基于点云数据的建筑物快速精细建模

运用点云切片提取建筑物特征线拟合建模,对于长方体、圆柱体、管状体等规则物体自动匹配建模,对于不规则物体进行点云切割、侧视图提取轮廓线、拟合建模,对相同的结构复制等方式批量处理,然后根据点云组合模型,完成建筑物主体建模;通过平面投影方式提取门窗等细节的轮廓线,将轮廓线导出到第三方软件,实现对门窗的精细建模;最后通过纹理贴图生成极富真实感的三维模型并对其数字化展示.     

综合不规则三角网和区域生长的建筑物提取方法

应用激光雷达探测技术(LiDAR)进行建筑物提取其效率一直是工程应用的关键,针对现有先滤波后提取建筑物一类方法效率低下的问题,提出一种综合不规则三角网和区域生长的从原始机载激光雷达数据中直接提取建筑物的方法。首先利用原始点云数据建立不规则三角网,利用三角网中突起物边缘点所在三角形的法向量、边长及高程特征,提取突起物边缘点;然后以提取出的边缘点为种子点,根据三角网连接关系进行区域生长,提取突起物点集合;最后删除集合中点数量较少的非建筑物点集,得到建筑物点集。该方法可直接从原始点云数据中提取出不同建筑物的点集,无需经过滤波操作。通过仿真实验证明该方法在保证建筑物提取准确度的情况下效率有明显提高并且具有一定的适用性。     

基于LiDAR点云的建筑物检测方法研究

提出了一种基于三角面元的LiDAR数据建筑物检测方法.首先对点云数据构建不规则三角网,然后根据三角面元的特征信息对其进行分类,接着利用面元之间的邻接关系对其进行聚类,最后对聚类点云进行跟踪得到建筑物的轮廓.以国际摄影测量与遥感学会(ISPRS)提供的城区LiDAR点云为实验数据进行建筑物检测试验.与以点云或分割块为处理基元的检测方法相比,该方法能够更加准确地提取建筑物轮廓,正确率可达96%,完整率可达85%.     

基于有限集统计学理论的多扩展目标跟踪研究综述

机载激光雷达(LiDAR)数据是离散的三维点云,同一个建筑面的三维激光脚点具有随机分布的特性,并且由于建筑本身形状的多样性和复杂性,以及建筑物周围环境的复杂性,导致从LiDAR数据提取建筑物轮廓线变得更加困难。提取建筑物的轮廓线,最关键的就是提取LiDAR数据中建筑物的边缘点。文中提出一种改进的提取LiDAR点云数据边缘点方法:设定具体的半径和阈值,把LiDAR点云数据中存储的每个点作为圆心建立包裹圆,求得点云数据中其他点到该点的距离,并统计落在包裹圆内点的个数,通过每个包裹圆内点的个数跟设定的阈值进行比较,从而确定该点是否为边缘点。通过仿真发现,文中算法与alpha shape算法相比,在保持边缘点提取效果的基础上,极大减少了运行时间,总体效率有了显著地提高。     

基于实测边界线的地下巷道三维建模方法

根据实测边界线和断面参数,提出地下巷道三维实体的分层建模解决方案:采用图论的树结构表达边界线划分的复杂区域(简称区域树),并采用约束三角剖分的方法对区域网格三角化;提取所有三角形中表示巷道的断面底边和“出口位置”的边,根据断面参数,拟合生成断面轮廓线;均匀离散化断面轮廓线,生成左右对称点列,这些点构成三维巷道实体的特征点;分层提取断面轮廓线上的特征点,生成分层轮廓线;最后对相邻分层轮廓线和顶、底轮廓线分别实现巷道体网格三角化.研究结果表明:该算法充分利用区域树表达的空间拓扑关系和断面参数信息,实现简单,适用于同一中段边界线在任意复杂情况下的连通巷道实体三维建模.     

机载LiDAR点云数据平面特征提取

为从大量的Li DAR点云中分离出建筑物点类,获得平面特征,借鉴传统的Hough变换思想,提出一种提取机载Li DAR点云数据平面特征的方法,综合采用三维空间中Hough变换以及区域增长算法从点云数据中提取特征平面信息.研究结果表明:通过该方法可有效的提取出点云数据中的平面特征,建筑物的平面特征被检测出来之后,有助于完成建筑物的自动建模.     

