TH影像匀光匀色方法的探讨

通过对天绘DGP影像纠正成果的RGB色彩通道波段增强,获得了信息丰富的色彩数据,然后通过PANSHARP最小二乘法,使其与天绘GFB影像成果融合,制作正射影像。期间加入资源三号卫星影像,作为补漏数据,通过降位处理,使其位深与天绘影像保持一致,采用匀光匀色的方法,取得较为理想的色彩效果。通过调整处理DOM色彩的关键环节,使其在制作过程中,节约大量的人力和时间,能够较好的保持大范围DOM颜色的一致性。     

基于各向异性的遥感影像匀光匀色算法

为解决现有的遥感影像匀光匀色方法关注重点停留在全局、半全局统计参数的变换基础上,存在全局性的特点,缺乏局部特征信息引导的内容驱动,无法顾及到每张影像内容的差异性,导致匀色效果不佳,影像对比度损失,残留色差明显等问题,本文通过分析影像间出现色差的本质原因,把同名特征在不同观测环境下的观测值作为观测条件,并辅助加以局部空间约束与改正量正则约束,研究构建针对具有重叠区影像集的各向异性优化方法,利用凸优化理论求解出特征点处的改正量,然后以此改正量作为锚点空间辐射至整幅影像,线性加权改正得到最优匀光匀色效果。结果表明本文提出的基于各向异性的遥感影像匀光匀色算法,相对于传统的匀光匀色算法,理论跟完备,无假设条件,效果更佳,重叠区域影像局部范围内色差更小。可见本文提出的匀光匀色算法具有效果的有效性,和对各向异性匀光匀色算法研究的参考价值。     

基于地面激光点云数据的单木三维重建方法

目的 使用地面三维点云数据,提出一种单株树木三维网格模型重建方法,为精准获取测树因子提供技术支撑。 方法 对获取的点云进行预处理,使用k-d树构建近邻关系图,用Dijkstra算法求算出子图的根。检测出有效路径后,使用探测半径计算关键路径。计算树枝骨架,然后对初始骨架进行Bezier曲线半径平滑,得到平滑的骨架,再将骨架连接,使用半径平滑和圆柱拟合减少点云密度小造成的拟合不足的情况,能够最大限度保留树枝的细节。结果 使用3株落叶松点云数据构建了树枝树干表面网格模型,重建了树木三维结构。将树干、树枝的三维网格模型与点云匹配后,效果较好;所构建的模型能够进行细小枝条的重建,而不是模拟细枝,通过观察重建结果,一级枝的重建效果非常好,大的二级枝也能得到很好的展示;整套算法计算快速,计算时间与枝条的复杂程度、连接关系有关。结论 基于关键路径探测的方法能够很好地构建树木的三维网格模型,可以用于单株树木测树因子的精确提取。     

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.     

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。     

基于激光点云数据的三维建模技术研究

利用激光扫描仪获取的点云数据构建实体三维几何模型时,针对不同的应用对象、不同点云数据的特性,激光扫描点云数据建模的过程和方法也不尽相同。概括地讲,整个点云数据建模过程包括数据预处理和模型重建。数据预处理为模型重建提供可靠精确的点云数据,降低模型重建的复杂度,提高模型重构的精确度和速度。该文提出的方法能够很好的为快速三维建模进行服务,尤其是比较关注街道两侧信息的三维获取,这将大大减少人工三维数据获取及其建模的工作量,将有很好的应用前景。     

地面激光点云结合摄影测量的建筑物三维建模

当地面激光扫描仪扫描建筑物时,由于地物的遮挡、或者某些地方不便设站等原因,造成了点云缺失,导致点云数据不完整.本文主要是以安徽师范大学敬文图书馆为例,在利用地面激光扫描测量生成建筑物点云的基础上,借助航拍摄影测量技术获取图书馆顶部的点云数据,对点云空洞进行修补,即在获取地面激光点云数据和摄影测量点云数据之后,对两种点云数据进行配准、几何建模及纹理映射,最终生成图书馆的三维立体模型,实现建筑物的三维可视化表达.     

基于最小生成树的点云数据去噪方法

为了保证重建的模型质量或模型配准的精度,提出采用基于最小生成树的聚类算法将点云数据中的噪点去除,并在尸体股骨上对这种骨表面点云数据的获取方法的可行性和噪点去除方法的有效性进行了验证。实验证明,这种数据获取方法是可行的,所采用的噪点去除方法也是有效的。     

基于WebGL的机载激光雷达点云数据可视化

提出了一种基于网络图形库WebGL,在网络浏览器中对大规模机载激光雷达点云数据进行交互式三维可视化的方法.该方法以平均分布四叉树进行数据组织,基于视点对四叉树进行快速视锥体裁切实现点云渐进绘制.在此基础上开发了原型演示系统.实验证明该系统能为用户在网络浏览器中提供很好的机载激光雷达点云数据的交互式三维可视化体验.     

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.     

复杂地形电力线机载激光雷达点云自动提取方法

针对传统电力线自动提取方法提取复杂地形下电力线效果较差的不足,从输电走廊机载激光雷达点云数据特征出发,在分析复杂地形下传统方法提取电力线问题的基础上,提出了一种电力线自动提取的新方法,并应用实际线路点云数据进行了可行性验证.所提方法首先通过空间划分将长距离、复杂地形转换为多个小距离尺度空间组合,基于子空间特征的差异化高程阈值分割算法实现地物点分离,解决了传统单一高程阈值分割法不能有效识别电力线与地物点高程重叠的不足,然后利用高程密度分割算法实现杆塔定位与电力线提取,并提高算法效率.案例试验结果表明,所提出的方法能实现复杂地形下和平坦地形下的电力线准确自动提取,且提取的正确率高,算法效率较好,提出的算法可用于工程.     

