基于自适应角度的三维点云分割方法

点云分割是基于点云数据空间几何信息提取的一项重要工作,它是点云数据特征提取与分析的基础。同时,点云数据通常是离散的和非结构化的,点云数据的分割不是一项简单的数据处理任务,分割效率和分割精度决定了后续数据处理工作的结果。因此,研究点云数据分割具有重要意义。提出一种基于自适应角度的三维点云切割算法,使用PCA算法找到最佳降维投射方向,以降低原始点云数据维度,并利用投射簇的概念实现对原始目标点云的切割获取。     

三维激光扫描技术应用于高精度断面线生成的研究

以地面三维激光扫描技术应用于高精度断面线生成为例,对点云数据采集方案和点云数据处理方法进行了研究,通过实验证实三维激光扫描技术非常适合于快速、高精度断面线生成。     

基于QT的机载三维激光扫描仪软件系统设计

随着测绘技术的发展,利用机载三维激光扫描仪获取点云数据,从点云数据中提取模型信息成为现代测绘技术的一种发展趋势. 点云数据处理的相关应用也越来越多,点云数据的处理软件参差不齐,需求和功能也各不相同. 针对上述问题,在基于QT编程平台下,利用PCL开发机载三维激光扫描仪点云数据处理软件,集中处理点云数据. 该系统由点云数据读写、三维显示、点云滤波、网格重构、点拾取、点云分割及NARF关键点提取等功能模块组成. 各模块采用面向对象的思想设计,功能易于扩展,以完成进一步的测绘工作. 实践表明,该系统具有良好的工程实用价值,可以快速完成机载三维激光扫描仪的数据处理工作.     

基于逆向工程的飞机曲面重建方法研究磁

介绍了逆向工程的基本知识,飞机曲面数据采集的一般流程;提出了点云数据预处理算法实现,包括点云滤波算法、点云数据精简算法和基于奇异值分解法的多视点云拼接算法,通过对数据的预处理,大部分数据噪声得以消除,数据量进一步简化,多视点云数据实现空间配准;研究了飞机曲面重建的数据处理流程,对飞机机体进行若干分区,按照点、线、面的建模处理流程对每个区进行独立建模;最后以Catia逆向建模模块对某型样机点云数据处理流程为例,详细探讨了飞机曲面重建的流程,精度验证等方法实现,实践证明,论文介绍的算法和处理方法切实有效,建模数据准确可靠。     

基于八叉树模型的三维点云数据预处理研究

三维点云数据密度大,包含有大量的冗余数据,并不适合直接用于后续曲面重构。文中重点计论了基于八叉树模型的点云数据预处理的方法。实例表明,该方法对点云数据处理的灵活性和适应性都较好,能够满足曲线和曲面重构的要求。     

三维树木点云数据处理软件系统设计

随着林业信息化的建设与发展,利用地面激光雷达快速获取树木点云数据,从中提取树木的结构参数(胸径,树高,材积等)已成为一种重要的林木测量手段。为了弥补国内在树木点云数据处理软件系统方面的空白,采用一系列树木结构参数提取算法,并结合计算机图形显示技术,设计并实现了一种三维树木点云数据处理软件系统。开发完成了树木点云数据的三维显示与旋转平移查看功能。拥有基本的点云数据处理功能,以及树木的胸径、树高、材积提取的功能。系统经过实验数据的验证,证明其拥有良好的性能,并可以快速准确地提取树木结构参数。     

PPP技术与机载激光雷达在电力线巡检中的应用研究

通过无人机电力线巡检试验,提出应用GPS、GLONASS和BDS多源融合的PPP技术并验证其生成的POS数据和三维点云数据应用于高压电力线巡检的可行性。采用不同策略的POS数据融合与解算,分析了基站差分POS数据与单GPS系统下的POS数据、GPS、GLONASS和BDS多系统融合下的POS数据精度;分别用不同策略的POS数据生成三维点云,并统计分析与基站差分点云数据的偏差距离和分布情况。研究发现:单GPS所生成的点云数据,距离偏差较大在20～40 cm左右,且分布不均匀,偏差距离波动较大,不能满足电力线精细巡检的要求;多源融合的PPP技术所生成的点云数据,与基站差分下的点云数据距离偏差在X方向10 cm,Y方向6 cm,Z方向为4 cm,点云数据分布均匀,稳定,基本满足电力线巡检要求,且点云数据也可用于电力线的精细巡检。     

