基于机载激光点云的电力线自动提取方法

为了解决地形、走向复杂、点云密度不均匀的输电线路的电力线提取精度低的问题,提出了一种高效的电力线自动提取和重建方法.首先通过空间分割和点云密度分析方法改进高程滤波算法实现电力线粗提取;采用基于点云间倾斜角度平均值的滤波算法精提取电力线;使用统计滤波算法完成电力线整体点云提取;通过基于随机采样一致性算法的电力线分条提取算...     

基于激光点云的电力线悬挂点定位方法

为了解决目前电力线悬挂点定位方法鲁棒性低、定位不精确的问题，采用基于激光点云的结合局部3维重建与迭代搜索的方法对电力线悬挂点定位进行了研究。首先，对电力线点云空间特征进行分析进而推导电力线空间约束条件，以此作为生长准则进行基于空间约束的区域生长，实现跨越多档的单根电力线分割; 然后，对杆塔点云聚类提取杆塔中心点，以杆塔中心点连线的角平分线为基准划定每档电力线的空间分割平面; 之后，对各分割平面附近电力线点云进行空间多项式局部3维重建; 最后，结合分割平面迭代搜索计算重建电力线的交点，实现电力线悬挂点空间位置定位。结果表明，对于3种电压等级线路点云及2种数据质量点云，电力线悬挂点定位平均偏差均在0.09m以内，最小偏差为0.03m。该方法鲁棒性高，可以精确地实现各电压等级及各质量点云数据中的电力线悬挂点定位，为后续基于悬挂点的电力线模拟工况安全分析提供了基础。     

基于LiDAR点云的高压电塔自动提取算法

为提取机载LiDAR点云中的高压电塔,提出一种电塔自动提取算法.首先,对点云进行预处理,利用布料滤波算法得到地面点和非地面点;对非地面点点云进行空间规则化网格处理,根据高压电塔的高程特征进行粗提取,得到存在电塔的感兴趣区域(ROI)网格;最后,利用改进的基于密度的噪声空间聚类算法剔除ROI网格中的噪声点,进行电塔点云的...     

基于改进欧式聚类的三维激光雷达点云目标分割方法

随着科学技术的发展,智能驾驶系统逐渐成为许多学者研究的目标.在这一研究领域中,激光雷达技术已经得到了广泛的应用,其中目标分割在智能车辆对周围环境的识别过程中起着重要作用.由于在对点云进行聚类分割时对相邻目标容易出现欠分割问题,针对这一问题本文提出了一种基于欧式聚类算法的改进方法.首先对点云数据进行预处理,包括下采样和地...     

一种基于机载LiDAR数据的山区道路提取方法

为了解决基于机载激光雷达(LiDAR)点云提取道路时多重特征阈值设定难、普适性低的问题, 采用了随机森林分类模型提取道路点云进而获得道路中心线的方法。首先使用渐进加密三角网滤波获取地面点云, 根据山区道路特性, 计算地面点云各点在邻域范围的坡度、粗糙度、高差方差、点密度及反射强度, 组成点的分类特征; 随后手动采集正负样本训练点云随机森林分类模型, 将地面点云通过模型分类得到初始道路点云; 再通过基于密度的噪声应用空间聚类算法去除噪声点精化道路点云; 最后矢量化道路点云获取道路中心线。结果表明, 以Entiat River地区山区LiDAR点云数据进行实验验证, 道路点云提取的正确率达到95.29%, 完整率达到92.96%, 提取质量达到88.88%。该方法能解决多重阈值难以确定的问题, 能较高精度地提取到山区道路点云, 进而获取有效道路中心线, 对山区道路信息的研究有一定的参考价值。     

基于几何特征的点云分割算法研究进展

点云是3维图像的一种特殊数据形式, 正逐渐成为3维图像信息处理的研究热点; 点云分割是点云数据处理的重要步骤, 对算法的结果有直接影响; 基于3维图像几何特征的点云分割算法结构简洁、运算结果稳定性强, 且易于调整, 在实际应用中占有主要地位。对最近几年涌现出来的基于几何特征的点云分割方法进行了梳理, 根据每种方法的理论基础和应用特点将算法归纳为基于边缘检测、表面特征和模型拟合的点云分割方法, 分析了各类算法的特点和存在的主要问题, 并进行了算法性能比较, 分析了影响点云分割算法效率的主要因素, 最后对未来的发展趋势进行了展望。     

