基于深度图像与分水岭的平面点云分割方法

根据目前点云数据分割的研究现状以及分水岭算法在图像处理中的应用,提出一种基于深度图像和分水岭算法的建筑物平面点云分割方法.该方法首先将平面点云数据生成深度图像并给像素赋予灰度值,再使用双边滤波算法进行滤波去噪,然后使用分水岭算法进行图像分割,得到分割结果后索引回原始点云数据,得到点云分割结果.为验证方法的可靠性与准确性,利用区域增长法、RANSAC算法以及欧式聚类法进行对比实验.通过对实验结果的对比分析,能有效地将不同点云面片分割出来,并且具有良好的准确度和完整度,分割结果质量较高,为点云的分割提供了新的思路与方法.     

面向点云数据的复杂几何模型对象优化方法研究

针对高精度、高保真的点云数据在精简后点云数据重构网格精度降低误差增大的问题,提出了面向点云数据的复杂几何模型对象优化方法.首先通过空间八叉树法建立点云数据和网格的拓扑关系,并利用原始点云到重构网格的距离确定网格的误差,以目标精度为阈值,然后利用增点法对面片进行划分,最后根据插入点算法重新定位插入点.实验验证表明：利用该文方法对兔子和龙进行一次细分使得精简率90%兔子重构网格误差由0.81 mm提升到0.48 mm,精简率90%龙重构网格误差由0.36 mm提升到0.11 mm.     

反求工程中散乱点云数据的自动分割与曲面重构

提出了一种在反求工程中对散乱点云数据进行自动分割与曲面模型重构的方法．建立了散乱点云数据之间的拓扑信息，对点云数据进行三角剖分重构网格曲面模型．基于网格曲面求解点云数据的曲率极值，提取边界点云，进一步拟合成边界曲线．利用边界曲线将整个点云自动分割，每一片点云采用二次曲面或自由曲面进行拟合，对于二次曲面可以根据参数自动确定曲面类型，最终得到完整的CAD模型．用一个鞋跟模型的实例证明了该方法的有效性．     

非一致性稀疏采样的LiDAR点云压缩方法

针对自动驾驶车载LiDAR点云,提出一种基于形态学分割和非一致性稀疏采样的点云有损压缩框架.将LiDAR点云分割为地面和非地面点云两部分,对两者进行不同强度的去冗余稀疏采样;然后将3D数据转换为2D形式的距离图像,并结合占据图和Morton排序,将点云表示为更加紧凑的1维距离向量形式;最后利用图像编码方法进一步压缩点云.实验结果表明,本文方法压缩性能明显优于现有算法,可达到更高的重建质量.     

基于移动平台的激光点云与数字影像融合方法

车载激光扫描系统集成多种传感器,可以在获取三维激光点云数据的同时获取相应的光学影像,融合处理激光点云和光学影像能实现城市场景的真彩色三维可视化.本文讨论如何在车载系统的基础上对纹理的采集,纹理的重建进行研究和改进.分析了采集平台、采集的原则,建立了激光点云与数字影像的映射关系,生成彩色激光点云,重点阐述原始彩色激光点云...     

基于网格单元的点云降维处理算法

针对激光雷达采集数据时,由于会受到外界的干扰因素、扫描精度等负面影响,会使采集到的点云数据空间密度相差较大、存在着很大的噪声和孔洞,使得分析结果不能直接描绘实际物体的模型的问题,本文研究设计了一种基于二进制占网格的点云数据处理算法。首先将分割完成后的点云采用二进制网格的方式聚类进行降维处理,再将点云映射到网格单元中实现不同物体点云的快速聚集。最后,基于寻找出的点云主方向旋转点云从而.建立紧致随动的障碍物包围盒。通过实验验证,该方法能够在保证聚类精度的同时提高运算速度,其建立包围盒能够准确地反映障碍物的尺寸,具有良好的实时性与随动性,对移动机械臂自主避障提供了可靠的信息。     

自适应法向量约束的工件分割方法

针对目前对工件点云分割中出现的过分割、欠分割等问题,提出一种结合欧式聚类和自适应法向量约束的工件分割方法.首先对采集到的点云进行体素滤波,使用随机采样一致性(random sample consensus,RNASAC)算法滤除背景并通过统计滤波器去除噪点,接着利用欧式聚类算法将目标点云划分成点云簇,最后针对点云簇中含...     