车载激光雷达点云数据处理关键技术

激光雷达具有探测精度高、穿透能力强、能够三维成像等诸多优点,故自动驾驶车辆常常搭载激光雷达来对车身周围环境进行感知;车辆实现自动驾驶的关键技术包括车载激光雷达信号的发射、接收和对点云数据的处理,通过对接收到的点云数据进行处理可以使车辆准确的感知到当前路面状况并做出相应操作;文章重点介绍了车载激光雷达点云数据处理中的关键技术,对每个关键技术中常用算法的基本原理、优缺点和改进等进行了阐述,以期为车载激光雷达点云数据处理提供参考。     

自动驾驶汽车虚拟测试中的树木点云生成方法

自动驾驶汽车虚拟测试已成为自动驾驶或车路协同测试评价的一个重要手段,三维激光雷达数据模拟生成是自动驾驶汽车虚拟测试中的重要任务之一,目前多采用基于飞行时间原理的几何模型方法生成激光雷达三维点云数据,该方法生成点云实时性较差。布告牌是虚拟场景中常采用的树木建模方法,由于布告牌仅由两个矩形面片即八个三角形面片组成,直接采用布告牌方法生成的三维点云数据难以反映树木的真实空间信息。针对上述问题,提出了一种基于布告牌空间变换的快速树木三维点云生成方法。以布告牌的纹理图像为依据,根据纹理透明度获取树木二维平面点云分布,经二维树木点云的轮廓提取,结合树木结构的先验知识进行旋转、随机偏移和尺度变换,以更少的三角形面片数和更小的计算代价获得树木的三维点云数据。提出了一种空间直方图三维点云相似度评价方法,将三维点云空间量化为若干个子空间,获得三维点云的投影空间直方图,采用巴氏系数计算投影空间直方图相似度,以投影空间直方图加权相似度作为点云相似度评价值。实验结果表明,基于布告牌空间变换方法和几何模型方法生成的云杉等三种树木的三维点云数据的平均相似度在90%以上,且该方法生成树木点云的时间仅是几何模型法的1%,因此布告牌空间变换树木三维点云生成方法快速且准确,可以满足自动驾驶汽车虚拟测试的性能要求。     

基于深度学习的点云三维目标检测方法综述

点云作为一种三维环境数据因其具有较高的精度一直被广泛关注并应用于多种场景任务之中。近年来,深度学习进入点云领域,让点云数据处理得到快速发展。针对基于深度学习的点云三维目标检测任务,首先分析了点云数据的特性并列举了日常任务中常用的点云数据集,随后通过单模态的三维目标检测与多模态的三维目标检测两个方向进行分类阐述,并通过单模态与多模态方法在数据集上的表现作比对。最后对当前点云三维目标检测研究的发展趋势进行展望与总结。     

机载激光雷达系统高精度点云生成研究

为了解决基于无人直升机的机载激光雷达(Lidar)系统中获得三维激光点云数据的效率低、精度低问题,提出了一种可获得高精度三维点云数据的解决方案;从系统点云数据生成原理分析影响点云精度的因素;实现十一阶扩展卡尔曼算法对多传感器数据进行数据融合处理,充分利用了不同传感器的优点;改进的扩展卡尔曼融合算法,不但有效地降低噪声和干扰对系统影响,而且提高了激光雷达系统点云数据的可靠性和精度;实验结果验证了算法的正确性和点云数据的精度。     

面向海量点云快速显示的叠加型金字塔索引结构研究

针对激光雷达三维点云数据量大,当计算机内存有限时进行点云读取与处理存在严重滞后的问题,提出了一种叠加型金字塔索引结构。首先,采用一种基于点云最小外包络的不均匀分块策略,将点云数据划分成若干独立的数据块;待分块完成后,利用提出的叠加型索引结构对每个分块构建金字塔;最后,将生成的金字塔按照指定的文件结构存储,生成索引文件。利用机载实测点云数据开展了验证实验,结果表明:该算法有效地降低了索引文件占据的计算机空间资源,实现了海量三维点云数据在有限内存空间的快速显示。     

一种邻域自适应的双阈值点云特征提取方法

点云数据的特征提取是点云数据处理环节中的一项重要内容,对几何分析、数据分割、点云配准、模型重建等研究起关键作用。研究了基于法向量和曲率的点云特征提取技术,阐明了特征提取过程中邻域选取与单一参数计算存在的问题,提出了邻域自适应的双阈值点云特征提取方法。通过实验对比了该算法与基于曲率的特征提取算法的提取效果,验证了本算法的稳定性、准确性。该算法对于几何特征复杂的点云具有较好的提取效果,对提高点云特征点提取的精度及效率具有重要的意义。     

