车载移动测量激光点云与线阵影像融合

提出一种线阵影像数据与激光点云数据融合方法:利用组合导航数据解算点云绝对坐标的同时,也获取线阵相机的外方位元素,进而能够从线阵影像中计算查找到与点云对应的RGB值,实现点云数据与影像数据的融合。经试验证明,该技术方法在数据处理过程中无需进行同名点匹配,实现了数据融合的自动化处理,融合精度高,能够满足各种复杂情况下的移动测量要求。     

基于多源点云数据融合的单木树形重建

基于Smart3D 软件、Maptek 软件分别对无人机倾斜影像和地面三维激光点云数据进行融合处理及树木三维建模。通过点云配准、点云降噪以及坐标纠正等一系列处理, 实现了空-地多源点云数据融合技术的树木三维模型重建。基于树木三维重建模型量算的树高、胸径、胸高断面积等几何参数与地面实测的树木参数精度高达99. 7%、97. 8%和94. 1%, 说明基于不同来源的点云数据的树木三维树型重建可以为森林或城市绿地调查提供准确高效的技术途径, 具有广阔的应用前景。     

结合SIFT和Harris算法的小型无人机影像拼接方法

考虑到小型无人机影像的成像过程具有视点离散、视角变化有规律等特点,选择拼接参考基准影像,利用无人机的GPS/IMU参数信息计算图像相交区域来减小图像匹配范围;综合利用Harris特征点提取算法和SIFT特征向量计算方法,进行特征点的提取和特征向量的计算,并用PCA算法进行降维处理;在特征匹配过程中,采用最临近(NN)方法和BBF算法提高匹配速度,应用PROSAC特征点提纯和仿射变换整体平差算法提高匹配的精度;最后利用光度对准和加权平均算法进行光度差异消除,实现了无人机影像的拼接。实验结果表明了文章中的图像拼接方法在准确性、效率方面具有优势。     

基于径向基函数神经网络的机载LiDAR点云空洞填补方法

机载LiDAR技术为地表三维数据的获取和DEM、DSM的构建提供了有利的条件. 由于建筑物和植被遮挡等原因,造成了点云的缺失,形成区域的空洞,给地表建模带来不便,需要对LiDAR点云数据进行插值处理以修复缺失的数据. 对径向基函数(RBF)神经网络构建插值模型进行了研究,利用该模型对点云中缺失的空洞区域进行修复. 通过利用一部分采样点对RBF神经网络进行学习训练,得到模型中参数的具体值,然后利用这些参数值对空洞区进行插值. 实验验证了RBF神经网络模型的有效性及插值精度.     

基于LIDAR点云数据插值方法研究

利用机载LIDAR技术可以获取高精度﹑高密度的三维坐标数据,并生成三维立体模型,构建用户感兴趣的DEM和DSM,如今需要快速高效的处理LIDAR点云数据,研究和探讨最合适的插值方法就显得特别重要,本文着重研究了不同插值算法的特点。     

基于渐进加密三角网机载LIDAR点云滤波改进算法研究

机载三维激光扫描获取的原始点云中通常包含大量的非地面点,无法直接用于制作高精度DEM.基于渐进三角网,提出了融合点云聚类及点云拓扑特征分析的滤波算法.首先对点云数据进行以区域增长算法对点云进行聚类分割;然后通过对每个聚类中的关键点进行拓扑特征分析来剔除低矮人工地物和低矮植被;最后利用关键点与三角网的位置关系判断每个聚类是否为地面点.通过对某地点云数据实验分析,过滤后的点云能较好地保持地形特征.文中以少量特征点判定聚类是否为地形数据的思想,极大减少运算量,提高效率;加入点云特征分析,提高点云滤波效果.新算法适用于海量点云数据处理,可应用于获取高精度DEM、地形测绘等领域.     

基于灰度相似性的激光点云与全景影像配准

针对传感器参数未知、环境结构特征不明显、影像数据较少等情况，提出基于灰度相似性的车载3D激光点云与全景影像自动化配准方法. 基于全景拼接算法和柱面投影原理，分别将多张单幅图片拼接为全景影像，并将3D激光点云转换为2D深度图. 基于灰度相似性原理，将全景影像和2D深度图在水平方向和垂直方向等间隔细分成区域对，沿水平方向和垂直方向移动全景影像，计算每次移动后各细分区域对之间像素灰度值之和的比值，并求解其均方差，将均方差最小时的区域移动值作为最终匹配偏移量. 根据偏移量计算得到全景影像相对3D激光点云的水平旋转角度和垂直平移距离. 实测结果表明，本研究所提算法对场景的适应性较好，平均配准误差为2个像素，而对比方法无法实现有效配准.     