影像辅助下基于地面LiDAR的建筑物特征精细提取方法

面向建筑物精细建模,探讨了在影像辅助下基于地面Li DAR的建筑物几何特征精细提取方法.首先在基于梯度方向进行建筑物特征初步提取的基础上,引入建筑结构完整性约束规则,进行了特征边缘线段合并与角点处特征线的闭合处理.然后利用影像与Li DAR点云配准关系将建筑物影像特征线映射到三维点云空间,即获得影像三维空间坐标.在此辅助下,最后通过估算点云法向、曲率,得到精细的几何特征,从而更好地表达地理场景中的建筑物.研究实例表明,本文的特征提取方法严谨可靠,能有效提高点云特征提取的效率和精度.     

基于形态学的散乱点云轮廓特征线提取

采用逆向工程领域切片技术和数学形态学方法提取点云的轮廓特征线.空间散乱点云密度高且无拓扑关系,通过切片分层可将空间点云转换为不同层的平面切片点云.借鉴图像处理方法,将切片点云转换成二值图像,使用形态学运算提取其轮廓像素,将轮廓像素转换为轮廓特征点并采用B样条曲线拟合成轮廓特征线.实验验证该方法可以得到高质量轮廓线,并可以有效地解决"多环"切片难以正确提取轮廓特征的问题.     

基于二维灰度图像的“非规则形体”三维重建

由二维灰度图像恢复形体的三维形状已经成为计算机视觉领域的一个研究热点,对该问题进行了深入的研究,提出了一种基于单幅图像,利用轮廓线特征点进行非规则形体三维重构的方法;该方法从一幅二维灰度图像中提取非规则形体作为研究对象,通过角点检测方法并结合检测阈值获取每条轮廓线的主次特征点;根据主特征点确定轮廓线间的形状匹配关系完成分段连接,根据次特征点并结合最小对角线优化策略完成三角面片拼接,最终实现非规则形体表面的三维重建;实验证明,该方法可以根据形体的二维灰度图像方便有效的重建出其三维形状。     

一种改进型圆盘法提取手形特征点的新方法

现有手形指根和指尖点提取方法对手形图像有较高的摆放要求.针对自然摆放的手形图像,提出一种改进的圆盘法算法提取手形特征点.首先,利用数码相机对手形图像进行采样并进行灰度化与二值化;然后,提取手形图像的单像素轮廓;最后,提出改进型的圆盘法提取手形图像的指尖点和谷点.通过对包含155人共310副手形图像的验证,实验结果表明,提出的算法与方法可有效提取单像素手形轮廓线,对手形图像的指尖点与谷点的正确提取率分别为95.6%和94.8%.提出的方法克服了传统圆盘法提取高分辨率手形图像特征点效率低的缺陷,避免手指张开程度对算法可靠性的影响,体现了方法的优越性.     

DEM快速构建及地形裁剪算法的研究

提出了一种快速构建DEM的算法。它先产生一个包含插值点在内的内插三角形，然后利用此三角形来内插插值点高程；为提高算法对复杂地形的适应能力，利用离散点及地性线对地形进行描述，并保证生成的三角形不跨越地性线。其次，提出了一种基于DEM的对三维地面进行裁剪的分治方法，该方法利用DEM数据生成一个规则的三角网并将裁剪边界插入到三角网中重新构建三角网，通过删除裁剪边界内的三角形来达到对地形裁剪的目的。     

面向三维残缺点云图像的数据精简方法

为解决残缺点云模型数据精简时边界特征容易失真的问题，以汽车覆盖件中的薄壁类零件为研究对象。提出一种保留残缺点云边界特征的数据精简方法。借助KD-tree建立数据索引结构，获取数据点最近邻，并通过邻域点拟合出微切平面的方法，计算出点云数据的法向量。利用法向量夹角大小关系，选取边界以及孔洞特征点的初始种子点。再根据欧氏距离实现初始种子点的邻域搜索，从而完成边界以及孔洞邻域特征点的提取。根据曲率精简的方法，对非特征点进行数据精简，最后，合并特征点云与非特征点云，实现对残缺点云模型的数据精简。将随机精简法、曲率精简法分别用于点云模型精简处理，结果表明：相比于其他两种方法，所提方法更好地保留了模型边界以及孔洞邻域特征数据点，其标准偏差、曲面表面积变化率优于其他两种方法且变化相对稳定。     

基于快速成型技术生成等高线的方法研究

提出利用快速成型技术构建等高线的算法.首先利用快速成型技术对点云进行分层,通过对等高线上下两层点云加权计算等高线特征点;然后将特征点转化为格网图像,并利用行列格网直线段对格网图像进行快速轮廓提取及边界跟踪;最后采用B样条曲线拟合生成等高线.试验表明,该方法生成的等高线,不仅具有良好的质量,而且减少了构建三角网的中间过程,提高了计算效率.     