应用激光雷达与相机信息融合的障碍物识别

针对探测器在地外星体表面软着陆过程中的障碍物识别问题,提出了一种融合三维点云数据与灰度图像数据进行精确障碍物识别的方法。首先利用坐标转换将灰度图像与三维点云归一化到同一坐标系下,实现传感器数据的融合。然后采用改进K均值聚类算法对预处理后灰度图像进行图像分割,生成光学障碍图。最后利用开源库PCL(Point Cloud Library)对激光雷达生成的三维激光点云数据进行处理,采用随机采样一致性算法提取着陆区地形水平面,对去除水平面后的点云数据进行点云分割,分离出突起物、凹坑等障碍物,并通过激光雷达与相机转换坐标系,投影到像平面,生成最终障碍图。     

基于机械臂的Kinect车辆轮廓点云配准

车辆轮廓的三维点云模型在汽车智能化制造及维保过程中具有重要作用。为提高点云配准的精度和效率,以汽车维保机器人为研究对象,提出一种基于点云数据处理技术的车辆轮廓扫描定位及点云数据配准方法。在机械臂末端安装Kinect深度传感器实现精准移动,在汽车四周采集点云数据并进行预处理,根据机械臂运动学方程计算传感器采样位姿,完成初步配准。在此基础上,使用迭代最近点算法完成车辆轮廓点云的精确配准。实验结果表明,该方法可完成各视角点云数据的准确、快速配准,得到完整的三维点云数字模型。     

基于复杂3D点云数据拼接算法研究

随着社会科技水平的不断提高,国内已经可以利用三维测量机器来对所要生产的设备或研究对象实施逆向工程,这样可以提高产品生产质量、效率,国内外许多企业虽然具备了成熟的逆向工程技术,但是所花费的成本巨大,特别是对于复杂的3D点云数据处理更加耗费时间和金钱。本文研究的是通过3D坐标测量仪器获取复杂的点云数据,然后根据数据的特点利用数据处理技术对数据进行处理,最后对数据进行拼接起来。     

面向基建验收的机载激光电力线路识别

基于激光点云的电力线路自动识别实现基建验收的全局化,已经成为机载激光雷达电力线路管理和数据处理的一个重要课题。提出了一个全新的、完全自动化和多功能的电力线路识别技术框架。该框架通过利用多尺度邻域对电力线路的空间拓扑进行表征,并在特征提取的基础上采用支持向量机(S VM)进行数据点分类,最终实现了电力线路走廊数据点云的高效率识别。通过试验评估表明,基于空间拓扑特征的数据点云自动识别技术能够改善电力线路的分类和识别的效率。     

无人机摄影测量点云道路自适应提取

在无人机摄影测量中, 针对传统的地面点云提取方法对图像点云数据中的道路提取适应性较差的问题, 本文提出了一种无人机摄影测量点云道路自适应提取方法. 首先, 根据点云的空间几何特征将点云划分为3个类别; 然后, 针对非道路的点云类别采取相应的方法进行剔除; 最后, 对经过自适应提取方法得到的点云数据进行滤波平滑和基于颜色的区域生长分割处理. 实验结果表明, 该方法提取的道路点云的I类误差为4.97%, II类误差为1.14%. 该方法能够有效地提取目标道路路面, 提高了无人机摄影测量工程应用中点云数据处理的效率.     

基于切片方法截面数据处理

为了提高后续截面轮廓重建的精度,提出了基于截面切片后数据处理的系列算法.首先用点云束细化算法对切片数据进行细化处理,采用类似于移动最小二乘法的跟踪方法,整个过程不对测量数据进行局部坐标变换,迭代步长由点云密度控制;将截面切片数据细化后,用双链表排序算法对细化后的数据进行排序处理;对截面测量数据的特征点提取,结合"角偏差法"和"弦高差法"的优点,研究了对提取特征点结果影响的几个主要因子,提出一种对冗余数据处理及特征点提取的方法,得到的点云数据可以进行很好的分组处理,并拟合成合适的轮廓特征单元.     

基于SketchUp的建筑物实景三维模型重建

随着三维激光扫描仪的价格不断下降,激光扫描技术的不断完善和数据处理方法的不断提升,三维激光扫描技术应用越来越广泛。本文通过STONEX X500Plus三维激光扫描仪采集传习馆点云数据,利用SketchUp软件,详细介绍建筑物三维建模的主要技术流程,实现建筑物点云数据实景三维建模。