TerraScan在LiDAR点云滤波中的应用研究

简要介绍了机载LiDAR的发展现状,从原始LiDAR点云中滤波出真实的地面点是生成DEM和其他数字产品的基础和关键。TerraScan是一种机载LiDAR点云滤波商业软件,对其滤波算法进行了详细分析,利用山地、丘陵地和平地3种不同地形的LiDAR数据,通过设置不同参数进行滤波试验。试验结果表明,其对平坦地区和城区有较好的滤波效果,但对地形变化较大的复杂山区滤波效果不够理想,有待进一步完善。     

针对LIDAR点云中的地面点与非地面点的分离

提出一种基于坡度的伪扫描线点云数据滤波算法.该算法可以避免滤波前的预处理过程,且能够保证每条伪扫描线首个判断点的属性为地面点.此外,通过移动窗口曲面拟合滤波方法再次进行调整,以避免同一地形在两相邻伪扫描线间可能存在的不吻合.实验验证了组合算法的有效性.     

一种基于曲率极值法的LiDAR点云特征提取算法

针对地面LiDAR（1ightdetectionandranging）技术在三维数据采集过程中无法体现人的主观判别能力、采样数据存在大量冗余的问题,提出了一种基于曲率极值与最小生成树准则的LiDAR点云特征提取算法．通过二次曲面拟合实现对原始采样曲面的模拟与表达,估算采样表面的几何微分属性,分别基于平均曲率比较法、曲率极值法来实现特征点的初选与精选;设计并实现了一种基于最小生成树准则的特征点拓扑邻接关系的确定方法以及相应的最小生成树裁减算法,在确定特征点拓扑邻接关系的同时,依据裁减算法实现了采样地理实体表面特征的精确提取．实验证明,算法是可行、有效的,利用算法提取了LiDAR点云的特征之后,有效地增强了点云数据的表达能力,弥补了地面LiDAR技术在数据采集过程中无法体现人的主观判别能力的不足;借助于算法提取的采样地理实体表面特征来指导和约束点云数据简化过程,可在有效保留原始采样曲面重要特征的同时实现点云数据的大幅度精简．     

基于机载LiDAR数据的建筑物点云提取

LiDAR技术是快速获取地面及地物三维数据的新型测绘技术,也是近年来进行城市三维建模的一种重要手段,而对建筑物的提取是城市三维建模的重要步骤。为了从原始机载点云中有效地提取出城市建模所需要的建筑物点云,在常用机载LiDAR滤波与点云分类思想的基础上,提出了结合面积与斜率两特征参数的区域增长算法,实现了高大植被与建筑物点云的有效分离,完成了建筑物点云的提取。通过设定合理的面积阈值与斜率阈值,结合具体的数据通过该算法获得了较好的提取效果,最后对提取方法及效果进行了客观分析与评价。     

基于点云数据的立木树干局部曲面拟合及拓扑结构

基于海量测量点云数据加工处理的关键是通过获得点云的局部特征拓扑结构来精简数据,而其算法的效率尤为重要。本研究首先对缺乏足够几何拓扑信息的点云,建立每个数据点邻近点的几何拓扑信息,同时综合运用重构管道曲面和随机霍夫变换算法,对立木树干进行拟合。实验结果表明,其效果明显优于双三次Bezier曲面插值拟合法。然后改进求取K近邻获取拓扑信息的算法,也得到了良好的精简效果。     

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.     

一种基于偏度平衡的LiDAR点云滤波算法

在回顾现有机载LiDAR点云数据滤波算法的基础上,引入统计学偏度与峰度的概念,提出了一种新的基于偏度平衡的点云滤波算法,并重点对算法性能展开深入分析.通过对比实验得出结论：与传统滤波方法相比,该算法完全自动化的特点以及高效的运算效率具有较大的实际应用价值.     

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.     

移动最小二乘重采样在三维重建中的应用

针对地面三维激光扫描仪采集的多站点点云数据受配准精度和重叠区域的影响,经多视角对齐后生成带有大量噪声和冗余的散乱点云从而影响曲面重建的问题,提出一种基于移动最小二乘重采样的算法：计算点云的ｋ邻域,建立散乱点云的空间拓扑关系,选择合适的基函数和权函数,建立局部拟合区域的拟合函数,结合体素化网格模型实现点云的重采样,分别使用Ｃｒｕｓｔ算法和逆向工程软件ＧｅｏｍａｇｉｃＳｔｕｄｉ -ｏ对重采样的点云进行曲面重建。结果表明：该算法在保证局部细节特征清晰的基础上,能够提高模型表面的光滑性和三维重建的效率,具有很高的实用价值。     