LIDAR点云数据全自动滤波算法研究

提出了一种基于移动最小二乘法的点云数据全自动滤波算法,该方法首先对LIDAR点云数据进行合理分块,并建立分块网格的动态四叉树空间索引,便于数据操作和管理.对分块网格中的点云数据利用精简移动最小二乘法拟合出参考地形,将拟合得到的参考地形用于LIDAR点云高程阈值的迭代计算,将每次迭代前后高差小于阈值的点划为地面点,其余点划分为非地面点,迭代运算直至阈值满足要求为止.实验表明,精简移动二乘法效率高,计算量小,并且精度高,适合点云数据DEM(digital elevation model)拟合,利用该算法对LIDAR点云数据进行滤波的速度快、精度高,能够有效地识别地面点和非地面点,并保留地形的细节信息.     

基于无人机倾斜摄影的嘉兴老城区住宅识别

为了应对老城区房屋数据信息不足、获取不便的问题,提出利用无人机（UAV）倾斜摄影测量技术实现老城区住宅自动识别的方法. 根据老城区典型多层住宅的外立面特征,确定出阳台构造、立面朝向和房屋长宽比3个参数控制的住宅判别标准. 通过无人机摄影测量获取嘉兴研究区的密集匹配点云、数字正射影像（DOM）和数字表面模型（DSM）数据. 融合DOM及DSM数据提取单体建筑轮廓,分割出单体房屋点云. 基于RANSAC算法提取房屋立面点云并确定立面朝向,根据立面的点云空间分布判断立面长度及阳台构造. 试验表明,在研究区应用该方法识别典型住宅的准确率可以达到90%.     

基于泊松算法的徽派建筑构件点云的曲面重构

曲面重构软件存在操作复杂、交互定义太多、对输入数据要求过于严苛等问题,至今未得到广泛推广。本文选取了徽派建筑所特有的穿斗抬梁式木构架作为研究对象,提出了一套完整的从获取点云数据,到点云预处理,最后曲面重构的实现方案。首先,对所获取的点云数据进行预处理操作,包括分割和滤波;其次,直接从点云数据集中近似推断表面法线;最后,采用泊松算法进行曲面重构研究。通过对比三维软件曲面重构最后模型,结果表明文中方案更具顺滑性、时间效率更高、良好的可移植性。     

基于高分辨率点云的地理场景重建技术研究——以浑河流域模型为例

以浑河流域模型为例,介绍利用三维激光扫描仪扫描模型获取点云的外业和内业工作,合理地选择和布设测站,并在各个测站对模型进行扫描以获取点云数据,对各个测站扫描的点云进行预处理,删除多余的孤立噪声点,将不同视图的点云进行拼接与配准,最后在同一空间坐标系内进行匹配。针对整体数据匹配,分析并应用基于闭合导线条件的整体误差分配计算方法。     

基于高程—坡度包围盒的地面LiDAR点云道路提取

提出一种基于高程-坡度的包围盒增长算法,并实现从地面LiDAR点云数据中准确提取公路面点云。该算法首先提取道路地表包围盒点云数据,利用局部高程-坡度属性对点云进行去噪并提取地表点云,然后利用模糊C均值聚类算法和区域增长方法将公路面从地表点云中提取出来。采用某矿区省级公路和高速公路的地面LiDAR数据进行试验,实验结果表明:该方法可以有效地去除地表点云噪声,道路点云得到很好保留。     

基于SFM地形测量多尺度河工模型结构变化研究

水沙运动造成的河床冲淤演变是自然界普遍存在的现象,常造成河道淤积、河岸变形、海岸后退、水库淤积库容减少等实际工程问题,其与水利工程的设计、建设和运行紧密相关。研究精确、高效的河床三维地形测量方法并分析冲淤量变化,对河工模型试验及实际工程应用具有重要意义。本文开展不同水流条件下的推移质输沙试验,基于SFM(Structure from Motion)方法,对动床床面冲淤前后分别进行三维地形重构,获取地形稠密点云。在此基础上,插入相同控制点获取实际地形三维坐标,并将三维点云坐标内插值在床面网格上,冲淤前后相减以精确获取整个动床床面冲淤变化。本文对应用SFM测量河床地形所涉及的拍摄方法、控制点选取、河道区域网格化及插值方法进行了介绍并总结了关键技术方法。研究结果表明：（1）通过SFM方法,首先通过对有无块状模型的棋盘格进行体积计算,验证本方法相对误差小于4%。（2）将SFM方法计算所得水槽试验冲淤量与实际称量值对比,其结果值相对误差小于5%。（3）本方法应用于大型河工物理模型试验时,其河床冲淤量计算相对误差小于10%。以上研究结果表明,该方法可应用于水槽试验和河床物理模型试验,能够快速高效重构冲刷前后河床三维地形,具有较高精度,为研究河床冲淤变化及水利模型试验开展提供新的思路和参考。     

