点云数据稀疏区域建筑物立面重建方法

建筑物立面兼顾规则和非规则的几何结构排列,利用先验或提取的立面结构规则推理数据稀疏区域立面模型时,会产生不合理的重建结果.为此,提出一种结合规则推理和点云数据验证的数据稀疏区域建筑物立面重建方法,能够对推测的立面模型合理性进行验证.在利用影像数据改善立面点云数据初始重建模型偏移的基础上,分析立面结构的排列规律.采用四邻域模板匹配方法推理点云数据稀疏区域立面几何结构的位置和类型.最后用点云数据验证推理重建结果的可靠性.实验表明,对于结构多样的建筑物立面,该方法可检测出不合理的重建结果,提高了基于规则建筑物立面重建的可靠性.     

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。     

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.     

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...     

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。     

三维激光扫描技术在建筑物重建中的应用

随着三维激光扫描仪成本的不断下降,运用三维激光扫描仪获取点云数据进行处理和分析应用越来越广泛。本文介绍了如何对建筑物进行扫描得到原始的点云数据,并根据数据特征选择不同软件进行拼接、去噪处理,得到了用于三维建模所需的建筑物表面的点云数据。再将这些处理后的点云数据进行分割和拟合,最后经过纹理渲染,得到了比较理想的建筑物三维模型。     

高分遥感影像不同形状建筑物半自动提取与规则化

现有的高空间分辨率遥感影像交互式建筑物提取方法需要用户在建筑物上勾画出与建筑物大小和形状相近的线，且大多方法只能提取直角建筑物。为降低交互要求并实现不同形状建筑物的精确提取，该文首先在用户少量交互的基础上采用区域生长、高斯混合模型、CannyLines线段检测算法以及基于多星形约束的最大流/最小割分割模型获得建筑物图斑，然后分别针对直角建筑物和非直角建筑物图斑进行规则化，得到与实际建筑物形状一致的提取结果。实验表明，该方法交互简单且建筑物提取精度F1值可达到0.9，具有较强的鲁棒性。     

高分遥感影像不同形状建筑物半自动提取与规则化

现有的高空间分辨率遥感影像交互式建筑物提取方法需要用户在建筑物上勾画出与建筑物大小和形状相近的线，且大多方法只能提取直角建筑物。为降低交互要求并实现不同形状建筑物的精确提取，该文首先在用户少量交互的基础上采用区域生长、高斯混合模型、CannyLines线段检测算法以及基于多星形约束的最大流/最小割分割模型获得建筑物图斑，然后分别针对直角建筑物和非直角建筑物图斑进行规则化，得到与实际建筑物形状一致的提取结果。实验表明，该方法交互简单且建筑物提取精度F₁值可达到0.9，具有较强的鲁棒性。     

离散轮廓点集法提取超声图像前列腺边缘

提出一种基于离散轮廓点集的超声图像前列腺边缘提取方法,将经直肠超声图像中的腺体准确分割出来. 该方法根据前列腺的轮廓特征对候选轮廓点进行多级筛选,再除去由于各种干扰产生的非边缘点,得到位于实际边缘的离散轮廓点集,由此确定粗糙的腺体边缘. 随后利用一种快速水平集的曲线演化方法对初始边缘进行小 范围调整,使其更接近实际的腺体轮廓. 对临床应用中的经直肠超声图像进行边缘提取实验,结果表明该方法能克服腺体外部和内部区域灰度不均一以及边缘模糊等问题,提取的前列腺边缘位置准确,轮廓完整.     

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.     

应用启发式边缘生长的遥感影像分割

基于边缘的遥感影像分割方法有两个难点：边缘点检测和边缘线连接. 文中提出一种基于启发式边缘生长的分割方法. 首先对Canny 算子进行三方面的改进以准确提取边缘点：自适应小波去噪、最优双阈值计算、基于邻域全变分的边缘决策. 定义一个新的边缘连接异质性指标,包括空间异质性和光谱异质性. 在此基础上提出启发式的全局交互最优决策技术以正确连接断裂边缘线. 文中用快鸟影像和航空影像进行分割实验,并与eCognition 的分割结果进行定性和定量比较. 实验表明启发式边缘生长分割方法能正确地连接绝大多数边缘线,并提供准确的分割结果.     

空间关系辅助的面向对象建筑物提取

根据高分辨率影像的特点提出一种采用面向对象的建筑物提取方法. 该方法以影像对象为处理单元,利用其丰富的光谱、形状以及隐含在影像中的深层空间语义关系等信息进行分类,然后结合空间关系特征对分类结果进行优化,并使用均值滤波对类别边缘进行修正. 实验表明,基于面向对象的方法能比较完整地提取出建筑物对象,且空间关系辅助能进一步提高建筑物提取的精度.     