三江源区高寒草甸退化与水塔功能的关系

为便于利用空区探测系统(CMS)采集的采空区点云数据,在三维重建之前对点云数据进行精简是一个必要的环节,提出了一种基于切片的采空区点云数据精简方法.根据采空区点云数据采集的原理,将采空区理想化处理,分析扫描角、扫描线间距及扫描点水平距离之间的关系,据此确定切片间距阈值.将最近点投影到切片上拟合成曲线,结合改进后的偏角法对曲线进行采样精简处理,并以实例证明该方法的有效性.     

基于车载激光点云的道路几何信息自动化提取

为了高效地进行道路设施信息采集与数字化建模，利用车载激光点云数据构建了一种自动化提取道路几何信息的方法框架。针对激光数据的无序性和冗余性，通过网格降采样和半径滤波精简点云规模、去除噪音点；通过栅格单元划分进行点云组织和索引，合理利用点云的空间局部性、缩减运算规模；利用道路要素在高程上的层次性与路面结构的连续性、光滑性，设计了高程滤波、基于主成分分析框架的局部法向量滤波、DBSCAN聚类等方法，实现从原始点云到路面点云的精确分割；利用采集车辆的行驶轨迹信息获取道路走向，利用其方向向量与法向量进行道路横截面的划分；切取横截面后投影至二维平面，并通过滑动窗口、最小二乘等算法提取道路宽度与平纵横参数。通过提取算法与人工测量的结果对比，在复杂街区和郊区公路两个实验数据集，点云分割准确性均超过87%，完整性均超过97%，提取质量均超过86%，几何信息的平均相对误差较小，说明算法具有良好的提取质量。有限算力条件下，两个数据集中点云处理时间分别是6.864与10.078 s/km，几何信息提取时间分别是1.732和0.843 s/km。提出的方法能够很好的兼顾提取效率与精度，在复杂街区和郊区公路环境下...     

反求工程中散乱点云的数据预处理技术

提出了一种基于散乱点云的数据预处理方法.该方法包括四个部分:对散乱点云进行Dirichlet域分割并在此基础上进行三角剖分;在各个三角域中寻找中心点,以其为原点建立局部坐标系并采用正态分布模型进行噪声点删除;利用在三角网格上构建B-B曲面进行数据平滑处理;对漏测的数据点进行补全处理.数据点经过上述处理后能基本满足后续的曲面曲线的重构要求.     

云密切度判定法及其在分水岭分割中的应用

针对传统的云模型在进行概念提升时,对什么样的子云适合进行合并没有给出一个简便有效的方法问题,提出了云密切度的概念,同时从云模型相对距离和交叉部分大小的角度进行了定义,形成云密切度判定方法;将使用该判定方法的云综合算法应用于图像分水岭分割算法中,成功解决后者易产生过分割的问题。选择两组医学图像进行分割实验,结果表明改进的分水岭算法获得了良好的分割效果,同时验证了云密切度判定方法的实用性。     

一种基于车载激光扫描点云数据的单株行道树信息提取方法

提出了一种基于分层网格点密度的单株树信息提取方法,从车载激光扫描点云数据中提取出组成单株行道树的激光点,并计算树高、冠幅等特征信息.该方法由建立规则网格,基于高程的点云分层,逐层计算网格点密度,逐层提取激光点,提取单株行道树和计算特征等步骤构成.通过实例证明,提取结果较好地保留了组成单株行道树的激光点,并能较准确地计算特征信息.该方法拓展了车载激光扫描系统的应用领域,并可为城市绿化管理提供新的技术方法.     

基于改进随机抽样一致的点云分割算法

随着三维点云数据模型在三维建模、测绘、智能城市以及机器视觉等领域的应用,点云数据处理也成为一个研究热点。点云分割就是将三维空间中点云通过一系列算法,将散乱的点云数据划分成更为连贯的子集的过程,可以为后续的数据分析提供数据基础。针对随机抽样一致算法(random sample consensus, RANSAC)对杂乱、无规则点云数据分割效果不佳的问题,提出一种改进的RANSAC点云分割算法。该算法通过构建Kd(K-dimensional)树,利用半径空间密度重新定义初始点的选取方式,进行多次迭代来剔除无特征点,在实现点云分割的同时可以有效去除噪声点;此外,该算法重新设定判断准则,优化面片合并,可以实现点云的精确分割。实验通过对散乱点云数据进行分割,结果表明该改进RANSAC算法的点云特征提取数据量较大,面片分割的准确性较高,是一种有效的点云分割算法。     

