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。     

压缩感知点云数据压缩

在研究FARO 激光扫描点云数据特点的基础上,将压缩感知理论和算法应用于3D 点云数据的压缩. 通过对点云数据降维处理,直接对坐标数据进行采样压缩,应用正交匹配追踪算法进行恢复,并对恢复数据采用统计滤波的方法滤除边缘噪点. 仿真结果表明：该方法能有效地实现点云数据的压缩,且有较好的鲁棒性.     

一种基于身份代理重加密的云数据共享方案

针对云存储环境对隐私数据安全共享的迫切需求,提出一种安全、高效的云密文数据共享方案.该方案利用基于身份的代理重加密技术,将隐私数据加密后上传到云存储服务器中.为了实现数据的安全分享,数据所有者可以生成一个重加密密钥发送给代理服务器.代理服务器利用重加密密钥将数据所有者的密文转化为数据共享者的密文,而代理服务器却不能读取加密的数据.该方案不需要使用公钥证书,从而缓解了传统公钥加密方案的繁琐公钥管理过程.此外,该方案在随机预言机模型下是可证明安全的,从理论上保证了云数据共享方案的安全性.     

一种基于峰谷滤波的改进算法

在峰谷滤波的基础上提出了一种新的改进算法,首先在噪声污染图像的滤波窗口中去除除中心象素外的最大最小灰度值象素,然后利用中心象素与修改后的邻域进行比较以判断其是否为噪声点.理论分析和图像处理仿真实验表明,改进后的滤波器性能得到较大改善,在有效去除噪声的同时能充分保留原图像细节信息.     

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。     

植物三维点云分割

针对植物点云具有形状不规则、密度不均匀的特点,提出一种适用于植物的三维点云分割方法.将烟草、玉米、黄瓜这3种植物作为样本数据,以滤波等预处理方法去除离群点与背景点,以欧氏聚类算法分割植物群体,并用区域增长算法、边缘提取算法、超体素聚类算法以及基于凹凸性的方法来分割叶片器官.将所提出的方法用于分割烟草、玉米的三维点云,其...     

一种改进的快速中值滤波算法

对传统的排序算法进行了分析,并根据中值滤波在空域使用时各像素的空间位置关系,提出了一种相对快速的算法。     

一种基于中值滤波的图像预处理改进算法

对于图像处理领域中常见的椒盐噪声来说,比较经典的去噪算法是中值滤波去噪算法．但是,中值滤波算法是直接选取一定形状的区域块,再对此区域块内图像的所有灰度值进行重排序,选取重排序后的灰度中值作为区域内新的灰度值,此方法简单但未去除噪声点对整体图像传输带来的影响．基于椒盐噪声在图片传输中的非白即黑特点,提出了一种去除噪声点影响的新算法．首先,在选定区域内去除异常噪声点,使用非噪声灰度值进行替代;然后,通过反复实验找到合理的椒盐噪声密度阈值;最后,在此阈值的情况下,进行新灰度值的排序,排序的中心值替代原始灰度排序的中心值．通过仿真验证了新算法在椒盐噪声密度比较大的场景,去噪效果较中值滤波算法更优越．     

改进ICP算法的点云配准

针对传统ICP算法所存在的对初始点云位置要求高、算法效率低等局限性,本文对算法进行研究改进,改进结合K-近邻搜索和法向量估计,采用组建不变角度作为不变特征求解旋转矩阵和平移向量实现初配准,利用基于八叉树的ICP算法进行精配准。研究表明,改进算法能提高配准精度,缩短配准时间,优势明显。     

基于LiDAR数据的三维数字城市建设技术研究与实现

针对轨道交通带状图测量,以使用移动测量系统扫描的激光点云为主要数据源,通过对点云数据与影像匹配技术、背景信息分离技术、数据简化技术及面向对象方法的研究,实现点云数据中特征地物的快速提取,大大提高了轨道交通带状图测量的效率,节省了投入的成本,缩短了测量工期数。     

利用显著性的点云模型客观质量评价

点云模型质量的客观评价是三维几何模型研究中不可或缺的工作. 根据显著性能够较好地反映人类视觉系统的特点,提出以点的法向量与其邻域点法向量的差异作为该点的显著性计算依据,利用原始点云模型和处理后点云模型在显著性上的差异判断点云模型质量的变化,实现点云模型的质量评价. 实验结果表明,所提出的客观评价模型和主观的人工评价得出的结果基本一致,且比信噪比方法更能体现人的视觉感知.     

结合上下文特征和图割算法的车载点云聚类方法

可靠、准确的点云聚类是后续高精度场景目标分析与解译的基础.该文提出了一种基于上下文特征和图割算法的车载点云聚类方法.首先用DBSCAN(density-based spatial clustering of applications with noise)对点云数据进行过分割,得到密度可达的超体素;然后引入空间和属性上下文特征来描述超体素间的关联,并用于定义超体素构建的图模型边的权值;最后基于多标记的图割优化算法得到最佳超体素聚簇.实验结果表明,该方法能够有效改善点云聚类过分割,从而提高聚类的精度.     

一种局部几何关键点的激光点云配准方法

在对激光点云配准时,原始点云的高密度和大数据量都会造成点云粗配准具有很高的时间代价和不稳定的配准精度.点云精配准是以粗配得到的配准参数作为输入,通常采用标准的ICP算法寻找对应点并迭代计算最佳的配准参数.为了提升激光点云配准的精度和稳健性,提出利用3D DoG算子在点云中提取具备曲率不变性的关键点,然后将关键点云输入4...     

无人机激光雷达点云电力杆塔倾斜状态测量

针对传统杆塔倾斜度测量方法难度大、强度大、效率低的问题,提出了一种基于无人机激光雷达点云的电力杆塔倾斜率精准测量方法。该方法利用无人机LiDAR电力巡线获取的散乱杆塔三维激光点云,通过拟合塔身结构来计算杆塔中心线,进而计算杆塔倾斜率。为验证方法的有效性,挑选了6种类型共18个电力杆塔,分析点云密度对倾斜检测算法的影响,并计算倾斜检测算法的精度。结果显示电力杆塔倾斜角测量的平均相对误差小于0.7°,证明了该方法的有效性和正确性。