基于反求工程的螺旋扫描件边界提取方法研究

复杂曲面零件的几何模型重构是反求工程的研究重点之一。针对螺旋零件表面的数字化数据提取边界线的问题,提出了一种基于层析数据的螺旋扫描件边界特征线提取方法。该方法分两步进行,首先将点云切片,对切片后每一层数据点进行边界特征点提取和轮廓线拟合;其次将相邻层边界点拟合得到边界线。通过实例验证,结果表明该方法具有较强的可操作性和实用性。     

改进的八邻域搜索提取建筑物立体特征方法

针对目前常用的八邻域搜索方法在提取具有斜面屋顶的建筑物3D特征精度不高问题,设定较小的高程差阈值,利用八邻域搜索方法提取建筑物,提高算法对建筑物的提取的正确率;利用待判断点周围4个方向的梯度差分完成对地物点云的二次提取,提高建筑物提取的完整率;用连通域内点的个数表示实际场景中的面积大小,设定合理阈值,可以剔除植被面片和其他地物面片。实验结果表明,改进后的方法明显提高了从混合点云中提取建筑物的正确率和完整率,提高了算法对坡度较大的斜面屋顶3D特征提取的适应性。     

基于约束Delaunay三角剖分的道路三维建模方法

深入研究了一种建立道路三维模型的方法.首先依据道路设计成果计算出道路模型与地形模型的拼合交线,然后用设计点(特征线)数据替换拼合交线内的地形点(特征线)数据,形成建模所需的原始点集和约束边集.针对原始点集采用逐点插入算法进行Delaunay三角剖分,再依据约束边将初始三角网调整为约束Delaunay三角网,由此得到外观与内部拓扑关系均为整体的道路三维模型.此外,还研制了三角形的快速定位算法,加速了建模过程.实践表明,该方法具有整体性好、网形优、速度快的优点.     

特征点提取及视图变形技术研究

介绍了图像变形和视图变形技术,在此基础上提出了一种改进的视图变形方法．利用样条小波变换进行边缘检测,根据模极大值原理,获得单像素的轮廓边缘;针对传统的霍夫(Hough)变换的局限性,对其进行改进,并将改进后的Hough变换方法,用于从单像素边缘图像中提取直线的特征点,即端点中．在原始图像中,载入这些特征点,交互地选取其中所需的特征点,连接形成特征线段,然后使用图像变形方法,生成从起始图像到终止图像的期间过渡图像,实现两幅图像的渐变,该方法提高了特征点选取的准确性和效率,使中间过渡图像更加自然适真。     

基于逐条线区域生长的点云平面提取

三维激光扫描点云中的平面特征提取是3D建模的重要组成部分,是一个重要的研究领域。在建筑物平面提取的过程中,针对传统的单点式区域生长方法在生长时会使拟合得到的平面与真实点云平面存在偏差,导致面块间的粘连的问题,提出一种逐条线区域生长方法,考虑到建筑物的平面都具有规则的形状,而平面是由一条条直线组成的,因此在生长的过程中加入了平面的形状这个先验条件。实验结果表明,该方法能够消除面块间的粘连,有效改善平面提取的精度。     

Autonomous map query: robust visual localization in urban environments using Multilayer Feature Graph

When a vehicle travels in urban areas,onboard global positioning system(GPS) signals may be obstructed by high-rise buildings and thereby cannot provide accurate positions.It is proposed to perform localization by registering ground images to a 2D building boundary map which is generated from aerial images.Multilayer feature graphs(MFG) is employed to model building facades from the ground images.MFG was reported in the previous work to facilitate the robot scene understanding in urban areas.By constructing MFG,the 2D/3D positions of features can be obtained,including line segments,ideal lines,and all primary vertical planes.Finally,a voting-based feature weighted localization method is developed based on MFGs and the 2D building boundary map.The proposed method has been implemented and validated in physical experiments.In the proposed experiments,the algorithm has achieved an overall localization accuracy of 2.2m,which is better than commercial GPS working in open environments.     

动态卷积的3D点云目标检测算法

针对不规则且稀疏的点的提取特征问题,提出一种以动态卷积作为特征提取的3D点云目标检测算法.首先,以一种新型的动态卷积的方式自适应学习点的位置特征,分类出前景点与背景点,同时对提取出的前景点逐一做回归框;然后,用非极大值抑制选出分数值最好的回归框.其次,进行粒度的细化,得到修正规范的3D回归框,完成3D物体的目标检测.最后,在KITTI数据集上验证算法的有效性.结果表明：文中所提算法在汽车类、行人类、自行车类数据集上的3D点云目标检测精度更高.