三维激光扫描点云数据预处理技术研究

近年来,三维激光扫描技术在医学、工业、土木工程领域有着广泛的应用前景,三维激光扫描点云数据预处理技术也成为研究的热点。本文主要从云去噪与平滑、点云配准和点云精简三个重要环节讨论了点云数据的预处理技术过程。     

点云数据滤波方法综述

本文介绍了点云滤波的基本原理,对异常点检测问题的特点、分类及应用领域进行了阐述,同时对异常点检测的各种算法进行了分类研究与深入分析,最后指出异常点检测今后的研究方向。     

混合滤波与改进双边滤波的点云去噪算法

激光扫描获取的曲面零件点云中包含的噪声点将影响零件的曲面拟合精度.提出了一种根据噪声分类分步降噪及光顺方法,利用kd tree结合K-means聚类算法去除离群点噪声,引入采样点曲率改进双边滤波因子,对非离群点噪声进行光顺.利用该方法对液力变矩器导轮叶片点云进行去噪,并与利用三坐标测量机接触式测量获得的叶片局部测量结果配准比较.实验结果表明,70%以上的接触式扫描测量点与利用本文方法去噪后的叶片点云之间的偏差在±10μm之间.表明该方法可以很好地保留扫描物体的几何特征,获得的点云模型能够满足后续模型重建的精度要求.     

基于迭代最近点算法的激光点云拼接研究

在采用激光雷达进行建筑物的三维测量过程中,多站点测量获得的激光点云具有不同的三维参考坐标系,因此将多站点三维点云进行精准拼接是实现三维测量成像的关键。采用VLP-16激光雷达在不同测量站点对山东理工大学机械交通实验楼天井及其周边道路进行扫描,获得了多个站点的三维激光点云;对不同站点测量的点云进行了去噪预处理,消除了有噪声的散乱点云;选取不同站点测量点云的公共区域,采用迭代最近点算法,对各个点云进行了拼接处理,获得了完整的扫描区域三维成像。实验结果表明,此方法可实现不同站点激光点云的拼接,具有良好的拼接效果。     

基于混合滤波的点云数据降噪算法研究

随着时代的发展,人们越来越重视三维点云.在三维点云数据中点云数据降噪是其中必不可少的环节.基于PCL库对点云数据降噪中的统计滤波与半径滤波开展研究,通过给点云数据增加随机噪声或高斯噪声并更改统计滤波与半径滤波的参数来达到最好的降噪效果,并提出一种基于混合滤波的点云降噪算法.实验成果表明,提出的混合滤波比单一的统计滤波或半径滤波降噪效果更为显著.     

机载LIDAR点云数据的DSM生成技术研究

本文以机载LIDAR点云数据处理为研究对象,论文首先分析了LIDAR数据的特点和数据处理思路,进而分析了LIDAR点云数据存储和检索策略,在此基础上,笔者探讨了基于规则格网重采样生成DSM的方法和思路,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行能有所裨益。     

散乱点云的补偿滤波

针对散乱点云的滤波问题,提出了一种体积保持的滤波方法.由于采用双边滤波器对散乱点云模型多次迭代滤波时,在高曲率区域会产生较大的形状变形,因此提出一种新的补偿量滤波算子,对滤波移动量进行平滑处理,获得形状补偿量,并依据形状补偿量将降噪点位置向原始位置方向调整,从而减少了滤波产生的形状变形.实验表明,该方法具有减小体积收缩的能力,对于噪声点云模型滤波,该方法简单、有效,与传统的双边滤波相比,能够减少滤波中的变形,获得具有更多细节特征的点模型.     

机载扫描激光雷达点云形态分析滤波

研究多种地理形貌下,从激光雷达点云中识别地面点（滤波）并同时实现场景主要形态特征分析的方法. 首先采用伪栅格和混合插值技术保证点对点的快速索引和操作;然后在多尺度的开运算框架下,测量场景背景、对象尺度和方向分布,估计滤波参数,进行基于边缘统计的地面点识别;最后基于残余点和初始地面的局部关系进行地面点的二次识别. 实验采用国际遥感和摄影测量学会（ISPRS）的标准数据集,结果显示在多种地理形貌下的形态测量准确合理,平均滤波精度达到90%以上;尤其在植被和建筑混合的山坡场景中,效果改善明显.      

