塔形建筑物轮廓点Z坐标点云倾斜监测方法

针对目前三维激光扫描技术对塔形建筑物的倾斜监测,普遍采用拟合点云数据提取塔体中轴线的方法计算塔体倾斜度,数据计算方案较为单一且无法逐层计算倾斜量等问题,为更好解决这一难题,提出新的基于激光扫描点云数据倾斜监测思路,一种基于轮廓点Z坐标倾斜监测方法。该方法通过提取塔檐轮廓点中Z坐标最大、最小值点,利用相关函数计算出各层倾斜度,引入权要素,计算整体倾斜量。以大雁塔为例,对三维激光扫描点云数据进行倾斜变形计算、对比分析。结果表明:2种方法计算结果相差约0.26%,基于轮廓点Z坐标倾斜监测方法切实有效;在明确塔体倾斜方向后,可直接提取沿该方向的塔檐对角点,作为Z坐标最大值最小值点参与倾斜量计算;该方法能快速计算出塔体倾斜量,有效提高工作效率,为三维激光扫描塔形建筑物倾斜监测提供一种新的数据处理方案。     

点云三角化处理技术研究

点云的三角化处理是点云三维重构中必不可少的处理步骤,其处理效果直接决定了点云三维重构结果的好坏,而点云进行三角化时搜索半径r的参数设置决定了点云三角化的处理效果.针对该参数的取值及其对点云三角化结果的影响做了研究.首先对点云数据进行预处理,然后利用最小二乘法原理对点云进行平滑处理,最后将平滑处理后的点云利用贪婪三角化算法实现点云数据的三角网格化.结果表明,点云三角化处理技术在搜索半径r大于等于5倍采样间距(平均间距)时,能够快速准确地生成质量较好的点云三角模型.     

装配式建筑平面激光点云数据线性特征提取方法

提取建筑物线性特征时，由于未对采集到的建筑物点云数据预处理，导致最终提取的建筑物线性特征存在完整度差、提取正确率低的问题，对此，提出装配式建筑平面激光点云数据线性特征提取方法。通过内设激光测距系统获取建筑物在三维向量的有效数据，采用非接触式几何支撑系统建立基于有效数据的空间向量模型，将该模型输入三维激光扫描仪的目标物体表面校正系统中，获取到建筑物的整体点云数据。利用Otsu目标检测法对获取的整体点云数据进行优化处理，采用改进IFFT算法建立基于优化数据的物像空间位姿表征模型，利用连续投影算法提取网格内部特征点并连接成线，完成建筑物点云数据线性特征的提取。实验结果表明，所提方法的装配式建筑平面激光点云数据线性特征提取清晰度高、完整度好，且建筑物线性特征的提取正确率最高可达100%，说明该方法具有实用性。     

基于点云分割的建筑平面图智能生成技术

为了使房屋检测中建筑平面图测绘更加智能化,提出一种基于点云分割的建筑平面图智能生成技术．首先,使用多站点三维激光扫描仪获取点云数据,将所有站点数据进行点云配准拼接,获得完整的建筑模型,同时对点云进行降采样预处理;然后,采用随机抽样一致性(RANSAC)算法对建筑平面进行提取,通过调整点之间距离的阈值、拟合的平面数量和迭代的次数来分割出不同构件的平面;最后,选取合适的中间高度将分割后的点云模型切片,构建投影函数执行投影生成平面图．使用Python编程语言并结合Open3D点云数据处理库对所提算法进行验证,通过对教学楼某层扫描数据进行分析,实现了含有墙、门窗位置信息的建筑平面图的智能生成．研究结果表明：该技术可以准确地对三维激光扫描点云进行分析处理,且平均尺寸误差在4%以内,具有较高的分类精度．     

基于快速成型技术生成等高线的方法研究

提出利用快速成型技术构建等高线的算法.首先利用快速成型技术对点云进行分层,通过对等高线上下两层点云加权计算等高线特征点;然后将特征点转化为格网图像,并利用行列格网直线段对格网图像进行快速轮廓提取及边界跟踪;最后采用B样条曲线拟合生成等高线.试验表明,该方法生成的等高线,不仅具有良好的质量,而且减少了构建三角网的中间过程,提高了计算效率.     