一种基于分布式并行模型的海量机载LiDAR点云数据快速滤波方法

机载LiDAR点云数据是遥感大数据的重要组成部分,基于单机的处理算法已经无法满足海量点云数据处理的要求.首先,针对现有单机多级移动曲面拟合滤波算法存在粗差和拟合曲面精度不高的问题,提出适合海量机载LiDAR点云数据滤波的多级多窗口移动曲面拟合滤波算法(WHMCFA);其次,设计并实现基于MapReduce的PWHMCF...     

散乱点云切片数据快速获取与优化

为快速准确地获取散乱点云切片数据,以较少数据准确表达模型型面特征,提出一种散乱点云切片数据获取及优化算法.该算法基于散乱点云动态索引实现切片数据快速获取,对所获切片数据建立极坐标系,分别基于极角阈值与极径阈值实现切片数据区域划分与轮廓分离.通过依次连接各区域相同轮廓数据形心实现切片数据的精简与排序,生成精确有序的单轮廓或多轮廓切片数据.实例证明,该算法可应用于各种复杂散乱点云的切片数据快速、精确获取与优化处理,对有效提高参数曲线、曲面重构效率与精度具有重要意义.     

顾及空间关系的3D LiDAR铁路支持装置自动提取

为了提高不同类型支持装置在不同场景中的提取可靠性及精度,提出顾及空间关系的3D LiDAR支持装置自动提取算法. 通过对GNSS轨迹点抽稀处理获取关键轨迹点,对原始数据进行分层、分块处理,获取原始点云支柱,支持装置数据区域. 通过邻域搜索获取支柱中心点,依据其与轨迹点和支持装置搜索层的空间关系构建空间索引. 以该索引为驱动实现支持装置的初提取,获取含有接触线的支持装置,引入柱状搜索、参数化投影滤波的方式滤除接触线点云,实现提取结果的优化. 经过测试可知,该算法对提取支持装置的MIoU均超过93%,Dice系数均超过94%,可以兼顾多类型支持装置,具有较强的鲁棒性和应用价值.     

一种新的基于地面激光雷达数据正射影像图制作方法

针对古建筑群建筑物密集,空间狭窄,遮挡较严重地情况,提出了一种新的基于地面激光雷达数据制作古建筑正射影像的方法.该方法是基于地面激光雷达获取的点云数据和数码影像,根据影像定向理论和现有的软件提出的一种新的技术流程.实验证明该技术流程制作工序简单,提高了效率,结果能够满足精度要求,具有一定的现实意义,能够应用于工程.     

基于散乱点云的疵点去除与体积积分算法研究

针对目前处理大量散乱点云数据体积计算算法效率低下且时间较长的情况,提出了一种基于散乱点云数据的高效率体积计算算法.此算法对散乱的点云数据进行三角剖分,利用最小二乘法计算三角面片的各个顶点与其法向量,根据法向量进行疵点去除及方向调整,再将三角面片投影形成的凸五面体分割成两个三棱锥和一个三棱柱,最后积分计算出各分割体的体积...     

激光雷达点云数据截面提取计算方法研究

通过激光雷达获得的散乱点云,通常无法直接应用于实际工作.文中研究了激光雷达点云的可视化以及点云数据交互式计算快速截取近似断面的方法,利用八叉树遍历进行点云选择,通过框选多边形生成近似横截面,并进行顶点拾取和测量.通过对某地点云数据实验,得到的横截面可以较好地反映地形变化,甚至可以显示出植被在该截面上的分布形态.文中方法通过建立三维点云的索引关系,减少了交互中的计算量,提高了点云交互的效率,适用于大数据量三维点云的处理,可应用于地形测绘、电力勘察设计等领域.     

利用地面固定站获取的建筑物激光点云去噪方法

分析了地面固定站获取的建筑物激光点云特点,提出了建筑物激光点云噪声的3种形态,并针对不同形态噪声数据,采用可视化人工交互方式和利用点云模型的双边滤波算法构造双边滤波器进行综合处理。实验证明,该方法可以有效去除建筑物外立面点云噪声数据。