光子计数激光雷达中光子点云滤波方法的比较与分析

相对于传统阈值型和全波形激光雷达,光子计数激光雷达具有高密度、高分辨率、高穿透性等优势,然而光子计数激光雷达所获得的光子点云数据具有较多的背景噪声及干扰噪声,为准确识别目标上的有效光子信号,采用合适的光子滤波方法很有必要。目前主要存在的滤波方法有基于直方图统计去噪、基于局部距离统计去噪、基于密度的噪声空间聚类（DBSCAN）去噪等。为了解这些方法对山地和水体区域的适用性,选用机载多波束试验激光雷达分别对这些方法进行比较与分析。实验结果表明,3种去噪方法都可以准确提取有效的光子点云,其中直方图统计方法对于地形平坦区域和水体的去噪效果明显优于地形起伏区域,局部距离统计和DBSCAN的去噪效果受地形变化影响较小,且DBSCAN对山地数据的去噪效果最佳。用去噪精确度、去噪召回率和F1指标对这3种方法的去噪结果进行定量比较。3种方法对于山地区域内的有效光子去噪精度分别为0.9342、0.9524、0.9669,对于水体区域的有效光子去噪精度分别为0.9981、0.9492、0.9349。     

一种用于道路障碍物识别的激光点云聚类算法

提出一种适用于道路障碍物识别检测的聚类算法,该算法用来处理各向异性分布的激光点云数据。算法的基本思想是:针对点云空间分布的实时变化,提出在线学习合并阈值的层次聚类算法,以确定聚类数搜索范围上界和初始聚类中心的待选点集;然后提出距离乘积最大化方法,对待选点集进行初始化排序,既结合点云的空间密度分布改善了聚类结果,又克服了传统K-means算法初始聚类中心难确定的问题;最后选取Silhouette和距离评价函数为聚类有效性指标分析算法的聚类效果,确定最佳聚类数。用以上自适应、在线学习的算法对2.5D激光雷达采集的点云数据进行聚类,并与其他两种聚类算法进行实际试验比较发现,本算法可以正确分割大多数空间分布各异且相互连接的障碍物。     

基于Transformer的体素化激光点云目标检测算法

3D点云目标检测是计算机3D视觉中的一个关键技术,本文针对激光雷达点云数据的稀疏性、无序性和数据量大,导致神经网络运算效率慢、检测精度低等问题,开展了基于激光雷达点云的目标检测算法研究。在激光雷达点云数据处理阶段,我们将原始点云数据体素化,解决了点云稀疏性和无序性问题,然后使用多层特征下采样层构建特征金字塔,实验验证了该方法使网络在训练阶段更快收敛,有效减少点云数据量大导致的网络运算开销,网络运算效率提升～39；同时,我们通过引入Transformer注意力模块,提高网络对点云目标关键特征的学习能力,使目标检测的准确率达到885。总体实验结果表明,本文算法在确保检测精度的前提下,提升了网络运算效率。     

基于激光点云实现杆塔提取的轻量级网络

为了解决传统的杆塔点云提取算法对地面起伏较为敏感,以及提取出的杆塔点云难以剔除地面点的问题,提出了一种直接以原始点云数据为输入来实现杆塔提取的轻量级网络.将原始点云数据划分为若干大小相等的体素格,利用特征学习网络及卷积网络提取体素格内的空间、结构特征;并结合传统方法中的相对高度差以及点密度的特征,从而判别该体素格为杆塔...     

