激光点云在园林城市绿地建库中的应用研究

基于机载激光扫描可以快速获取地球数字表面模型的原理,提出了采用激光点云提取树木点进行拓扑构建绿化覆盖面的作业方法.该方法首先提取高于地面一定数值的点云数据,然后筛选出树木点数据,并对筛选的树木点集构建三角网,最后对构建的三角网进行拓扑构面及邻接面融合从而完成绿化覆盖面的构建.以福州市城市绿地数据建库为例进行了应用实验,...     

基于区域增长和多次回波统计的建筑物LiDAR点云提取

机载LiDAR系统可以快速获取数字表面模型,是建立城市三维数字模型的主要途径,准确提取建筑物顶面的点云数据成为问题的关键。本文基于机载LiDAR原始点云数据,提出一种基于区域增长与多次回波分析的建筑物点云提取方法,通过建立网格空间索引,逐行逐列准确地选取地面种子点,基于小坡度区域增长分离出地面点,再对地物点进行基于坡度的区域分割,依据面积阈值滤除小面积的树木区域与其他小面积地物,实现建筑的粗提取,通过统计每个分割区域内的多次回波数量,最终提取出较为准确的建筑物点云数据。实验数据表明,该方法能较好地从LiDAR点云中提取高精度的建筑物信息。     

基于LiDAR点云提取地形特征点方法研究

机载LiDAR平台扫描得到的地形数据点具有高密集度,简化处理大规模地形数据而又不牺牲数据精度的特点而成为研究重点。利用地表流水物理模拟方法提取粗略的矢量地形特征线,再对特征线做缓冲区分析,对缓冲带中包含的LiDAR点云数据构建三角网,优化提取三角网的有效结点,以确定区域的地形特征点。由此得出的地形特征点既简化了LiDAR点云数据,又清晰地描述了地形结构。     

基于车载LiDAR点云的建筑物三维建模及精度分析

车载激光扫描技术,作为一种较新的数据获取方式,可以快速获取道路两侧建筑物及地表物体的位置和相关属性,获取的点云数据丰富。传统的三维建模,数据获取时间长而且精度低,满足不了现代数字城市三维建模的快速更新,而建筑物是城市地物中主要的要素之一,其三维模型更是构成数字城市建设中三维模型库的基础。因此,本文以车载Li DAR点云为研究对象,提出一种基于车载Li DAR点云的建筑物自动提取算法,实现了一般建筑物点云的自动提取;然后根据提取的建筑物点云,结合3D Max进行建筑物的三维建模。     

基于三维点云制作虎丘塔平立剖面图方法研究

三维激光扫描技术可以快速、精确、多方位地获取建筑物表面的三维数据,在古建筑物保护和数字化中得到了广泛的应用。平立剖面图能够准确直观地表达出建筑物的真实形态,因此对建筑物的保护有着重要作用。本文以虎丘塔为研究对象,提出了一种基于三维点云的平立剖面图制作方法,首先对虎丘塔点云数据进行预处理,然后将点云数据进行切片,并把切片点云投影到栅格平面上,接着将落入栅格内部的点云重心化以得到特征点,据此构建点云特征轮廓线,最后得到平立剖面图。结果表明,该方法可以快速、准确地制作虎丘塔的平立剖面图。     

建筑物立面点云语义分割方法研究

针对建筑物点云数据重建模型自动化程度较低的问题,提出了一种半自动的建筑物特征元素提取方法。首先采用随机采样一致性算法实现点云分割,将点云分割成不同部分,再依据建筑物立面各种特征元素之间的尺寸、位置、拓扑关系等一系列属性判断每一块点云数据的语义信息,实现了从分割出来的点云数据中自动识别建筑物立面的门、窗户、墙体等特征元素。该方法基本上实现了点云数据的语义分割,为建筑物三维模型的自动重建提供了基础框架。     

基于三角网的点云空洞修补算法

针对三维激光扫描点云数据中空洞修补的问题,提出了一种对点云建立三角网后先依据边长阈值提取空洞内三角形,再计算空洞内三角形顶点曲率、三角形平面法向量、三角形重心坐标和各顶点到三角形重心点距离,采用反距离加权的方法计算重心点在三角形平面法向量方向的坐标改正量,最终得到空洞内拟合点坐标。经试验,本文算法对于闭合空洞、岛屿空洞的修补取得了很好的效果,对边界空洞的修补效果次于闭合和岛屿空洞的修补效果,并应用于矿区实际采集的点云数据中,得到了很好的效果。     

基于三维激光点云的古建筑BIM建模方法研究

随着信息化程度的提高,城市建筑物三维BIM建模迅速发展,传统全站仪采集数据建模方法效率低下,对于异形结构采集数据难度较大。结合三维激光扫描技术,本文探讨综合使用多种手段获取三维点云数据,采用专业点云处理软件经坐标转换、点云拼接、点云去噪、点云数据平滑、点云数据抽稀等操作,对多源点云数据进行深度融合,提取有效信息构建三维BIM模型,真实还原城市建筑物三维场景。结合中国海洋大学历史建筑物项目,对历史建筑物的点云扫描质量进行验证,结果表明点云数据质量良好,基于三维扫描技术的多手段点云数据获取与融合,对于快速构建BIM模型,形成一体化的真三维场景提供了一种快速、便捷、可靠的新途径。     

基于机载LiDAR数据的建筑物屋顶点自动提取精度提高的研究

机载LiDAR测量技术的发展为大面积获取城市空间信息提供了一种全新的手段[1],其中机载LiDAR所获取的点云数据中包含有大量的建筑物屋顶信息,城市地区建筑物信息的提取对于城市数字化的建立具有重要的意义。目前主流的LiDAR处理软件均提供了建筑物屋顶点自动提取的功能,在此基础上,通过本文的方法可以进一步提高建筑物屋顶点自动提取结果的精度和完整度。     

基于语义信息的机载LiDAR建筑物点云提取

本文研究了机载LiDAR数据中建筑物点云提取的算法。首先,分析典型地物点云的分布特征及规律,形成语义信息;利用TIN的数据组织形式,以三角形边长、面积、坡度、相邻三角形坡向等语义信息作为限制条件将植物点剔除;再利用高程分布直方图确定阈值,剔除地面点,进而得到建筑物点集。选取机载LiDAR数据进行实例验证,并将本文算法与其他两种算法进行了对比。结果表明,本文算法能较好地提取建筑物屋顶点集,精度高于内插类算法,提取效果优于未考虑语义信息的算法。