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。     

施工场地无人机精细化三维模型构建及土方测量

利用无人机倾斜摄影测量技术,获取工程施工场地多视图影像序列,利用基于运动恢复结构算法（Structure from Motion, SfM）和多视图立体匹配算法（Multi View Stereo, MVS）的多视影像密集匹配形成超高密度点云,采用布料模拟滤波（Cloth Simulation Filter, CSF）算法剔除植被及废弃建筑物点云,获取真实地面点云,基于基底设计模型计算出两期点云之间土方量,实现复杂土方工程智能化测量. 采用上述无人机方法,对长沙岳麓山脚两块建设用地进行土方快速测量及精度评估,得到5.384 6亿点/公顷的点云密度,土方计算结果相对于RTK-GNSS测量结果误差为2.8%,满足土方测量误差小于5%的要求,具有较好的应用前景及工程实用价值.     

基于曲率统计的LiDAR点云二次滤波方法

针对传统偏度平衡方法滤波结果中存在低矮植被、建筑物侧面墙脚等非地面点云问题,在传统偏度平衡方法的点云一次滤波算法的基础上,提出一种基于曲率统计的点云二次滤波方法。对该方法进行试验,并将试验结果与传统偏度平衡方法滤波结果进行对比分析。结果表明:基于曲率统计的点云二次滤波方法比传统偏度平衡法能够多滤除83%的植被点云、5%的建筑物点云,能够有效地滤除传统偏度平衡方法滤波结果中的低矮植被、建筑物侧面墙脚等非地面点云。     

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.     

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。     

基于深度图像与分水岭的平面点云分割方法

根据目前点云数据分割的研究现状以及分水岭算法在图像处理中的应用,提出一种基于深度图像和分水岭算法的建筑物平面点云分割方法.该方法首先将平面点云数据生成深度图像并给像素赋予灰度值,再使用双边滤波算法进行滤波去噪,然后使用分水岭算法进行图像分割,得到分割结果后索引回原始点云数据,得到点云分割结果.为验证方法的可靠性与准确性,利用区域增长法、RANSAC算法以及欧式聚类法进行对比实验.通过对实验结果的对比分析,能有效地将不同点云面片分割出来,并且具有良好的准确度和完整度,分割结果质量较高,为点云的分割提供了新的思路与方法.     

基于RANSAC模型的机载LiDAR数据中建筑轮廓提取算法

使用正交多项式分带滤波方法对机载LiDAR点云数据进行滤波处理,通过迭代不断剔除非地面高点数据,最终得到由贴近地面的数据拟合而成的正交多项式.通过设定高程阈值将数据分成地面部分与非地面部分.提出了一种基于随机抽样一致性(RANSAC)算法模型的建筑物面片识别和轮廓提取算法,实现在包含噪声的点云数据中快速准确地识别和提取建筑物轮廓.在实验中对长春市的机载LiDAR数据进行了滤波、建筑屋顶面及其轮廓的提取,验证了本文算法的较高效率和精度.     

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。     

改进的布料模拟算法在多波束点云粗差剔除中的应用

针对目前多波束滤波需要人工剔除的现状,在布料模拟滤波算法（cloth simulation filtering,CSF）基础上,提出了一种基于点云分割和自适应参数调整改进的CSF算法。先对多波束点云数据进行分割,然后根据点云数据的面积和标准差调整每块CSF算法的参数,再构建布料滤波模型剔除粗差点,最终将分割后的点云拼接生成水下地形点云数据。结果表明,本文算法与CSF算法相比,克服了过度滤波现象,而且对于不同地区与人工方法粗差点剔除比分别从1.03下降到1.01和从1.46下降到1.19;与人工剔除粗差相比,避免了遗漏粗差点,人工干预很少。     

