基于线性八叉树的点云简化与特征提取研究

三维激光扫描技术以其数据的高精度与采集的高效率为空间信息的获取提供了一种全新的技术手段。而对点云数据的研究也成为近年的热点。尝试在线性八叉树建立点云数据空间索引的基础上,运用聚类法对点云进行数据简化。根据空间单元曲面变化量对点云进行分类,利用曲率分析的方法提取特征点,进而采用最小生成树算法进行特征边的连接,实现特征线的提取。     

机器学习在车载激光点云分类中的应用研究

点云信息分类提取与利用是车载移动测量系统的关键技术,提高车载激光点云分类的智能化已成为当代信息科学技术发展所面临的重要问题.从分析点云的特征入手,采用机器学习方法对车载激光点云的行道树提取进行了大量实验研究.首先,在点云原始特征的基础上,根据其局部几何特征及空间分布,构造了由三维空间位置、回波强度、颜色值、法向量、单位投影密度、残差及回波强度维度内的残差等17个特征值组成的点云高维特征向量,然后采用支持向量机和人工神经网络两种机器学习方法分别对行道树点云进行提取实验.实验中采用了粒子群优化算法对支持向量机进行参数寻优,采用所构造的由17个特征值构成的特征向量对点云进行机器学习,两种学习方法的行道树点云分类精度分别可以达到99.75%和99.25%.实验结果表明,采用机器学习的方法对于提高车载激光点云分类自动化程度和智能化水平具有重要意义和作用.     

基于视点的三维点云自适应多细节层次模型动态绘制

在计算机几何图像设计、医疗研究诊断、物体判定识别、自动化测量等领域应用的迫切需求下,需要对三维点云动态绘制方法进行研究。目前存在的基于图形处理单元(GPU)的三维点云动态绘制方法。首先根据高度场的形式获得三维点云数据;然后利用高通滤波法对获得的三维点云进行消噪处理;再根据Scene Graph的方法表示三维点云之间的逻辑关系;最后利用GPU完成三维点云的动态绘制。为了降低噪声对三维点云绘制的影响,绘制更加流畅清晰的画面,提出一种基于视点的三维点云自适应多细节层次(LOD)模型动态绘制方法。首先利用激光扫描仪器或结构光扫描仪器等获取三维点云数据,并利用双边滤波器进行平滑去噪;然后根据特征配对的方法对三维点云进行特征对的提取与配准;最后以三维点云特征对配准结果为依据,利用三维点云的内外存调度完成三维点云的自适应LOD动态绘制。实验结果分析证明,所提方法能有效地去除噪声,可以更好地描述目标物体或背景,使绘制画面更加流畅。     

保留边界特征的点云简化算法

为有效简化点云数据,提出保留边界特征的点云简化算法。该算法利用三维栅格划分法建立散乱点云的空间拓扑关系,计算每个数据点的近邻,通过球拟合法求得其曲率和具有方向性的法向量,采用投影点个数比值法找到并保留点云边界,根据具体情况设定所需阈值,对非边界点进行分类,通过对点的曲率与平均曲率比较、近邻保留点与近邻点个数比例,完成点云简化。实验结果表明：该算法不仅能对点云进行直接有效地简化,而且还能很好地保留点云模型的细节特征,简化比例达25％～40％。该方法可以满足不同种类点云简化的要求,能够提高计算机运行效率。     

基于轨道移动式激光扫描多期点云的隧道断面变形提取方法

针对轨道移动式激光扫描技术监测地铁隧道变形的点云数据特征和隧道断面变形信息提取与分析的问题,本文提出了一种基于轨道移动式激光扫描点云的隧道断面变形提取方法和处理流程.首先采用RANSAC圆柱检测法提取地铁结构特征部位点云,利用提取的隧道结构点云进行点云的粗配准.然后设计了一种基于权重的ICP算法的精配准方法,精配准后的隧道点云通过切片点云降维处理得到二维断面数据,利用断面的k近邻点拟合曲线提取隧道断面变形值,并采用弧线投影的方法对断面变形表达.实验验证表明,提出的基于曲线拟合隧道断面变形分析的方法和过程,能够准确高效地提取到0.7 mm以上的地铁隧道断面变形信息.     

基于八叉树的点云数据的组织与可视化

三维激光扫描获取了大量的点云数据,数据的组织直接影响点云数据的操作速度.采用数据库管理点云数据,对点云数据采用八叉树数据模型进行组织,建立空间索引,对点云数据进行分块提取,实现点云数据的检索以及可视化.     