基于法矢修正的点云数据去噪平滑算法

逆向工程数据采集点云数据的离群点和噪声点的存在,直接影响数据的多视图拼合,特征提取,数据精简以及曲面重构的质量。在对双边滤波和三边滤波算法的研究的基础上,提出了一种基于法矢修正的点云数据去噪平滑的算法。对于噪声点通过加权协方差矩阵估算点云邻域内几何特征,将具有相似几何特征的点限制在法向量相似的区域,在相似邻域内的采样点法矢和位置分别进行保特征的三边滤波。改进后的算法能够有效地滤出点云数据中的离群点和噪声点,同时保证了点云数据的尖锐及边缘特征,取得良好的去噪效果。     

基于虚拟三角网与坡度滤波的LIDAR点云数据滤波方法的研究

LIDAR(Light Detection and Ranging)技术由于其在数据获取和处理上的高度自动化,正广泛地被应用于各种地形数据的获取。LIDAR数据是目前最为理想的生产DEM的数据源,利用机载激光雷达获取DEM数据是机载激光雷达最为直接的应用。本文提出了一种将虚拟三角网与坡度滤波相结合处理LIDAR点云数据的方法,该方法将虚拟三角网的概念用于LIDAR滤波,避免了LIDAR点云内插或者平滑造成的信息损失。在虚拟三角网中进行初始地面点的选取,再由初始地面点生成的初始表面模型,通过坡度滤波可快速提取地面点。     

基于拉格朗日乘数法对曲线点云数据的光顺处理

为了避免采用多项式曲线拟合点云数据效果不佳以及采用分段曲线拟合方法在分段处不满足函数连续性和可导性的缺陷,提出了基于拉格朗日乘数法对曲线点云数据光顺处理的算法,并对该算法进行了建模、求解及实际算例验证.实例结果表明:光顺后的曲线及曲线一阶导数在全域下均连续,且光顺后的值与初始值最大偏离误差值不超过±0.1 mm,偏移幅度小于0.5%.因此,该算法拟合精度高,满足点云数据光顺处理的要求,为逆向工程中的点云数据曲线光顺处理提供了一种有效的数学算法.     

Kriging点云滤波改进算法及监测试验研究

为进一步提高三维激光扫描技术的量测精度,从优化滤波算法的角度出发,基于Kriging改进算法,考虑描述对象的空间相关性质,针对点云数据的滤波处理问题,研究点云格网化滤波的优化方法。以实际工程为依托,通过现场监测比对试验,对三维激光点云数据进行格网化处理和分析,将试验得出的变形数据与传统方法的量测数据进行对比。结果表明：基于Kriging滤波的改进算法不仅能够高效识别和提取隧道轮廓断面可视化数据,而且可以高效、准确地获得隧道变形;试验的拱顶下沉数据与传统量测数据较接近,而周边收敛数据则有一定的差异。三维激光扫描技术下的隧道变形监测在一定的环境条件下能较好地反映隧道变形的真实情况,为隧道工程的施工提供有效的安全预警。     

基于扫描线坡度统计的LiDAR滤波算法

提出一种基于扫描线坡度统计的LiDAR滤波算法,该方法根据扫描线内点间距较小、密度较大的特点,将二维滤波转化为一维滤波．在统计扫描线内相邻点间的坡度。设定阈值迭代滤除地物点基础上,采用局部参数化表面拟合进一步将精化候选地面点,用ISPRS提供的参考数据进行实施测试分析,结果表明：可有效处理大面积、复杂城区,为下一步城市...     

基于三角基曲面拟合后视镜的数学建模与仿真

针对后视镜曲面光滑度高的特点,提出采用基于三角基线性分布计算法的曲面拟合技术拟合后视镜,并给出了曲面拟合后视镜流程．首先通过测量得到后视镜的数据,然后根据数字化离散点的三维坐标及各点的法矢量．利用后视镜表面的几何特征拟合计算目标函数．利用Matlab仿真对三角基曲面拟合和最小二乘法拟合进行了比较．结果表明,采用三角基曲面拟合的曲面更光滑,可以用于后视镜拟合．通过拟合得到的曲面几何参数可以为后视镜模型设计打下基础．     

云环境下基于资源类别聚合的算法

随着云服务类型和数量不断增长,用户很难从中选择有效的云服务。为解决云环境下海量服务的个性化推荐问题,提出了一种基于类别聚合的个性化推荐算法。首先对数据存储节点上的资源进行分类;然后计算类别之间的相关性;其次寻找资源的最近邻;最后产生推荐集。通过实验数据进行验证,提出的云环境下的协同过滤算法与传统协同过滤算法相比,推荐质量和系统性能都有很大提高。     

Estimating underground mine ventilation friction factors from low density 3D data acquired by a moving LiDAR

Ventilation system analysis for underground mines has remained mostly unchanged since the Atkinson method was made popular by Mc Elroy in 1935. Data available to ventilation technicians and engineers is typically limited to the quantity of air moving through any given heading. Because computer-aided modelling, simulation, and ventilation system design tools have improved, it is now important to ensure that developed models have the most accurate information possible. This paper presents a new technique for estimating underground drift friction factors that works by processing 3 D point cloud data obtained by using a mobile Li DAR. Presented are field results that compare the proposed approach with previously published algorithms, as well as with manually acquired measurements.