长江中下游河道岸滩低空机载LiDAR点云地形滤波算法

探索新兴的低空机载Li DAR技术,解决长江中下游植被高覆盖、高遮挡区岸滩地形测绘难题。提出一种针对多层次、高密度植被覆盖区的低空机载Li DAR点云植被滤波算法,该算法通过多回波分析对点云进行粗滤波后,采用数学形态学运算获取地面种子点,对地形局部进行趋势面拟合,再通过随机采样一致性检测,剔除植被点,保留地面点,从而获取测区的数字高程模型(DEM)。典型测区试验表明,该滤波算法能解决长江中下游河道岸滩地区地形起伏较大、植被高覆盖区域植被点云智能化剥离难题。根据测区实际情况,设计针对性的滤波算法,即使是植被与地面点云高度混淆、激光穿透率低于15%的复杂情形,仍能有效分离出地面和非地面点。     

基于倾斜影像点云的建筑物提取算法研究

多视倾斜影像密集匹配后能够生成海量点云数据,但数据本身缺乏有效的建筑物分类信息.针对此问题,提出一种基于倾斜影像点云的建筑物提取算法.首先对三维点云进行去噪处理和植被的剔除,将点云进行空间格网分区后降维到二维平面,通过赋予二维平面格网内每个点一定的权值,进而对格网进行特征值重采样.然后对二维平面进行图像形态学处理,利用骨架提取算法找到建筑物的轮廓,将该轮廓和三维点云进行融合后重新整饰建筑物边缘,提取出最终的建筑物点云.两组实验结果表明,该方法提取的建筑物点云轮廓清晰,建筑物立面提取较好,该算法具有较好的稳健性.     

基于移动激光扫描点云数据栅格化的交通标线分割算法

针对目前交通标线提取研究对于语义信息丰富的标线精细化分割研究不足的现状, 通过移动激光扫描数据提出了一种精细化交通标线的语义分割算法。该算法先从道路点云中提取出路面,并根据点云的强度信息将其转变为栅格图像并对其优化,通过二值化处理提取出路面标线;在此基础上根据矩形度筛选将所有标线对象粗分为两类,并采用不同的语义分割策略进行识别,最后获得了10种符号标线以及非符号标线对象的精细化语义信息。实验选取了上海8组不同区域的城市道路点云数据进行验证,结果表明该算法具有96.04 %的精度与96.92 %的召回率,综合评价指标F达到96.48 %,为高精地图提供了更加丰富的交通标线语义信息。     

基于车载激光点云的道路几何信息自动化提取

为了高效地进行道路设施信息采集与数字化建模，利用车载激光点云数据构建了一种自动化提取道路几何信息的方法框架。针对激光数据的无序性和冗余性，通过网格降采样和半径滤波精简点云规模、去除噪音点；通过栅格单元划分进行点云组织和索引，合理利用点云的空间局部性、缩减运算规模；利用道路要素在高程上的层次性与路面结构的连续性、光滑性，设计了高程滤波、基于主成分分析框架的局部法向量滤波、DBSCAN聚类等方法，实现从原始点云到路面点云的精确分割；利用采集车辆的行驶轨迹信息获取道路走向，利用其方向向量与法向量进行道路横截面的划分；切取横截面后投影至二维平面，并通过滑动窗口、最小二乘等算法提取道路宽度与平纵横参数。通过提取算法与人工测量的结果对比，在复杂街区和郊区公路两个实验数据集，点云分割准确性均超过87%，完整性均超过97%，提取质量均超过86%，几何信息的平均相对误差较小，说明算法具有良好的提取质量。有限算力条件下，两个数据集中点云处理时间分别是6.864与10.078 s/km，几何信息提取时间分别是1.732和0.843 s/km。提出的方法能够很好的兼顾提取效率与精度，在复杂街区和郊区公路环境下...     

面向智慧交通的移动激光点云树木分割

单树分割有利于提取交通标志牌,减少对交通标志的遮挡影响.针对有效采集到的道路两旁树木的点云数据,提出了一种改进的分水岭车载激光扫描的树木分割方法.该方法包含5个步骤:1)利用RANSAC(random sample consensus)自动检测和剔除地面点;2)压缩所有地面点到图像网格并保留三维信息;3)简化和去除不合格网格;4)利用启发式搜索方法查找树峰;5)应用改进分水岭方法划分单树树冠.通过对福建省厦门市环岛路进行实地采集的点云数据进行实验,验证了所提出的分割模型对于车载林木点云数据具有较好的分割结果.     

