激光雷达点云数据的滤波算法述评

机载激光雷达是一种快速获取高精度三维地理数据的新技术,对它所获取的点云数据的滤波过程就是将LIDAR点云数据中的地面点和非地面点分离的过程。主要对数学形态学的滤波算法、基于坡度的滤波法、基于TIN的LIDAR点云过滤算法、基于伪扫描线的滤波算法、基于多分辨率方向预测的LIDAR点云滤波方法等几种较为重要且实用的激光雷达点云数据滤波算法进行介绍和讨论,评价对比了各自算法的优势和不足,初步探讨了每种算法缺陷及其改进方向。     

基于像素插值的改进PMVS稠密重建方法

针对纹理稀疏区域重建效果差的问题,本文提出一种基于像素插值的改进稠密重建算法.基于面片的多视图稠密重建方法（PMVS）能够自动忽略外部点和障碍点,相比较于其他三维稠密重建算法该算法更准确,简单,高效.但是在纹理稀疏的区域会出现孔洞残缺等问题,且现有的匹配候选点选取策略会使得局部细节失真边缘残缺.本文针对这些问题提出了一种基于像素插值的特征点选取方法,增加纹理稀疏区域的特征点,使特征点分布均匀,提出一种更合理的候选点选取策略,减少错误匹配.实验表明本文提出的方法不仅能保证纹理稀疏区域的重建效果,还能有效剔除误匹配点,提高重建精度.     

邻域自适应的三维点云滤波算法

针对现有的点云滤波算法存在的精度丢失和收缩的不足,提出邻域自适应选择的算法,有效地改善了点云滤波中丢失精度的问题.算法首先针对原始点和均值点滤波出现的收缩问题,提出混合增采样策略.其次采用邻域自适应选择保持特征部分的滤波精度.最后定义每个采样点以对应的似然函数,并按照其梯度方向进行迭代,通过最大似然估计得到最优滤波结果...     

基于布料模拟滤波和随机森林的点云分类算法

提出了基于布料模拟滤波和随机森林的点云分类的方法。通过布料模拟滤波生成的地面点云进行高程值归一化,可以削减地形变化对点云分类精度的影响。对比未归一化结果,分类精度有30%的提升。把点云信息与遥感光谱信息融合进一步提高分类精度,对比其他分类结果有3%到5%的提升。     

一种基于遮罩的稀疏点云滤波算法

基于图像的三维重建硬件约束小、成本低、灵活度高,在实际中得到广泛应用,但物体各部分之间存在遮挡,导致由图像生成的三维点云数据稀疏和密度不均等问题,一直是处理的难点和热点.文中提出一种基于遮罩的稀疏点云滤波算法.首先计算点云的包围盒,并在包围盒中根据点云的稀疏度自适应地划分栅格;其次,利用深度优先搜索,递归求出所有由栅格...     

机载三维激光成像系统点云数据滤波与地面点提取算法研究

使用原始的las标准格式的雷达数据,首先根据激光的回波次数和反射强度信息进行滤波,经过初步滤波之后根据角度限制法则和窗口移动法进行地面点提取工作,使用Delphi编程语言实现了该算法,并使用不同的阈值对不同的数据进行了结果的对比。     

采用密度k-means和改进双边滤波的点云自适应去噪算法

采用相移结构光测量系统得到的三维点云,不可避免存在噪声.通过密度k均值(k-means)聚类算法将点云分为大尺度噪声点和小尺度噪声点,设定邻域大小以及点的数量来去除孤立噪声点;使用类内距离和类间距离的比值作为评价函数,得到最佳聚类数去除小片噪声点云;对于混杂在真实点云中的小尺度噪声点,采用鲁棒性更强的改进型双边滤波器进行点云光顺.实验验证表明:采用基于密度k-means和改进双边滤波结合的点云去噪算法可以有效去除各类噪声点,保持点云特征,相比平均曲率算法和基于特征选择的双边滤波算法,去噪效率分别提高了24％和16％.     