三维超声扫查截面点云灰度图像的生成方法

针对利用点云数据检测航空发动机叶片缺陷显示及提取困难的问题,提出一种基于平面拟合和坐标变换的叶片截面灰度图像生成方法。首先对超声扫查的截面点云数据通过平面拟合,得到点云拟合平面的法向量;接着通过空间坐标变换,使得点云数据在投影面不发生重叠和累积;然后将变换后的点云数据进行平面投影与网格划分;最后对网格中的数据进行几何分析得到截面的灰度图像,并进行了实验。结果表明,通过空间坐标变换后形成的点云截面图像比采用原始点云数据直接获得的截面图像更加清晰,明确地体现出叶片截面的缺陷和扫查轮廓,更加方便三维显示和观察以及自动化缺陷识别。     

基于RealWorks和SketchUp的建筑物点云数据三维建模

随着激光扫描技术的不断提高及数据处理方法的不断完善,地基三维激光扫描技术在建筑物三维建模方面的应用越来越广泛。本文基于RealWorks和SketchUp,以实例详细介绍了地基激光扫描三维建模的技术流程,重点对点云数据的配准、去噪、特征线提取、三维几何建模和纹理贴图等步骤进行详细论述,实现了建筑物点云数据三维建模。     

密集匹配点云的自适应道路提取算法研究

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道路提取信息。针对此问题,提出一种密集匹配点云的自适应道路提取算法。首先对多视影像进行道路感兴趣区特征采样,获取影像区域道路的纹理特征,然后对三维点云进行去噪处理并剔除掉高大建筑物和植被。在点云中选取2个明显的道路点作为初始种子点,搜索种子点一定半径范围内的点,并统计这些点对应的法线与种子点法线的夹角,根据道路边沿法线的突变性提取出道路点。然后利用道路点拟合出道路中心线并根据最小包围矩形优化搜索搜索半径,进而自适应的生成其他道路种子点。实验结果表明,该方法提取的道路能够保持连通性,道路边界清晰,且提取耗时较短,具有较好的稳健性。     

面向DEM构建的点云四叉树和R树混合索引研究

机载激光扫描点云数据量大,导致处理点云数据的效率不高.为此,借助四叉树对空间的快速分割和R树的自平衡特性,提出一种基于四叉树和R树混合空间索引的数字高程模型(digital elevation model,DEM)构建方法.首先针对原始点云数据建立外存索引;然后遍历索引以便将符合要求的区域点云分别导入内存,并以形态学滤波法对不同区域内的点云进行同步滤波处理;最后对于分区域处理得到的地面点数据,采用反距离加权内插法得到DEM.实验证明,在确保DEM精度的基础上,应用该索引方法能够极大地提高DEM构建的效率.     

用Normalized Cut法自动提取乳腺超声图像中的肿瘤边缘

提出一种带权重邻域灰度信息的normalized cut(Ncut)方法,该方法能够全自动提取乳腺超声图像的肿瘤边缘.通过Ncut分块乳腺超声图像中的各块灰度及空间分布特征来识别待检测肿瘤的轮廓.对于少数分割不精确的结果,可用结合局部能量项的动态轮廓模型对所提取的初始边缘进行修正,使其更接近真实目标轮廓.对包含112幅乳腺肿瘤超声图像的数据库进行边缘提取,结果表明:该方法无需人工干预,能够准确有效地实现肿瘤分割,且计算量小,有望提高计算机辅助诊断的自动化程度.     

基于边缘增强和特征金字塔的视网膜血管分割网络

U-Net在许多医学图像分割问题中具有先进的性能，因此提出了一种基于边缘增强和特征金字塔的U型分割网络并应用于视网膜血管分割。通过基于梯度算子的边缘增强模块获取额外的边缘先验，以无监督的方式增强边界特征和提高网络对细小血管的辨识能力，利用特征金字塔级联模块帮助网络提取更丰富的语义特征，并将传统卷积替换为Octave卷积方式以更好地提取特征。在公开的2个眼底图像数据集上进行实验，结果证明改进的方法具有更好的性能，有效地提高了分割结果中血管的完整性和连续性。     

基于主动轮廓模型的序列图像分割

提出一种改进的主动轮廓模型应用于医学序列图像的分割。一方面,对内部能量函数增加约束性条件,制约轮廓的长度,使其尽可能短来避免边缘轮廓收敛到中垂线上的其它组织的较强边缘点;另一方面,利用序列图像之间局部区域的信息相关性,重新构造外部能量函数来排除纹理特征的干扰,更好地捕捉到边缘上的拐角点。实验结果表明,提出的改进算法既可以有效地检测出一些拐角点和凹点,又可以避免目标边缘收敛于某些伪边缘点,可达到良好的分割效果。     

斜轴墨卡托投影的长度变形分析

<正>一、斜轴墨卡托投影在工程测量中,经常需要对地面点的投影进行计算,以获得工程测量必需的数据。地面点投影的实质是双重投影,即先进行球面投影,再沿路线方向进行斜轴墨卡托投影。具体投影主要有两种方法:一是先将地面点归算至相应的参考椭球面,再将参考椭球面点投影到球面;二是直接将地面点投影至球面,