固态激光雷达输电线路实时建模及压缩技术北大核心CSCD

输电线路的三维重建是电网巡检的重要任务之一。为实现电路巡检自动化,提出了一种基于固态激光雷达的输电线路实时三维重建及数据压缩技术。首先,针对固态激光雷达的特点对经典激光SLAM框架进行改进,优化其特征提取过程并加入了运动补偿,使用改进的算法对输电线路进行实时建模;然后,使用加入权重因子改进的模糊C均值聚类方法对点云模型进行降噪滤波,去除离群点及噪点;最后,为了降低大型点云数据的储存及传输开销,设计基于时空编码的方法对输电线路模型进行压缩。实验结果表明,该方法可以实现输电线路场景的高精度实时建模,压缩后的模型可以满足储存及传输要求。     

基于激光雷达技术的无人机电网基建管控系统

针对传统人工肩扛经纬仪的输电线路测量方法效率和精度较低的问题,提出基于激光雷达的无人机电网基建管控系统。该系统包括飞行设计、数据采集、数据预处理、数据后处理和三维建模等流程。首先,使用无人机和激光雷达采集输电线路与塔杆数据;然后,分别使用数据预处理和后处理技术来修正激光雷达的测量误差以及分类点云数据,以提高测量精度;最后,导出生成的DOM,DSM文件和三维仿真模型以保存测量数据。仿真测试结果表明,该系统具有较高的测量效率及精度,可以满足电网快速发展的需求。     

基于稀疏重建和激光实境复制的电力工程建模方法

由于机载激光雷达生成的原始点云数据存在质量较差且离散点多的问题,故难以直接应用于模型重建与电力工程的管理中。因此,文中基于稀疏-稠密算法和点云数据提出了一种电力工程模型重建算法。利用无人机机载激光雷达来获取多帧输电线路点云数据,并使用索引树近邻搜索法对原始点云数据进行坐标转换及离散数据过滤,进而得到重建的点云数据。通过稀疏重建算法对重建后数据中的框架特征加以提取,同时引入稠密算法进行框架填充,完成输电线路内容的重建。经实验测试表明,所提算法的点云提取误差仅为8.42 cm,在对比算法中性能最优。且重建后的模型可应用于电力工程验收、巡检等实际场景中,具有良好的工程意义。     

激光点云在三维模型重构中的应用

提出激光点云在三维模型重构中的应用研究。采用三维激光扫描仪获取某目标的激光点云数据，基于曲率精简处理激光点云数据，以此为基础，应用快速CPD算法拼接激光点云数据。由于拼接后激光点云数据依然散乱，采用泊松表面重构算法重构三维网格，以重构三维网格为依据，通过纹理映射理论实现三维网格模型参数化，从而实现了三维模型的整体重构。实验数据表明：与对比方法相比较，应用提出方法获得的激光点云数据精简度较大，三维模型重构时间较短，三维模型重构精度较高，充分证实了提出方法激光点云在三维模型重构中应用效果较好。     

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。     

基于多编码器和Residual-Transformer的点云补全网络

点云数据具有无序和稀疏的特点。通过不完整点云数据恢复丢失的三维几何形状的3D点云补全任务是3D视觉技术中一个具有挑战性的问题。现有的3D点云补全网络一般都通过编码器-解码器（Encoder-Decoder）模型直接从部分点云预测完整的点云形状，这会干扰原始部分点云，引入噪声，导致几何位移损失。因此提出一个端到端的网络模型，集中生成平滑和分布均匀的点云对象。所提网络模型主要包含三部分：缺失点云预测、点云融合和点云平滑。第一个模块主要通过多编码器从残缺的点云对象提取局部和全局信息，预测缺失几何部分。第二个模块通过采样算法融合点云。第三个模块基于Residual-Transformer (RT)预测点位移，在避免破坏原始输入点云的空间结构下，可以使点分布得更加均匀。在基准数据集Shapenet-Part上，大量的实验结果表明，所提网络在3D形状补全方面取得了更好的量化结果和更好的视觉效果。     

基于激光三维点云技术的3D景观建模设计

为提升城市园林等类型景观的建模精度,以激光三维点云为技术基础,设计一种三维景观建模方法。采用激光三维点云立体式非接触测量技术,获取景观表面数据点三维坐标,在一个坐标系内统一化各角度点云数据,将顺序点间的最远距离作为滤波标准,设定超过标准点为固定端点,平滑处理图像点云,采用三角形网格参数化策略,映射三维网格模型至二维平面中,取得特征点纹理坐标,利用调和映射算法求解非约束点的纹理坐标,通过自适应部分调整策略,优化点云数据纹理,得到最终的景观模型。试验采集研究区域中一处景观的三维数据,结合景观模型效果与评估指标值得出,所提方法能够有效建立模型,且精准度较高,模型细节信息保存得相对完整。     

基亏移动最小二乘法表面的曲率计算及应用

图像工程中,离散的点云模型表面曲率的精确计算非常重要。笔者在Levin的MLS（Moving Least—Square）表面的基础上,将原始三维点云模型的表面投影到一个MLS表面,然后直接从MLS表面计算点云曲率,并将该方法应用在隧道三维扫描点云模型数据压缩中,取得了良好的效果。     