点云格网化滤波方法及其在隧道变形监测中的应用

将三维激光扫描技术应用于地铁隧道变形监测,针对点云数据的预处理问题,研究基于小波分析的点云格网化滤波方法。结合南京地铁隧道扫描点云数据及其特性,分析和选择合理的插值方法对隧道点云进行格网化处理,采用小波变换对格网点数据进行异常值探测,采用小波阈值去噪对格网点数据进行整体去噪,获得滤波后的点云并进行封装对比,获得了很好的滤波效果。     

离散点云数据的小波变换处理算法

将离散点云数据表示成适合用作小波变换的形式,提出了一种基于尺度的离散点云数据的特征识别算法,在此基础上给出了具体的基于尺度的二维和三维离散点云的小波分解算法,最后引入实例对二维离散点云的小波分解算法进行分析,实验结果表明算法达到了对点云数据的按尺度特征分解的目的.通过提出的算法,将离散点云数据按照尺度进行分解并提取出不同的特征成分,这样可以根据后期可视化显示的不同要求,将小波变换分解后的数据进行进一步的处理.     

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.     

海量点云数据轮廓特征线的快速生成算法

从海量点云数据中快速生成轮廓特征线,是实现基于特征的模型重建的关键.提出了一种基于切片的轮廓特征线快速生成算法.该算法首先对点云数据进行切片,将数字图像的方法应用到基于切片的特征点提取中,通过设置数字栅格平面的边长快速地提取特征点,并根据提出的双向索引连通法快速构造特征线,最终实现了点云数据的曲线模型.实例证明:本算法可以快速、准确地生成海量点云数据的轮廓特征线.     

基于三维激光扫描与无人机倾斜摄影技术对异形建筑三维建模的融合应用

利用三维激光扫描技术以及倾斜摄影测量技术进行实景三维建模是常用的技术手段,通过2种手段获取的点云数据对空间方面的展示效果及精度存在差异,尤其在测量目标是结构复杂、材质特殊的异形建筑物时,2种技术所获取的点云数据各有优劣势,保留2种点云数据表现较好的部分,再通过多个空间同名公共点进行转换、匹配,将2种点云数据融合.以较具代表性的异形建筑物——厦门"鸟巢"建筑为例,分别利用三维激光扫描技术以及无人机倾斜摄影测量技术对其进行数据采集以及内业处理,并对2种技术的优缺性及融合后生成的三维模型精度进行分析、探讨,为应对复杂测量环境下对目标建筑物进行实景三维建模提供一种新的思路.     

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.     

基于迭代最近点算法的激光点云拼接研究

在采用激光雷达进行建筑物的三维测量过程中,多站点测量获得的激光点云具有不同的三维参考坐标系,因此将多站点三维点云进行精准拼接是实现三维测量成像的关键。采用VLP-16激光雷达在不同测量站点对山东理工大学机械交通实验楼天井及其周边道路进行扫描,获得了多个站点的三维激光点云;对不同站点测量的点云进行了去噪预处理,消除了有噪声的散乱点云;选取不同站点测量点云的公共区域,采用迭代最近点算法,对各个点云进行了拼接处理,获得了完整的扫描区域三维成像。实验结果表明,此方法可实现不同站点激光点云的拼接,具有良好的拼接效果。     

物体三维断层点云重建的光幕测量方法

针对嵌入式点云显示的复杂性、运算效率低、算法理论少、应用少等问题,提出了一种物体三维断层点云重建方法。该方法通过断层信息和长度信息重建物体的三维点云,通过收集光幕传感器的测量信息得到物体的断层信息,若物体倾斜,则采用几何方法对断层信息进行校正,采用坐标相移将二维断层信息重建为三维点云。开发了基于FPGA的双光幕测量系统,实验结果表明,三维断层点云重建方法可以准确地显示物体的点云轮廓。该算法简单有效,执行效率高,为嵌入式点云应用提供了理论基础。     