装配式建筑平面激光点云数据线性特征提取方法

提取建筑物线性特征时，由于未对采集到的建筑物点云数据预处理，导致最终提取的建筑物线性特征存在完整度差、提取正确率低的问题，对此，提出装配式建筑平面激光点云数据线性特征提取方法。通过内设激光测距系统获取建筑物在三维向量的有效数据，采用非接触式几何支撑系统建立基于有效数据的空间向量模型，将该模型输入三维激光扫描仪的目标物体表面校正系统中，获取到建筑物的整体点云数据。利用Otsu目标检测法对获取的整体点云数据进行优化处理，采用改进IFFT算法建立基于优化数据的物像空间位姿表征模型，利用连续投影算法提取网格内部特征点并连接成线，完成建筑物点云数据线性特征的提取。实验结果表明，所提方法的装配式建筑平面激光点云数据线性特征提取清晰度高、完整度好，且建筑物线性特征的提取正确率最高可达100%，说明该方法具有实用性。     

激光内雕三维模型表面点云生成方法研究

研究了一种把三维模型生成激光内雕用的点云数据的方法,介绍了三维模型几何构成原理,利用规则填充法得到基本的填充点云数据,然后利用混合同余法算法产生平均分布的随机数对规则点云进行坐标扰动,受工艺限制,点云数据在空间的竖直方向进行分层处理后,然后利用层内动态四叉树进行存储与过滤,最终得到加工点云。     

特征保持的点云精简技术研究

为了在保持特征的基础上有效地简化点云数据,提出了基于聚类的点云精简算法.对点云进行三维栅格剖分,在每个栅格中选取1个代表点作为初始类核心,然后将点云中其他数据点归入欧氏距离最近的初始类中,遍历各个类,若类内某两点的法向量偏差大于给定带宽则对该类进行迭代细分,并对各个类进行均值漂移处理,将得到的局部模态点取代该类,从而实现点云简化.以手机外壳、人头、麻花钻为典型实例,对具有不同表面特征的点云数据进行了验证.结果表明,该算法能对点云数据进行直接而有效的精简,在曲率变化大、附加特征多的表面仍能很好地保留原始模型的几何形状.     

点云数据特征点提取方法的比较

点云特征的提取在城市、地质等领域有非常重要的使用价值。特征点是最基本的几何特性和纹理特征的特征基元,其不会因为坐标系的改变而发生变化。通过用不同的方法提取点云数据中的特征点,可以在减少计算量的前提下,保留点云的几何特征。通过对利用法矢、曲率和体积积分不变量3种不同的特征点提取方法进行比较,并通过Matlab进行特征点提取实验并分析情况,对其优缺点及适用性进行探讨。     

点云格网化滤波方法及其在隧道变形监测中的应用

将三维激光扫描技术应用于地铁隧道变形监测,针对点云数据的预处理问题,研究基于小波分析的点云格网化滤波方法。结合南京地铁隧道扫描点云数据及其特性,分析和选择合理的插值方法对隧道点云进行格网化处理,采用小波变换对格网点数据进行异常值探测,采用小波阈值去噪对格网点数据进行整体去噪,获得滤波后的点云并进行封装对比,获得了很好的滤波效果。     

基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效地遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus, RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。     

基于权值的散乱点云压缩算法

随着点云数据规模的不断增大,基于一定的准则对散乱点云进行压缩和简化直接决定了点云重建的效率.详细介绍了现存的点云压缩算法的原理和方法,总结这些压缩算法的特点和适用对象,并结合散乱点云密度分布特点,提出基于权值的压缩算法,根据点云密度设定不同的权阈值进行点云的自适应压缩,实现散乱点云的快速压缩.最终通过特高压南阳站点云进行算法验证,确定了最佳权阈值,同时通过分析对比证实了算法的高效性和可行性.     