基于改进ISS邻域的复杂曲面三维激光点云智能拼接方法

由于三维激光点云拼接中对点云数据拼接有效点数量不足,导致拼接的效果不好,提出一种复杂曲面三维激光点云智能拼接方法,在ISS特征提取算法中加入邻域半约束改进策略,进行点云数据特征提取,同时对两片点云的拼接进行坐标系转换,得到三维激光点云数据拼接模型。采用粒子群算法对模型进行求解,获取变换矩阵的全局最优解,将得到变换矩阵应用于模型中,进而完成复杂曲面三维激光点云智能拼接。仿真实验结果表明,所提方法能够有效降低三维激光点云智能拼接点的距离误差,保持在0.022 mm以内,拼接速度达到5 ms/个,拼接有效点数目最高达到了145个。     

基于三维激光雷达技术的输电线路廊道障碍物检测研究

传统的输电线路人工巡检方式存在效率低、代价高等问题,文中基于三维激光雷达技术,利用无人机设计并开发了一套具有较高自动化程度的输电线路廊道障碍物检测方案。该方案能够借助点云数据的预处理、分类提取和测量距离的阈值比较,检测与判断输电线路及周边障碍物的安全距离。测试和分析结果表明,该方案能够较为准确地测量和判断障碍物与输电线路的距离,并能够减少传统人工巡检的损耗,为输电线路廊道障碍物的检测提供帮助。     

基于局部熵的点云精简算法

针对目前流行的三维物体激光扫描仪获取的点云数据量大,冗余度高等问题,提出一种基于信息熵的点云精简算法。首先,定义数据点的曲率、点到邻域点重心的距离、点到邻域点的平均距离的倒数,三者乘积为权值积;然后,使用K-means聚类算法划分点云数据,根据类内估计曲率差值区分特征区域与非特征区域;最后,针对特征区域,利用提出的精简方法精简点云。实验结果表明,该方法计算相对简单,能够有效避免孔洞现象,同时,更好地保留了点云数据的原始物理特征。     

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。     

三维散乱点云模型的特征点检测

随着三维点云模型越来越受到人们的关注,如何对数据量大,无序的三维点云模型进行特征点检测也是近几年的研究热点。本文提出了基于曲率和密度的特征点检测算法,为每个数据点定义一个特征参数,这个参数由三部分组成:点到邻居点的平均距离;点的法向与邻居点法向夹角的和;数据点曲率。然后通过八叉树方法计算模型的数据点密度,将这个密度作为阈值,特征参数大于阈值的点就是检测到的特征点。本文计算时,检测模型的特征点只需用到三维点云模型的几何特征,如数据点法向,曲率和邻居点。实例验证本算法可准确地检测出散乱数据点云的特征点。      

基于压缩感知的三维人体点云的压缩及重建

经过激光扫描得到的三维人体点云数据量庞大,给模型的存储和传输带来困难,影响了其在体域网中的应用。针对这一问题,将压缩感知理论应用于人体点云模型的压缩与重建中。在压缩之前使用改进的三维栅格法做点云精简,针对人体点云的特点对数据进行分块稀疏变换,利用正交匹配追踪算法重建原始模型。最终实验重建误差约为 ,证实了该算法的有效性和可行性。     

自主移动机器人微型激光雷达点云数据滤波研究

由于自主移动机器人微型激光雷达点云数据采集过程存在多种外界因素的干扰，导致采集到的点云数据中含有大量噪声，为此设计提出自主移动机器人微型激光雷达点云数据滤波方法。采集自主移动机器人微型激光雷达采集点云数据，利用噪声分离算法和改进的三维中值修复对点云数据进行优化。根据精简移动最小二乘法构建微型激光雷达点云数据滤波模型，将经过优化的点云数据输入该模型中，实现微型激光雷达点云数据滤波。实验结果表明，所提方法的点云数据滤波误差低，实际应用效果更好。     

基于先验信息采样一致性的点云柱面分割方法北大核心CSCD

针对点云数据在进行模型分割中存在高比例外点数据的问题,文章提出一种先验信息采样一致性的三维点云柱面分割方法。该方法首先根据三维点云数据的先验信息计算每个数据点的初始内点概率,选择概率最高的两个样本点作为初始样本子集拟合出初始模型;然后利用几何约束对模型进行预检验,并利用界限损失函数对预检验通过的模型进行模型质量判断,更新最优模型;最后通过贝叶斯定理来更新样本点的内点概率,进行下一次迭代,不断地优化内点集,得出最优模型。实验结果表明本方法相比于传统方法在时间效率上有很大提升。     

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。     

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...     

浅析基于云模型的智能输电线路监测系统

作为电力系统的重要组成部分之一,输电线路是电网安全运行的基本保证,输电线路的安全及其可靠运行对电力系统有着非常重要的意义,本文主要对基于云模型的智能输电线路监测系统进行分析。     

基于机器人与激光传感器的点云快速拼接

三维激光扫描技术作为一种快速获取物体表面模型的技术,具有采集速度快,无需接触测量目标等优势。介绍了一种工业机器人结合三维激光扫描获取点云数据的系统的搭建方法,通过激光器获取得到点云数据,然后利用机器人给出的四元数得到两组点云之间的刚体变换关系使两组点云数据统一到相同的坐标系下,完成点云数据的快速拼接,方法简单快速,不受被扫描物形状大小的限制,可实现被测物的快速扫描及点云数据的快速拼接。