鲁棒的模糊C均值和点云双边滤波去噪

提出了一种将模糊C均值(FCM)聚类算法与双边滤波方法结合进行三维点云数据的去噪算法.该算法首先用模糊C均值聚类算法对大尺度噪声进行去除,并对小尺度噪声进行一定程度的光顺;然后用点云双边滤波器对小尺度噪声进行光顺.该算法将噪声分成大尺度和小尺度分步处理,不需迭代计算,提高了计算效率,也避免了光顺过程中产生过光顺问题.实验结果表明,本文方法可以在较好地保留尖锐特征的同时,有效地去除噪声.     

三维激光点云数据精简算法

分析了多种三维激光点云数据精简算法的工作原理,以及它们在缩减数据量以提高算法的处理速度方面的效果,综述了三维激光点云数据精简算法的国内外研究现状.     

基于点云数据的杂乱场景分割算法研究

目前处理桌面上单个对象已经被解决,然而处理复杂的场景时由于杂乱和遮挡而引起相当多的问题。虽然当前最先进的方法在基准性能上继续逐渐提高,但是它们也变得越来越复杂。针对杂乱场景中多个物体的分割问题,提出了一种基于RGB-D点云数据的分割方法。该方法先将场景点云超体聚类分解为基于体素网格的邻接图,然后对邻接图的边缘进行分类创建凸度图,再通过区域生长合并具有凸关系的分块从而得到未知物体。此外,提出用欧几里得算法对区域生长进行改进,发现对于碗和杯子这类具有内部凹面的物体有较好地分割效果。我们在对象分割数据库和手动提取场景中的实验结果,表明该方法可以在杂乱的桌面场景中分割各种形状的对象。     

基于点云数据的去噪算法研究

阐述了点云数据的去噪方法的研究情况,并对几种经典的去噪算法进行了介绍分析,对其优缺点进行了总结.通过实验对各种主要算法进行了有效性检验,并对目前及未来的研究重点做了展望.     

基于遗传优化的云计算协同过滤算法

传统协同过滤算法中的topN推荐公式预测的用户评分误差较大,削弱了项目推荐的有效性.为此,基于改进的遗传算法对协同过滤算法进行优化.基于皮尔逊相关系数计算用户相似度,构建最近邻居集合;构建卷积神经网络预测近邻集中没有评分的项目,填充无评分项目的空白;利用改进自适应交叉算子与变异算子的遗传算法确定卷积神经网络的初始权值,降低网络预测的随机性.在Hadoop集群环境上展开云计算协同过滤测试,随着邻居用户数量的增加该算法推荐过程中平均绝对误差最低,在云计算环境下的运行时间开销最少,取得了良好的协同过滤推荐效果.     

散乱点云数据的曲率精简算法

针对海量散乱点云数据精简问题,提出了以平均曲率为判据的精简算法.采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域.在散乱数据点参数化的基础上,对k邻域内的散乱点进行二次曲面拟合,求出拟合曲面的平均曲率,进而得出邻域内所有数据点的平均曲率均值,以此为判据进行数据精简.构造曲率差函数,识别出边界数据点,对其进行数据保护.结果表明,该算法对具有曲率多样化特点的点云数据精简具有一定的理论意义和应用价值.通过实验验证了该算法的可靠性和准确性.     

RFID中间件数据过滤方法研究

【目的】探讨对RFID数据冗余、脏读以及漏读数据进行过滤,整理出上层应用所需要的有效事件的方法。【方法】运用基于时间和次数阀值、数据校验、TDS数据解析以及基于伯努利概率的动态时间窗等方法进行研究设计。【结果】提出3种数据过滤器:冗余过滤器用于处理多读数据,平滑过滤器用于处理脏读数据,基于伯努利的动态自适应平滑算法的漏读数据处理器处理漏读数据,将这3种过滤器依次组合,组成数据过滤模型,最终构成数据过滤方法。【结论】运用这3种过滤器组成的数据过滤模型,能够很好的对RFID原始数据进行过滤,获得上层应用所需要的有效事件。     

散乱点云数据的可视化探究

三维激光扫描仪获取的散乱点云数据的可视化工作,是对点云数据进行分析应用的一个重要环节.该文从开发环境配置、点云数据输入、点云数据显示等方面详细讨论了可视化的实现细节,利用VC6+OpenGL实现了点云显示、旋转、平移、缩放、渲染等功能,为点云数据的后续处理提供了直观的帮助.     

基于粒子群优化算法的散乱点云数据配准

针对目前散乱点云数据配准算法在精度、速度和优化等方面存在的问题,提出一种基于粒子群优化算法的点云数据配准算法.该算法首先根据数据点之间曲率的相似度函数,采用粒子群优化算法在两组点云数据中搜索可以匹配的点对集合,然后用最近点迭代算法进行二次配准,实现了两组散乱点云数据的精确配准.对比实验表明,该算法配准速度快,效果好.