基于激光点云数据的卫星导航定位研究

卫星导航是当前通信领域的研究热点,面向非线性环境,及时的定位与全面的目标提取是实现卫星导航的重要依据。研究基于激光点云数据的卫星导航定位方法,采用标识点过程方法建立目标地面投影几何形状,通过几何重心获取平面域节点集合、随机变量、目标投影点高程以及地面投影点高程的概率密度函数,基于以上概率密度函数通过贝叶斯定理获取激光点云数据的目标提取模型,利用单差分以及双差分处理算法整理通过目标提取模型获取的激光点云数据,并对已处理的激光点云数据实施相对定位以及相对速度解算,实现目标精准导航定位。实验结果表明,通过该方法进行不同距离卫星导航定位,可将导航定位误差控制在0. 2%以内。     

基于海量点云数据的输电线路三维建模研究

为保障电网输电线路管理的规范化与精益化,设计了基于海量点云数据的输电线路三维建模方法。首先采集输电线路原始点云数据,对其进行预处理,根据点云数据提取输电线路轮廓线,然后采用3D MAX软件构建输电线路的完整三维几何模型,最后通过纹理映射此模型获取到最终输电线路三维模型。结果表明,该方法可精准拼接原始点云数据,有效去除点云数据的噪声点及障碍物等,提升点云数据的整体质量,可为电网输电线路规范化管理提供有效帮助。     

激光点云技术扫描建筑物门窗立面数据提取

三维快速建模在未来城市作战中起着关键作用,建筑模型信息越细节、越完善,就越能够充分发挥出建筑模型的作用.为此,以激光点云技术为扫描手段,提出一种建筑物门窗立面数据提取方法.利用设计的激光点云设备扫描模式与间距测量方法,采集建筑物点云数据,将其投影至水平网格中,归一化处理各区域灰度值,基于数据点与其邻域点间的欧几里得距离...     

云存储与传统海量数据存储技术的比较

日益增长的数据量迫切需要找到一种高效、高性能、低成本的数据。文章从传统海量数据存储方式的结构特点出发,进行分析,对现在主流的云计算及云存储技术与传统技术进行比较,挖掘云存储的优势。     

基于点特征传递的电力设备部件激光点云补全网络

针对电力场景下因激光雷达扫描范围有限、电力设备部件相互遮挡等因素导致电力设备部件点云缺失的问题,提出了基于点特征传递的电力设备部件激光点云补全网络PPC Net(Power Point cloud Complete Net)。该网络使用多尺度特征融合编码器提取不同尺度输入残缺点云的全局和局部特征,以避免多维度映射特征导致的电力设备部件细节特征丢失问题,并引入EdgeConv加强对点云邻域信息提取;在精细完整点云生成阶段提出DT模块整合父级点到子级点的特征传递,以保留生成点云的局部特征;设计平滑优化模块,经三级平滑采样算法输出分布均匀、表面平滑的电力设备部件完整点云。在自建电力设备部件点云数据集ELE及公开数据集PCN上实验表明,PPC Net对残缺的电力设备部件点云有较好的补全效果,并在一般形状点云上有良好泛化性。     

机载三维激光点云数据分类数学模型

传统机载三维激光点云数据分类方法效率低、计算开销大,对算法自身要求较高,容易受到多种因素影响,导致结果偏差较大.为此提出机载三维激光点云数据分类数学模型方法.首先采集机载三维激光点云数据,利用概率法与直线滑动平均法分别做去噪和平滑处理;其次分析数据空间分布结构,获取特征数据的有限集合,通过平面拟合、残差拟合等步骤提取点...     

基于激光点云数据的遥感图像目标融合技术

不同遥感图像之间存在特征差异性,且图像含有噪声,对融合过程造成了干扰,影响最终融合结果的准确性。基于此,提出基于激光点云数据的遥感图像目标融合方法。对遥感设备获取到的点云数据预处理,去除噪声点;从个体特征和群体特征两方面提取遥感图像目标特征,并将其关联;通过合理分配两幅待融合图像的权重系数,使拼接缝平滑过渡,完成遥感图像目标融合。通过对比实验测试可知,所提方法取得的目标点融合精准,拼接缝不明显,融合效果较好,所提方法的熵、峰值信噪比较高,体现了遥感图像目标融合的优异性能。     

基于CCD图像的激光点云数据边界提取法

提出了一种融合激光和CCD图像的点云数据边界提取的方法。首先,将激光点标定到CCD图像上。然后,融合CCD图像数据与激光数据,提出了一种基于图像法的点云数据边界特征的提取方法,采用图像处理中梯度求解方法,对点云中每一点处的法向矢量和曲率进行估计,通过阈值得到候选边界点,再利用曲率极值法得到最终边界点。     