一种用于激光雷达识别车道标线算法

利用点云数据空间分布特征和回波强度信息,结合局部均值变点统计方法,提出了一种用于激光雷达数据帧的车道标线识别算法。该算法首先基于车载激光雷达采集的道路周围环境点云数据中高程信息进行滤波,确定可行驶区域。然后利用局部均值变点统计对可行驶区域点云数据中的回波强度值进行标记提取,即车道标线点云数据粗提取。最后基于EM(最大期望)方法聚类,从而完整、准确地识别车道标线。实验结果表明,该算法不仅能够准确定位可行驶区域,进而可以实现车道标线的自动提取;而且有效抑制了道路周围环境对车道标线识别的干扰,验证了算法的有效性。     

基于单目视觉测量的数字化人体模型重建

针对一套基于单目视觉的双扫描头人体扫描系统所获取的三雏原始点云数据,提出一种人体曲面模型重建方法.该方法首先将获取的扫描线点云构造为切片数据的形式.将人体数据分割为肩头部、躯干、左右手臂及左右腿6个部分,并对点云中的孔洞进行了填补;通过相邻轮廓线同步前进法构建连接人体相邻截面的三角网格,并对分割后的几个部分进行拼接得到人体曲面模型.所建立的模型为后续进行虚拟试穿等提供了前提.     

基于超体素的LiDAR点云粘连目标分割算法

针对点云地物分割结果中存在的粘连现象,结合三维点云的空间分布和颜色信息,引入过分割方法将点云集划分为超体素,并构建加权图模型。在此基础上,利用归一化分割方法实现点云粘连区域的目标分割。针对树木、建筑物的实验结果表明,该方法对树木之间、树木与建筑物之间的粘连具有良好的分类效果。     

基于包围盒法的散乱点云数据的曲率精简

采用非接触式扫描方法测量工件,能够获得高密集度的点云数据,但是过多的点云数据会严重影响曲面重构的光顺性.因此,精简点云数据成为逆向工程中相当重要的一环.提出了直接根据曲率变化精简点云的方法,对邻域搜索、曲率估算和曲率精简原则等进行了研究.对传统的邻域搜索方法进行了改进,采用包围盒法分割曲面,提高了点云精简的效率和精度.     

改进的布料模拟算法在多波束点云粗差剔除中的应用

针对目前多波束滤波需要人工剔除的现状,在布料模拟滤波算法（cloth simulation filtering,CSF）基础上,提出了一种基于点云分割和自适应参数调整改进的CSF算法。先对多波束点云数据进行分割,然后根据点云数据的面积和标准差调整每块CSF算法的参数,再构建布料滤波模型剔除粗差点,最终将分割后的点云拼接生成水下地形点云数据。结果表明,本文算法与CSF算法相比,克服了过度滤波现象,而且对于不同地区与人工方法粗差点剔除比分别从1.03下降到1.01和从1.46下降到1.19;与人工剔除粗差相比,避免了遗漏粗差点,人工干预很少。     

基于网格的三维彩色点云分割算法

提出了一种基于HSV颜色空间的区域增长算法,利用统计方法得到区域增长的种子点和各点对应的分割阈值,使用网格信息寻找种子点的邻近点集,并综合考虑点云在HSV颜色空间中H分量的相近程度划分点云区域.试验表明,所提出的算法分割较精确,不容易产生过分割的情况.     

顾及树木的城市三维建模及其在太阳能潜力评价中的应用

城市高大建筑与树木的阴影会影响周围相对低矮建筑能接受到的实际太阳直射辐射能的大小,建筑与树木的精确三维建模与描述是建筑物尺度太阳能资源潜力评价的难点之一.基于LiDAR点云数据和QuickBird影像数据,对城市地区的建筑物和树木进行了三维建模;再借助改进的容斥原理计算某时刻树木和建筑物的阴影面积;利用遥感手段反演逐时地表太阳辐照度;结合反演结果及光照面积,计算建筑物屋顶和墙面最终可获得的太阳辐射能;以南京市某建筑群为例,对所提出方法进行了应用.结果表明,本文提出的三维建模与阴影遮挡计算方法可较好地反应某建筑所能接受到的太阳辐射能.该结果可为太阳能相关设备的选择、安放以及建筑物能耗测算提供基础数据支持.