增强的OHTA颜色空间融合FPFH识别点云中的甜椒果实

【目的】研究三维点云中甜椒果实的精确识别，为采摘机器人进行采摘作业提供准备。【方法】提出一种增强OHTA颜色空间融合快速点特征直方图（Fast point feature histogram，FPFH）识别三维点云中甜椒果实的方法。以OHTA颜色空间为基础，通过分析甜椒植株颜色的特征，对I2和I3分量进行调整以增强果实与非果实的区分对比度；然后对所采集的点云进行几何特征的计算并利用FPFH对它进行描述；将颜色特征与FPFH进行融合得到点云描述符，并利用分类器进行判定分类，最终得到属于甜椒果实的点云。【结果】提出的方法可以将甜椒植株中的甜椒点云进行识别，且准确率较已有文献有一定提高。【结论】通过对比不同果实点云描述符的识别效果，提出的方法对甜椒果实点云的识别准确率为97.31%，精确-召回曲线下的面积的值为0.984，均优于其他点云描述符。     

基于机载LiDAR系统的电力线点云提取方法研究

针对野外地形高度起伏大、走向复杂、杆塔形式多样且点云密度不均匀等造成电力线点云提取精度低的问题，文章提出一种自动化精度高的新型电力线点云提取方法。根据电力线走向对整体点云进行分块处理；使用迭代高程阈值法计算得到最佳高程分割阈值，将地面点、地物点与电力线点进行分割；采用DBSCAN密度聚类法聚类出杆塔点并进行剔除，对于误分到杆塔点的部分电力线点结合点云高程搜索进一步提取出来；使用欧式聚类法对单根电力线点进行精提取。实际输电线路点云数据实验表明，该方法电力线总提取精度为99%,实现了电力线点云的自动、高效提取，可满足实际电力巡检生产需求。     

密集匹配点云下的矿石块度提取

在矿山爆破作业中,评判矿山爆破质量的重要指标是爆破后矿石块度的大小。矿石块度的大小直接影响着后期的生产作业。针对露天矿施工过程中矿石块度测定问题,提出了一种基于密集匹配点云数据的矿石块度测定方法。首先通过寻找矿石堆中最高点与最低点计算不同矿石堆的坡度;然后依据计算得到的矿石堆坡度信息以及点云灰度信息、邻域特征等,采用粗提取与精提取相结合的方式对矿石点云边界线进行提取;依据提取出的边界线实现不同矿石点云的有效分割;最后利用分割得到的单个矿石点云进行块度估算以及矿石分布规律研究。试验表明本文方法可以有效的分割出单个矿石点云,且分割效果较好,研究区内矿石块度大多介于0.5-1.0m。     

点云三角化处理技术研究

点云的三角化处理是点云三维重构中必不可少的处理步骤,其处理效果直接决定了点云三维重构结果的好坏,而点云进行三角化时搜索半径r的参数设置决定了点云三角化的处理效果.针对该参数的取值及其对点云三角化结果的影响做了研究.首先对点云数据进行预处理,然后利用最小二乘法原理对点云进行平滑处理,最后将平滑处理后的点云利用贪婪三角化算法实现点云数据的三角网格化.结果表明,点云三角化处理技术在搜索半径r大于等于5倍采样间距(平均间距)时,能够快速准确地生成质量较好的点云三角模型.     

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。     

非结构环境下一种改进的区域生长点云分割方法

针对非结构环境下目标零件识别过程中零件相互堆叠造成分割困难的问题,提出了一种改进的区域生长点云分割算法。首先,采用直通和统计滤波器对获取的点云进行预处理,得到去除冗余数据后的点云;其次,使用八叉树建立点云之间的拓扑关系,提高后续点云分割的效率;最后,选择基于局部径向基函数的曲率计算方法,通过计算选取曲率最小点为初始种子点,并设定空间阈值范围进行区域生长。实验结果表明:该方法能有效解决非结构环境下零件堆叠导致的分割困难问题,分割准确度高且效率满足工业实时需求。     

基于点云分割的建筑平面图智能生成技术

为了使房屋检测中建筑平面图测绘更加智能化,提出一种基于点云分割的建筑平面图智能生成技术．首先,使用多站点三维激光扫描仪获取点云数据,将所有站点数据进行点云配准拼接,获得完整的建筑模型,同时对点云进行降采样预处理;然后,采用随机抽样一致性(RANSAC)算法对建筑平面进行提取,通过调整点之间距离的阈值、拟合的平面数量和迭代的次数来分割出不同构件的平面;最后,选取合适的中间高度将分割后的点云模型切片,构建投影函数执行投影生成平面图．使用Python编程语言并结合Open3D点云数据处理库对所提算法进行验证,通过对教学楼某层扫描数据进行分析,实现了含有墙、门窗位置信息的建筑平面图的智能生成．研究结果表明：该技术可以准确地对三维激光扫描点云进行分析处理,且平均尺寸误差在4%以内,具有较高的分类精度．