一种基于TIN的LiDAR点云滤波算法

在一定范围内地面可以近似看成一个个小平面的前提下,提出一种基于TIN的Li DAR点云滤波算法。先通过多尺度虚拟网格来筛选地面种子点,然后经过TIN向下加密和向上加密两个过程来进一步筛选出地形点;最后,通过3组具有不同典型地物特征的测区数据进行试验,验证该算法的实用性和有效性。     

面向对象的机载LiDAR数据建筑物提取

基于LiDAR数据,提出一种由粗到细的面向对象的建筑物自动提取方法.首先通过机载LiDAR数据构建出归一化数字表面模型(normalized digital surface model, nDSM),利用首尾两次回波高程计算出归一化差值(normalized difference, ND),并采用形态学运算消除边缘特殊回波点.基于nDSM和ND数据,依据建筑物的高程及穿透性信息,用阈值分割法进行建筑物粗提取.结合nDSM和ND数据以及强度信息,对粗提取得到的备选建筑物采取多尺度分割,合并亮度值相差较小的邻近分割结果对象,达到对分割结果的优化处理.最后利用目标对象的亮度、形状、面积和空间关系等特征,完成建筑物的精提取.实验结果表明,该方法可得到较高精度的建筑物信息,是基于机载LiDAR数据提取建筑物的新思路.     

基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中,许多深度学习网络未能充分考虑局部点之间的复杂关系,导致大量空间几何信息丢失。针对该问题,提出了一个强化局部特征的网络,用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码;通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数,结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验,结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中,许多深度学习网络未能充分考虑局部点之间的复杂关系,导致大量空间几何信息丢失.针对该问题,提出了一个强化局部特征的网络,用于点云的目标分类和语义分割.该网络通过设计编码单元对点的多方向信息进行编码;通过注意力机制学习采样分组后形成局部点云的特征.同时提出了一种新的多维损失函数,结合使用交叉熵损失函数与...     

基于点云数据的三维模型重建

随着需求的不断增长,空间信息的表示逐渐从二维形式朝三维形式转变,三维建模技术与点云数据采集技术的结合极大地提高了其真实性和可视化水平.三维激光扫描技术广泛应用于多个方面,其具有快速性、不接触性、穿透性、主动性和实时性,同时具有动态化、数字化、自动化和效益高、密度高、精度高等特点,解决了目前空间信息技术发展中实时性与准确...     

基于地面LiDAR技术的岩石斜坡变化分析

传统测量方法只能进行单点测量,且复杂地区不易到达,再加上点数量的限制,无法全面反映变形体的几何信息;而地面LiDAR技术具有精度高、速率快、非接触式主动测量的优势,且能够实现多点测量。基于此,采用地面LiDAR设备对岩石斜坡进行了2期扫描,通过建立斜坡坐标系,对三维点云进行栅格化,栅格大小设定为0.05m,从而得到波浪实验前后岩石斜坡的变化情况,最小值为-12.77mm,最大值为14.83mm。结果表明,处于交界面附近的岩石较其他区域容易发生变化。     

基于TSDF模型的点云孔洞修复方法

深度摄像头的点云集合一般存在黑色孔洞闪烁的现象,在识别机械臂静态目标抓取时,点云集合数据的关键位置的体素不规则出现,就会对目标中心点的识别造成无法修正的偏差。因此,引入多个点云集合累积的思想,提出了一种基于TSDF模型的点云孔洞修复算法。在图形处理器(Graphics Processing Unit,GPU)中构建长宽高都是512体素的截断符号距离函数(Truncated Signed Distance Function,TSDF)模型,给定深度摄像头相对于世界坐标系的初始位姿,便可以得到相机坐标系到世界坐标系的坐标变换矩阵。根据当前图像坐标点的深度值和模型体素值,动态计算权值,更新模型,经过多次迭代,从而形成稳定的点云坐标集合。实验结果表明,所提出的算法应用在机械臂静态目标抓取后,被识别目标中心点重定位精度误差在2.0 mm内,机械臂抓取目标的成功率显著提高。由于模型在GPU中构建,并不会降低计算机工作性能。所提算法在修复方面的可靠性强于常规修复算法,对于颜色复杂的物体和对于没有彩色图像的深度摄像头依然适用。     

基于相向切片的点云对象体积计算法

切片法虽是点云对象体积计算的有效方法,但在计算过程中存在系统性和偶然性误差,客观上制约了切片法点云对象体积计算的适应性和工程化。提出的改进后相向切片法在传统的切片法基础上进行了两部分优化,首先是在计算点云切片体积时,将切割方向的最后一个切片即"点云体零头"部分予以额外计算,从而削弱了系统误差;其次是针对同一点云对象,从正反2个方向分别进行切片,再将二者结果的均值作为最终点云对象的体积,从而对方向性偶然误差进行削弱,这样既充分发挥了切片法的优势,又削弱了切片法的系统性和方向性影响,还通过算法优化保持了切片法的高效率。实验结果表明,对于形态不规则的点云对象,相向切片法的体积计算结果相较于切片法更加可靠,误差较小。由此可见相向切片法既是切片法的内在完善和构型升级,也是稳健的、工程化的切片法。     

基于改进Hadoop云平台的海量文本数据挖掘

针对常用的文本数据挖掘系统在处理海量文本数据时时间效率较低的问题,论文提出了一种基于改进Hadoop云平台的海量文本数据挖掘方法.该方法首先将传统Hadoop云平台进行改进以适应海量文本数据挖掘的需要,然后将海量文本数据集和挖掘任务分解到该改进平台上的多台计算机上并行处理,从而实现了一个基于改进Hadoop云平台的海量文本数据挖掘平台,并通过对10 000篇新闻材料组成的实验数据集进行挖掘验证了该平台的有效性和高效性.     