双约束条件下PMVS的改进算法

PMVS(patch-based multi-view stereo)算法以其良好的表现,在多视立体领域得到广泛应用。然而,算法存在重建模型细节丢失与重建点位置不够精确的问题,这种情况在输入图片较少,重建场景纹理不明显时尤为严重。针对这些不足,对去除候选误匹配点及对种子点置信度的排序进行了研究:引入USAC(UniversalRANSAC)去除候选误匹配点方法;提出双约束条件策略,筛选出候选空间点中置信度较高的点作为种子点。重建模型细节与原物体的契合度有了很大提高,纹理较少模型的重建点云数明显增加,漏洞也明显减少。通过在真实数据集上的实验,验证了改进算法具有更强的有效性和实用性。     

基于坡度滤波的无人机测绘点云特征提取与滤波分类研究

为提高无人机测绘点云数据的质量与利用率,利用坡度滤波技术优化设计无人机测绘点云特征提取与滤波分类方法。利用硬件设备获取无人机测绘点云数据,通过粗配准和精准配准两个步骤,实现对初始点云数据的配准工作。通过对无人机测绘点云数据的滤波处理,降低初始数据中的干扰项。利用坡度滤波技术提取无人机测绘点云数据的地形、纹理、形状等特征,根据特征相似度的计算结果,完成测绘点云的滤波分类。通过性能测试实验得出结论:与传统方法相比,优化设计方法得出点云数据的信噪比提高41.22,特征提取占比所有提升、冗余度得到明显降低,分类查全率和查准率分别提高了1.25%和2.1%。     

一种有序点云快速去飞点算法

在结构光高精度测量与生产线自动化结合的过程中往往要求实时性。为了有效提取测量物体的点云信息以及提高运算效率,利用面阵相机与投影仪像素点有序的特性,提出一种针对有序点云的快速去飞点算法。首先,根据点云数据估计投影矩阵,通过估计的投影矩阵把点云投影到一个像平面,然后基于滑动窗口把像平面上的每一个点最近邻搜索k个临近点,最后根据概率阈值并行地统计分析某点的k邻近点,符合条件的作为飞点去除。该算法易于工程实现,简单有效。实验结果表明,该算法具有良好的点云滤波效果和计算效率。在一定条件下可以达到工业化测量的精度和速度要求。     

一种基于Spark的改进协同过滤算法研究

为提高协同过滤算法在大数据环境下的可扩展性以及在高维稀疏数据下的推荐精度,基于Spark平台实现了一种分层联合聚类协同过滤算法。利用联合聚类对数据集进行稀疏性处理并构建聚类模型,运用层次分析模型并结合评分密集度分析联合聚类模型中用户和项目潜在类别权重,由此进行项目相似度计算并构建项目最近邻居集合,完成在线推荐。通过在GroupLens提供的不同规模MovieLens数据集上实验表明,改进后的算法能够明显提高推荐的准确度,并且在分布式环境下具有良好的推荐效率和可扩展性。     

特征保留的点云数据自适应精简算法

提出一种特征保留的点云数据自适应精简算法。该算法首先构造散乱点云数据的局部拓扑信息,通过一种改进的二次栅格法快速建立K邻域,由此估算点的邻域弯曲度,再进行分类。算法在保留特征点后对其余点应用自适应精简距离进行阈值精简,故算法不仅可以完整保存实物模型整体轮廓,而且能够最大限度地保证模型区域特征。数值实验结果表明,该算法能够得到不错的精简效果,且具有较小的计算时间复杂度。     

基于组合相似度的优化协同过滤算法

协同过滤算法是个性化推荐系统中应用最广泛的一种推荐技术。随着用户数量和项目数量的增加,数据的稀疏性成为影响推荐质量的重要因素。为此,将传统相似度指标修正余弦相似性、Pearson相似度,与结构相似度指标Jaccard系数、Salton系数、IUF系数进行组合,提出6种组合相似度。在Movie Lens上的实验表明,基于组合相似度的优化协同过滤算法在平均绝对偏差MAE、均方根误差RMSE、召回率、覆盖率和确率等性能上都有了较大提高,提高了推荐质量。     