改进高斯混合模型的激光点云数据分类

激光点云数据的无序性会影响激光场景识别和三维重建,导致激光点云数据分类误差大,精度低等问题,为此提出基于改进高斯混合模型的激光点云数据分类方法。首先采集激光点云数据,利用邻域密度算法对数据中的噪声进行分析和去除,然后采用改进高斯混合模型获取数据点间距,将点云数据分类相应类别中,实现激光点云数据分类。实验结果证明,本方法可以有效去除激光点云数据中的孤立点,提高了激光点云数据分类精度,激光点云数据分类结果可满足激光三维重建要求。     

基于机载激光点云数据的输电线走廊自动识别技术

使用激光点云数据可以得到较精确的地形数据,而目前激光雷达主要应用单波段脉冲,无法提供充分、有效的光谱信息.将激光点云数据与输电线走廊信息提取相结合,针对输电线走廊地物特征,根据点云信息三维数据对具有不同几何特征的地物进行识别,设计了一种基于机载激光点云数据的输电线走廊自动识别技术.首先通过计算点云曲面特征及邻域半径内维...     

基于激光点云坐标系的3D多目标跟踪算法研究

3D多目标跟踪是无人车领域中一个核心技术之一。3D多目标跟踪的相关工作多通过设计复杂的目标建模算法或数据关联算法,以寻求提高3D多目标跟踪系统的鲁棒性。为降低3D多目标跟踪系统的复杂性,将目标的三维中心点视为该目标进行跟踪,提出了基于激光点云坐标系的3D多目标跟踪算法。首先,使用3D目标检测器检测出每帧激光点云中的目标。然后,用卡尔曼滤波器预测上一帧目标的三维中心点在当前帧的位置状态,融合激光雷达坐标系下相邻两帧之间目标三维体积的交并比与目标三维坐标中心点坐标之间的欧式距离作为度量尺度,使用贪婪算法匹配最近邻的目标。在KITTI跟踪数据集上的实验结果表明,所提出的多目标跟踪算法表现优异,运行速度达到了63 f/s,且车辆类的sAMOTA达到了9432。     

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。     

一种基于海量数据的信息云系统及其关键技术研究

随着互联网的发展,互联网信息呈现海量化、社会化、多样化等趋势,如何获取这些海量信息并完成智能化的处理是本文研究的重点,本文提出了基于云计算技术构建海量数据的信息云系统,此系统采用信息自动聚合、智能分析、智能预测、自动推送技术完成整个信息处理的自动化和智能化,根据用户的标签自动挖掘出对用户有价值的信息并主动推送给用户。     

基于邻域点位置特征的点云数据精简

海量点云数据给存储、传输、处理等带来极大困难。针对现有算法在特征保留与精简后重建模型表面积、体积、重建误差不能兼顾的问题,提出一种基于邻域点位置特征的点云精简算法。该算法根据权值计算投影面、搜寻矩阵大小以及精简比例对目标点云进行精简。将目标点云网格化处理;寻找投影面垂直方向（正、负两个方向）,以目标点为中心,获取搜寻矩阵范围内的点;根据搜寻矩阵内点与目标点的位置关系确定其权值;根据所设的精简比例对原始点云进行精简。将所提算法与曲率采样法、均匀网格法和随机采样法进行比较,并从特征保留、表面积和体积变化率这3个方面进行评价。实验结果表明：所提算法的精简结果对特征区域效果优于均匀网格法和随机采样法,与曲率采样法一致;精简结果误差、重建模型的表面积差和体积差总体优于曲率采样法,与随机采样法基本一致,略差于均匀网格法。因此,所提算法既能较好地保留特征,同时又能使重建后的结果模型表面积和体积变化以及误差都较小,综合效果好。     

海量信息中模糊数据定位数学模型设计

海量信息中的模糊数据具有特征不确定性和发散性,对其准确定位的难度较大,因此提出基于支持向量机二次规划的海量信息中模糊数据定位数学模型设计方法。在凸空间内构造模糊数据定位的高阶线性微分方程,求得模糊数据定位的极大线性无关组,采用支持向量机模型求得数据定位的聚类中心,以聚类中心的邻域数据集为训练模板集,通过凸组合二次规划方法进行Lyapunove泛函,实现模糊数据定位。数据测试结果表明,采用该方法进行数据定位的精度较高,收敛性较好。