基于最小二乘拟合LiDAR点云滤波改进算法

针对传统的使用单一拟合法滤波的不足,提出组合曲面拟合滤波方法。通过引入虚拟网格点方法,改进数据预处理方法,在剔除掉粗差点云后,选用较为准确的多面函数拟合,更好的表达地形起伏细节,逼近真实地形表面,进行二次滤波。实例证明与ISPR公布的经典滤波算法相比,该组合最小二乘拟合的点云滤波效果较好,可用于生成准确的DEM。     

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%.     

基于超点图的点云实例分割方法

提出一种基于超点图的点云实例分割(ISPG)方法。基于超点图结构提取点云对象相邻点之间的关联性特征,并且将传感器扫描的场景划分为均匀的几何元素,用来表示同属性的点云类,再由一个图卷积网络实现实例分割。结果表明:IoU阈值为0.5的情况下,该方法在斯坦福大型三维(3D)室内空间数据集S3DIS上精度达到了48.9%。     

基于中轴线拟合的隧道点云去噪研究

目的通过拟合中轴线对隧道内部噪声点滤除,并在去噪时保持隧道主体数据的完整性,提出一种通过拟合隧道中轴线对隧道点云进行噪声点滤除的方法.方法采用统计滤波滤除部分远离主体点云的大尺度噪声点,再基于高斯曲率的方法将隧道点云数据分为管片点云和轨道面点云两类;利用投影法提取隧道中轴线,通过判断点到中轴线之间的距离与设定的阈值的大小关系,滤除隧道内部及靠近管片壁的噪声点,多次迭代去噪,直到点云数据量趋于稳定;利用直通滤波和统计滤波滤除轨道面点云噪声,最后将去噪后的管片点云和轨道面点云进行组合得到去噪后的盾构隧道点云.结果利用拟合得到的隧道中轴线对分类后的管片点云进行五次迭代去噪后,管片点云数量趋于稳定,噪声点基本滤除;对分类后的轨道面点云进行了有效滤除并且保持了原有特征;将去噪后的两部分点云组合,得到了完整的去噪后的隧道点云.结论笔者所采用的方法简单有效,能有效地滤除隧道点云噪声且保证主体数据完整性.     

基于对象分析策略的航空激光扫描数据建筑物自动提取方法

航空激光扫描(airborne laser scanning,ALS)是一种主动快速获取地球及表面三维信息和反射率信息的数据采集技术,从ALS数据中自动提取地形和建筑物信息是ALS数据处理的重点和难点。借助基于对象分析(object based analysis,OBA)技术,提出建筑物自动提取的流程和相关关键算法,首先利用滤波实现地形信息的提取与非地面点的抽取,缩小搜索范围,同时为建筑物的提取提供地形信息,然后对非地面点进行分割得到地物对象,并借助基于对象分析策略,提取建筑物对象特征并构建特征规则集,实现建筑物对象的自动提取。试验结果表明:提出的算法对建筑物激光点进行自动提取效果较好,提取率和准确率分别达到了90%和75%。     

基于改进随机抽样一致的点云分割算法

随着三维点云数据模型在三维建模、测绘、智能城市以及机器视觉等领域的应用,点云数据处理也成为一个研究热点。点云分割就是将三维空间中点云通过一系列算法,将散乱的点云数据划分成更为连贯的子集的过程,可以为后续的数据分析提供数据基础。针对随机抽样一致算法(random sample consensus, RANSAC)对杂乱、无规则点云数据分割效果不佳的问题,提出一种改进的RANSAC点云分割算法。该算法通过构建Kd(K-dimensional)树,利用半径空间密度重新定义初始点的选取方式,进行多次迭代来剔除无特征点,在实现点云分割的同时可以有效去除噪声点;此外,该算法重新设定判断准则,优化面片合并,可以实现点云的精确分割。实验通过对散乱点云数据进行分割,结果表明该改进RANSAC算法的点云特征提取数据量较大,面片分割的准确性较高,是一种有效的点云分割算法。