基于兴趣相似度传递的增强LSH统计预测算法

随着在线用户和物品数量的不断增长,有必要通过追踪和筛选历史数据,为用户提供机制可参考的决策建议。构建统计预测算法是实现启发式预测用户兴趣的有效机制。因此,在充分利用用户自身历史偏好和潜在偏好的前提下,提出兴趣相似度传递思想,分析用户的社交关联强度,计算用户的邻近社交兴趣和选择趋向特征,设计并实现了可扩展的局部敏感哈希(Improved Local Sensitivity Hashing,ILSH)统计预测算法。实验表明,该算法在有利于相似度计算量剧增的背景下,在提高兴趣预测的准确性和可靠性方面优于其他近似算法。     

基于点云建模技术的导盲系统设计

基于激光扫描的三维建模技术是机器视觉研究领域的重要课题,在许多学科领域都有重要的理论和实用价值;传统的导盲系统主要分为两种类型,视觉辅助型系统和视觉替代型,这两种类型的导盲系统都存在过多依赖外界环境,如光照、距离、湿度、温度等,受客观条件影响较多;因此,提出基于激光建模技术的导盲系统,通过激光扫描仪采集路面的点云和纹理信息;运用修补算法和预处理算法,完善和简化点云信息,在可视化平台实时生成三维路况;微处理器S3C2440从经过处理的点云数据提取特征变量进行实时处理,对危险的路况进行语音报警;实验结果表明,外界环境对设计的干扰性较小,系统反馈平均耗时0.8s,具有一定的应用价值.     

基于高斯似然估计因子分析的点云配准算法

为解决三维点云数据在白噪声、数据不对应的情况下的配准问题,提出基于高斯似然估计因子分析的点云配准算法。采用因子分析法对点云数据进行表示,利用极大似然估计的方法求得因子载荷矩阵,从而完成对带噪声点云的配准。仿真实验表明,与CDP算法和Go-ICP算法相比,该算法不会陷入局部最小值,在快速精确配准和稳定性方面具有良好的鲁棒性。     

改进的基于稀疏表示的图像超分辨率重建算法

为改善单帧退化图像的分辨率,提出一种改进的基于超完备字典的图像超分辨率稀疏重构算法。该算法主要在字典训练过程中引入联合训练的思想以确保高、低分辨率图像块在其对应的过完备字典上具有相同的表示系数,并在图像重建过程中,利用迭代反投影加强全局重建约束。实验表明,与现有的几类算法相比较,该算法的重建图像无论在峰值信噪比还是结构相似性上均有明显提高。并且可应用于单帧模糊图像的超分辨率重建,有效地提高了图像的分辨率。     

一种基于Rough集理论的数据过滤方法

Ｒｏｕｔｈ集理论是一种处理不确定模糊知识的重要工具,在对Ｒｏｕｇｈ集理论进行深入研究的基础上,提出了一种基于Ｒｏｕｇｈ集理论的这滤算法。该处 工硒思想是基于Ｐ－确定的等价类的合并,算法直观,计算简便,理论和实验表明,该算法能够减低信息系统中信息的粒度,在保持规则近似质量不变的前提下,有效地提高规则的统计意义和预测强度。     

一种改进的模糊-统计混合聚类算法研究

本文对模糊-统计混合聚类算法进行了研究。在Woodbury算法的基础上,对似然函数和目标泛函数进行改进。研究表明,改进的算法比Woodbury算法在聚类分析时明显减少迭代次数,从而加快了收敛速度。     

基于改进遗传算法的医学图片颜色迁移及重构

为了得到有效和符合真实人体器官组织的彩色仿真图片,通过灰色MRI切片和真彩图像的亮度及纹理的适应度的搜索取优而实现灰度MRI切片的颜色迁移。着重研究将改进遗传算法与点邻域亮度纹理分布和局部颜色结构分布相结合,并应用于Welsh图像彩色化算法和比较,探索用于遗传算法的种群选择、交叉和变异、编码方式和码值渐变自适应等调整技术和方法。将点邻域分布和彩色局部分布的彩色特征通过穷举法、随机法和遗传算法进行最优彩色点搜索分析比较。最后得到的彩色化的MRI切片的三维重构模型能多层次清晰地反映器官组织的分布和构造。