型对点云数据分割。提取出点云数据的几何特征。对于重构的物体采用k—邻域法建立降噪模型,德洛内三角剖分法和多项式样条插值法建立三维曲面修复模型。并算法应用于具体数据中,取得良好的效果。     

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。     

国产螺旋式扫描激光雷达系统自检校方法研究

论文提出一种对螺旋式扫描机载激光雷达系统进行安置角自检校的新算法。首先推导了螺旋式扫描激光雷达点云定位的数学模型;然后提取了激光雷达点云数据重叠区的面特征,并构建了基于面特征的激光雷达检校模型;最后,仿真分析了安置角误差对往返航带前后向扫描数据的影响,并利用同名面特征,基于区域网平差方法同时估计了平面参数和安置角参数。实验结果表明,该方法实现了激光雷达安置角的自检校,且绝对精度满足生产数据要求。     

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。     

基于激光雷达SLAM的三维点云自适应算法

SLAM(Simultaneously Localization And Mapping)同步定位与地图构建作为移动机器人智能感知的关键技术。但是,大多已有的SLAM方法是在静止环境下实现的,当环境中存在移动频繁的障碍物时,SLAM建图会产生运动畸变,导致机器人无法进行精准的定位导航。同时,激光雷达等三维扫描设备获得的三维点云数据存在着大量的冗余三维数据点,过多的冗余数据不仅浪费大量的存储空间,同时也影响了各种点云处理算法的实时性。针对以上问题,本文提出一种SLAM运动畸变去除方法和一种基于曲率的点云数据分类简化框架。它通过激光插值法优化SLAM运动畸变,将优化后的点云数据分类简化。它能在提高SLAM建图精度,同时也很好的消除三维点云数据中特征不明显区域的冗余数据点,大大提高计算机运行效率。     

基于单线激光雷达的三维形貌重建方法研究

现有三维扫描激光雷达存在成本高、扫描范围有限等缺点,为解决这些问题,本文提出一种基于单线激光雷达的三维形貌重建系统,并对系统进行误差补偿以提高系统的准确度.该系统采用可编程逻辑控制器控制的步进电机旋转单线激光雷达的扫描平面,实现对实际空间场景的扫描.通过上位机控制扫描装置的工作过程同时获取原始点云数据,进而针对原始点云...     

多模式融合的古建筑模型构建方法

古建筑的三维数字化研究是当前古建筑保护的重要途径。由于古建筑结构复杂、构件精细,利用单一的手段对其进行三维模型构建均存在不同程度的缺陷。其中地面三维激光扫描虽能快速获取古建筑的三维点云数据,但由于地面激光扫描仪架设的局限性,使古建筑顶部构件存在扫描盲区。针对该问题,通过介绍地面三维激光扫描技术与航摄影像建模这两种建模方式,从工作原理和数据获取、数据处理流程入手,分析两者各自的优势,提出了对两种建模技术进行融合的模型构建方法。通过重建了古建筑完整的三维立体模型,评估分析了模型的接缝偏差。最后利用高精度全站仪进行精度检核,实验结果证明了该模型构建方法的可行性。     

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...     

基于激光三维点云的机械工件识别方法

随着中国制造2025的到来,运用工业机器人在线加工机械工件是大势所趋。为了能够智能抓取工件,工业机器人需要识别工件的类型以及工件的位姿。针对流水线上识别工件类型难的问题,提出了一种基于激光扫描三维点云的工件类型识别方法,该方法主要能够识别工件是哪种工件。首先对流水线上杂乱无序的工件进行激光扫描,得到工件的三维激光点云数据,将三维激光点云数据初步去噪。运用MATLAB软件对得到的三维激光点云进行中心切片,得到点云的主视切片、俯视切片、左视切片;运用HALCON软件对点云切片去噪、增强、分割,提取中心切片的边界信息并得到提取区域的特征参数,进而识别工件的类型。最后运用自主研发设备进行实验,分别以步距为0.05 mrad、测距精度0.2 mm、测角精度为0.02 mrad进行扫描,实验结果表明,识别准确性达96.67%。该方法对同类问题有较大的借鉴意义。     

基于二值神经网络的大场景点云分类

近年随着3维数据采集技术不断发展,大场景 点云数据的获取越来越方便。目前深 度学习网络框架在2维图像处理领 域越来越成熟,而大场景点云是一种3维无规则化的数据,3维卷积神经网络直接处理大场 景3维数据会存在分类精度低和计 算复杂等问题。因此为了有效解决基于深度学习的点云分类任务中存在的计算时间长和分类 精度低的问题,本文提出基于二值 神经网络的大场景点云分类方法,针对不规则的3维点云数据设计特征值计算方法,基于IR -Net二值神经网络处理输入的点云 特征图像,进一步采用Dynamic ReLU激活函数,提高神经网络的计算效率,最后得出点云分 类结果。实验结果表明,所提出 的方法在Oakland数据集上分类精度达到97.6%,在GML数据集中取得 了92.3%和97.2%的分类精度,实验结果证明Dy -ResNet 能够有效提升了点云分类的精度,减少计算的复杂度,并提高了训练效率。