基于激光点云的输电线路杆塔倾斜检测算法

为了解决基于激光雷达(LiDAR)点云杆塔倾斜检测方法鲁棒性低、自动化程度差等问题, 利用杆塔塔身结构呈标准四棱台的特点, 提出一种基于杆塔塔身分层投影提取中轴点的激光点云杆塔倾斜检测算法。首先将杆塔点云沿高程方向进行分层, 求取分层点云的最小外接矩形, 确定外接矩形中心为杆塔中轴点; 其次利用外接矩形的面积、比例变化过滤塔头、高低腿等非对称杆塔结构, 以及外接矩形四边内切点高程值进行缺点、噪点检验, 在杆塔中轴线拟合之前剔除可检测的偏移点; 最后在空间直线拟合中引入抗差估计, 通过选权迭代的方式抑制其余偏移点对空间直线拟合的影响。结果表明, 该方法在不同塔型、不同点云密度下均有较好的适应性, 在缺点、噪点情况下抗粗差能力强, 与实测值对比偏差小于0.90‰。该算法具有较强的工程实用价值。     

基于激光点云NDT特征的两步回环检测

针对传统激光雷达配准算法进行大规模同时定位与建图(SLAM)时,存在较大累计误差的问题,本文提出一种基于正态分布变换(NDT)的两步回环检测方法,充分利用NDT配准中点云均值与方差特征,并将所提方法加入SLAM完整框架。点云匹配中采用重叠网格,首先根据各网格特征值,构建点云外观描述,进行粗回环检测。符合粗回环条件后,计算点云网格均值到坐标原点距离的方法使点云具有旋转不变性,进行精确回环检测。本文提出算法在“小旋风”智能车平台进行验证,实验表明,所提算法可以有效减小大规模建图中的累计误差,系统的鲁棒性更强,跟踪性能更好。     

复杂环境中电力线激光点云的自动提取

为了解决目前复杂环境下电力线提取精度及鲁棒性低的问题，提出了一种基于激光点云的电力线自动提取方法。通过主成分分析确定输电线路的主方向，将长距离输电走廊划分为多个空间网格，以应对地形起伏变化时植被点云对提取算法的干扰；再通过一种自顶向下的全新滤波算法剔除每个空间网格的地物点，根据点云密度分布差异实现电力线和电塔的自动分离；另外, 提出半径搜索算法对分离后的结果进行处理，得到单条电力线的激光点云数据。结果表明，所提出的方法对电力线的提取精度高达99.69%，针对不同连接塔型和不同地形都具有很好的鲁棒性。该研究在输电通道空间结构的自动分析领域以及智能巡检领域具有良好的工程应用价值。     

一种多模式融合的激光点云配准算法

针对经典迭代最邻近点(iterative closest point,ICP)算法在三维激光点云配准领域内,存在收敛速度慢、配准误差大、配准效率低的问题,提出了一种基于法向量夹角特征和边界旋转角相融合的改进ICP算法。利用点云区域层划分将点云分成若干独立单元方格,搜寻方格的法向量夹角特征关键点,结合点面曲率对应关系形成初始匹配点对,随后引入距离约束函数,估算边界旋转角和相关动态迭代系数,自动优化刚性变换参数。实验结果表明,与传统ICP算法相比,改进后的算法配准误差降至0.3%以下,配准时间减少50%以上,有效提升点云配准效率。     

一种改进的激光点云数据精简算法

随着三维激光扫描仪获取的点云数据量越来越大,激光点云数据精简已成为测绘领域中的一个新的研究热点。在对点云数据分层技术研究的基础上,将二维平面曲线精简算法—Douglas-Peucker算法拓展到三维空间并进行改进,使得算法在处理前不需要已知点云间的邻接关系,可以对三维散乱点云数据进行直接处理。借助于Matlab平台编程实现点云数据精简,并利用程序构建精简后的点云数据的网格模型。通过与原始点云的网格模型进行对比分析,实验表明此改进算法的精简效果比较理想。     

激光点云数据库分布式存储模型构建

网络技术与三维激光扫描技术飞速发展,点云数据量激增,大幅降低了存储效率与稳定度,因此,面向激光点云数据库,采用分布式存储理念构建一种存储模型.通过边角定位与多角度扫描,采集三维激光点云数据,组建点云数据库,分割目标三维扫描区域为固定大小独立块,利用立体六边形长、宽、高的向上取整函数,描述三类独立块个数,按序嵌入独立块坐...