基于三维激光扫描技术的建筑物三维建模方法

以拓普康GLS1500扫描仪作为实验设备,从数据采集、点云处理、三维模型建立和纹理映射等方面探讨了利用三维激光扫描技术进行建筑物三维建模的方法。     

融合边缘检测的 3D 点云语义分割方法研究

针对点云分割中分割目标不明确,边缘不清晰,全局特征与边缘特征未能有效融合等问题,提出 了一种融合边缘检测的 3D 点云语义分割算法。 首先,通过 3D 点云语义分割网络对点云数据进行初步提取 区域内的全局语义特征;然后,采用引入了注意力机制的语义边缘检测网络,能够更好地对点云数据中的物 体进行特征提取增强,抑制非边缘信息的产生,得到了具有丰富的语义信息的边缘特征;最后,通过融合模块 将属于同一物体的语义特征融合起来进行分割细化处理,使得分割目标更精确;此外,使用了双重语义损失 函数,使网络产生具有更好边界的语义分割结果。 通过搭建实验平台和使用 S3DIS 标准数据集进行测试,改 进后的算法在数据集上的平均交互比为 70. 21%,在精度上较 KPConv 语义分割算法有所提高。 实验结果表 明:该算法能够有效改善物体边界分割不清晰、边缘信息模糊等问题,总体分割性能良好。     

基于KD-ICP算法的机器人拆解目标三维点云配准方法

随着我国核能产业发展,大量在役涉核装置运行过程中出现的事故和隐患需要通过涉核机器人进行远程处置,部分事故处置需对出险装置进行精确拆解,基于三维重建视觉图像定位是其关键技术之一。本文针对核应急事故中待拆解目标的精确重建,开展三维点云配准方法研究,在配准算法总体流程基础上设计出三维点云配准算法,利用高斯滤波进行点云数据去噪,提出一种兼顾点云信息完整性和算法效率的KD-ICP算法,利用FPFH和 PCA主成分分析实现特征点提取并降低点云数据量,使用4PCS进行点云粗配准,采用KD-ICP算法实现点云精配准。在所搭建的拆解机器人试验平台上,针对管、板及涉核装置模拟体等测试对象,对所提出的配准算法进行试验分析与评价,与其它三种常规算法的对比试验表明,本文所提出的点云算法在相同的条件下均方根误差最小,运行时间最短,具有更高的点云配准效率及较好的鲁棒性,为复杂拆解目标的三维重建及精确定位奠定了基础。     

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.     

基于空间网格划分的点云质量检测算法

随着三维激光扫描技术的快速发展,它以非接触性、高密度、高精度、数字化、自动化等特点,被广泛用于多个邻域,其中在建筑物变形监测领域的应用也越来越广泛。针对扫描设备获取的大量变形监测数据,快速地统计出前后两期数据变化差异值,提出了一种基于空间网格划分的点云质量检测算法,算法通过对不同期点云模型进行空间网格划分,依据网格进行点云邻域搜索,并根据点云变化差异值给点云赋予不同色谱颜色值,最后进行直观的两期点云变化差异可视化,并绘制出统计信息图。研究表明,该算法能够快速地分析对比两期点云数据,输出变化差异统计信息,能够为工程的运营提供快速的安全指导参考。     

基于局部感知的点云语义分割方法

点云语义分割技术是点云数据处理、三维场景理解与分析的有效手段之一。针对点云场景中局部形态各异,导致网络模型识别特征困难的问题,提出了邻域分布关系学习和混合尺度融合的方法,来增强局部感知能力。在卷积算子思想的基础上,根据邻域内所有点在三个坐标轴方向上的联合分布,学习其在高维特征层面的关系,从而捕获局部的整体相关性。此外,将包含小范围底层特征和大范围深层特征的邻域进行整体融合,有效保留不同层级的特征,并能够辅助网络修正相似或错误特征。在场景分割数据集S3DIS、ScanNet上进行实验验证,结果表明该方法在总体精度和类均精度的评价指标上均有提升,证明了其有效性。     

基于混合上下文熵模型的点云几何编码算法

针对三维点云存在的大量空域冗余信息,提出一种基于混合上下文熵模型的点云几何编码算法框架.通过多层感知机与Resnet网络分别对基于八叉树结构的点云和基于体素结构的点云特征进行上下文特征提取,并使用选择单元对上下文信息进行裁剪、选择和融合,使网络能够针对当前编码体素建立更加准确的概率模型,从而提高三维点云的压缩效果.同时,针对模型复杂度高的问题提出并行多尺度自回归进行概率估计的方案,大大降低了编解码时间.实验结果表明：点云几何编码算法能够有效降低每个体素所占的比特数并且整个编码过程无损;与G-PCC编码算法相比,压缩后比特率下降了14.27%.     

基于密度自适应深度网络的点云场景语义分割算法

由于传感器噪声干扰,点云密度不均匀,场景复杂多样以及物体之间存在遮挡现象等问题,使得三维点云场景语义分割问题的研究工作极具挑战性。针对三维点云数据采样密度不均匀以及图卷积网络深度有限的问题,提出一种密度自适应的方法。该方法通过多层感知器学习一个权重函数,利用核密度估计学习一个密度函数,对非均匀采样的点云数据进行卷积操作。同时,受深度学习在图像领域的启发,引入残差连接、空洞卷积等结构,训练更深层的点云分割网络。该算法在多个点云分割的标准数据集上取得了优秀的性能。