基于轨道移动式激光扫描多期点云的隧道断面变形提取方法

针对轨道移动式激光扫描技术监测地铁隧道变形的点云数据特征和隧道断面变形信息提取与分析的问题,本文提出了一种基于轨道移动式激光扫描点云的隧道断面变形提取方法和处理流程.首先采用RANSAC圆柱检测法提取地铁结构特征部位点云,利用提取的隧道结构点云进行点云的粗配准.然后设计了一种基于权重的ICP算法的精配准方法,精配准后的隧道点云通过切片点云降维处理得到二维断面数据,利用断面的k近邻点拟合曲线提取隧道断面变形值,并采用弧线投影的方法对断面变形表达.实验验证表明,提出的基于曲线拟合隧道断面变形分析的方法和过程,能够准确高效地提取到0.7 mm以上的地铁隧道断面变形信息.     

基于形态学的散乱点云轮廓特征线提取

采用逆向工程领域切片技术和数学形态学方法提取点云的轮廓特征线.空间散乱点云密度高且无拓扑关系,通过切片分层可将空间点云转换为不同层的平面切片点云.借鉴图像处理方法,将切片点云转换成二值图像,使用形态学运算提取其轮廓像素,将轮廓像素转换为轮廓特征点并采用B样条曲线拟合成轮廓特征线.实验验证该方法可以得到高质量轮廓线,并可以有效地解决"多环"切片难以正确提取轮廓特征的问题.     

基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效地遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus, RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。     

散乱数据点云边界特征自动提取算法

提出一种散乱数据点云边界特征自动提取算法,该算法采用R* -tree动态空间索引结构组织散乱数据点云的拓扑关系,基于该结构获取采样点的k近邻点作为局部型面参考数据,以最小二乘法拟合该数据的微切平面,并将其向微切平面投影,根据采样点与其k近邻所对应投影点连线的最大夹角识别散乱点云边界特征.实例验证该算法可快速、准确地提取散乱数据点云的边界特征.     

基于曲率图的三维点云数据配准

以曲率图作为三维点云数据的特征描述函数,并运用曲率图实现了三维点云数据的配准.对于含有噪声的点云数据,先根据每个点的邻域特性估算其曲率值,然后根据每个点及其周围邻域点的曲率值构造该点的曲率图.通过在多比例空间下曲率图的特征保持分析,可提取到最能反映该点云数据特征的特征点集.对于两两配准,这些特征点集被用于三维点云数据的粗略配准算法中,该算法利用点云内部空间点相对位置在刚性变换下的不变特性实现了特征点对的匹配,由匹配的特征点对进行坐标变换求解,完成了两三维点云的粗略配准,然后运用迭代最近点算法进行精确配准.最后将整个配准算法应用于真实的三维点云数据,结果表明该算法能有效抑制点云采样密度及噪声的影响,能够快速实现点云数据的精确配准.     

影像辅助下基于地面LiDAR的建筑物特征精细提取方法

面向建筑物精细建模,探讨了在影像辅助下基于地面Li DAR的建筑物几何特征精细提取方法.首先在基于梯度方向进行建筑物特征初步提取的基础上,引入建筑结构完整性约束规则,进行了特征边缘线段合并与角点处特征线的闭合处理.然后利用影像与Li DAR点云配准关系将建筑物影像特征线映射到三维点云空间,即获得影像三维空间坐标.在此辅助下,最后通过估算点云法向、曲率,得到精细的几何特征,从而更好地表达地理场景中的建筑物.研究实例表明,本文的特征提取方法严谨可靠,能有效提高点云特征提取的效率和精度.