基于改进的模糊层次分析法的堤防稳定性评价

堤防关系着人民的生命财产安全,因此堤防的稳定性风险评价具有重要的研究意义。以黄浦江多个堤防工程为依托,构建包含堤身、堤基与环境因素3个准则10个因素的多层次结构,根据各因素对堤防安全系数的影响程度,提出以安全系数影响程度为依据的权重求取方法,确定以各单因素与安全系数的曲线拟合公式为基础的指标评价值函数,建立基于改进的模糊层次分析法的堤防稳定性风险评价模型,解决传统模糊层次分析法主观性高的问题。结果显示该模型的计算结果与有限元数值模拟相吻合。     

顾及强度信息和地形信息的南方丘陵区机载LiDAR数据滤波研究

针对南方丘陵区地形起伏较大的特点,结合点云的强度信息,研究适合于该区域的机载Li-DAR点云滤波算法.首先,对强度信息进行改进的K-MEANS聚类,并根据距离评价函数最小准则寻找最优聚类数.其次,结合渐进三角网滤波算法能较好顾及地形起伏的优点,对不同类型的点云设置不同的构网优先级,得到不同的判据阈值,以此进行渐进三角网...     

基于改进层次分析法的车站奖金分配优化研究

针对基层站段生产奖金分配的弊端,在分析主要行车工种作业内容的基础上,运用层次分析法,建立层次结构模型,准则层与方案层采用不同评价标尺,以准则层中工作量、繁忙时长、工作复杂程度及执行困难程度为影响因素,创建方案层生产奖金分配量化公式体系,为方案层评判矩阵的元素比较提供了定量支持,利用组合权系数的方法确定各因素的重要性,确...     

基于高密度公路三维灰度点云的图像增强方法

【目的】在采集路面病害图像过程中,由于受到光照不均匀的影响,导致图像出现多噪声和低质量问题。此外,路面病害在整个图像中的占比小,且与背景颜色相似,不易区分。通过解决这些问题,可避免影响后续路面病害识别的精度。【方法】提出一种基于高密度三维灰度点云的图像增强方法。通过多模型特征融合、网络学习输入图像不同层次的特征,来增加特征互补性,提高特征提取能力。【结果】该方法不仅能增强图像细节,还能降低图像噪声,增强待检测图像的识别效果。【结论】试验结果表明,该方法在客观评价和视觉质量上达到了优良的性能。     

基于建筑物的点云分割与提取技术研究

本文对建筑物点云分割与提取的方法和流程进行研究。在研究过程中,通过对建筑物顶面进行分割,提取出建筑物各顶面的点云,精确构建建筑物房顶面片,进而实现建筑物的三维重建。     

基于部件测量的车载激光点云处理技术研究

基于城市主要道路电杆、路灯、路面标志等部件快速测量的需要,采用车载激光测量系统扫描获得的道路激光点云为主要数据源,重新思考点云数据中杆状、牌状地物快速获取的构建思想。通过影像匹配技术、点云预处理及面向对象方法的研究,实现点云数据中以上特征地物的快速提取。     

基于点云数据的地下空间模型构建技术研究

本文在已有获取的地下空间点云数据的基础上,针对精细隧道三维建模技术路线和处理流程进行研究,本次研究成果将进一步丰富三维数字城市建设的成果,对其进一步发展和应用提供一定的技术参考。     

基于点云数据的三维全景平台研究与实现

城市三维全景的建立能够直观、真实地向人们提供全方位城市场景的各种信息。本文提出利用测绘地理信息新技术建设三维全景平台的技术思路,并详细阐述建立三维全景平台的点云数据的处理步骤和方法,并对处理中的关键技术进行总结。     

基于附加参数的点云数据平差模型研究

为了对地面三维激光扫描的系统误差进行消除或减弱,分析了地面三维激光扫描的系统误差主要来源。通过研究仪器相关误差和外部误差(目标相关误差、环境相关误差、配准相关误差)对地理参考的影响,将系统参数分为随机性和非随机性参数2类加入到平差模型中参与平差。在11个参数自检校模型的基础上,提出了附加系统参数的点云数据平差函数模型,实现了对所有系统参数的统一解算和显著性检验,经过模型对系统误差改正后,可以提高地面三维激光扫描仪的数据精度。     

基于改进BP神经网络算法的云环境异常检测技术研究

为提高云计算环境异常检测的准确率,改进算法性能,提出一种基于分组梯度下降以及变动学习速率的BP神经网络算法。通过将样本按照一定规律分组,改进梯度下降法的表现,再自动调整学习速率以加快收敛速度。实验表明,该算法可有效提高神经网络学习速度,能准确将云环境异常检测数据分类,具有较高的检测率和较低的误报率。     

基于点云数据的建筑物立面纹理映射技术研究

本文以车载激光扫描获取的点云数据及影像数据为研究对象,提出基于改进的格网法对建筑物点云信息提取,通过对建筑物立面纹理提取和最佳影像获取,得到建筑物的立面影像图像。本文对采用的技术方法和研究的内容进行详细阐述。