基于多尺度网格的点云自适应坡度滤波算法

文章针对基于坡度滤波算法在地形复杂地区中难以合理设置滤波阈值的问题,提出了一种基于多尺度网格的点云自适应坡度滤波的算法。首先在构建的多尺度的虚拟网格内选取最优点作为初始地面种子点,计算网格的点云空间占比并划分网格语义属性,然后利用地形计算因子求得每个网格的坡度分类阈值,再按网格尺度由大到小的方式对整体点云进行坡度滤波,得出真实的地面点云数据。文中采用了多种地形的光探测和测距(Light Detection and Ranging,LiDAR)(简称"激光雷达")数据来验证该算法,结果表明,该算法能够有效去除地面上的植被、建筑物等地物点,保留真实的地面点云数据。该算法重点解决了在伴随地形变化时坡度滤波阈值的计算和自适应设置问题,以及在地形变化剧烈的边缘地带过度滤波的问题。     

基于林地激光点云的树木胸径自动提取方法

提出了一种基于随机RANSAC模型的树木胸径自动提取算法。首先,采用布料模拟滤波（CSF）算法对林地点云数据进行滤波,获取树木、地面数据与数字地面模型（DEM）并提取树木胸径处点云,然后进行欧式距离聚类,最后基于随机random sample consensus（RANSAC）模型拟合树木模型,实现自动化的树木胸径提取。使用上海市青浦区某区域两林区样地的地面激光点云数据对该算法进行验证,与实际人工测量树木胸径的平均偏差分别为0.79cm和0.52cm。实验对比结果表明,该算法在精度与时间性能上均优于基于Hough变换的算法与基于最小二乘的算法。     

数学形态学的混合线路故障滤波及定位

随着城镇化建设的推进以及越来越多的跨海输电工程,采用架空-电缆混合线路越来越多,快速准确定位混合线路中故障点是保证电网稳定运行的基础。文章提出一种基于数学形态学故障波形滤波以及故障定位的方法,考虑实际测量环境中各种噪音,采用数学形态学中的梯度变换来突出暂态行波的突变点,确定折反射行波经过测量点时间;分析折反射行波传播的路径,通过时间差值来确定故障点,并以某线设备安装站的监测数据进行对比验证。结果表明,数学形态学滤波较好地恢复了波形原始形貌,在不同噪声类型下都有较好的适应性,故障定位也与实际情况较为符合。此成果对混合线路的识别定位提供了重要依据。     

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.     

一种新的综合鉴别滤波光学模式识别技术

设计了一种可在空域招待的综合鉴别滤波器（SDF），并将其应用于光电混合处理、光学模式识别系统中，采用频域执行SDF挑学滤波和空域执行SDF数字滤波相结合的方法，对输入场景中的三维目标进行实时、畸变不变识别。通过综合鉴别滤波的数值模拟和实时、畸变不变相关识别的硬件光学执行实验显示：该滤波技术可显著提高光学模式识别系统的识别效率，增强系统抗强背景噪声干扰的能力，从而改善系统的识别性能。     

一种考虑多尺度噪声的平滑去噪方法

针对在实际采集三维点数据模型中遇到多种尺度噪声的问题,提出了一种基于噪声分类组合滤波平滑去噪的方法。首先根据点模型中噪声的位置、密度和无用性等特点,将其分为伪噪声、大尺度噪声和小尺度噪声三类;分别使用直通滤波、半径滤波和统计滤波,以及移动最小二乘重采样(MLS)去除;同时考虑到点云冗余,将体素化网格滤波与移动最小二乘重采样相结合,实现重采样点模型的优化。实验结果表明:能够很好的解决地面三维激光扫描仪采集的点数据模型中存在多种尺度噪声的问题。从模型视觉效果上的漏洞修复、特征保持和光顺效果,以及实际变形度上看,方法优于直接使用MLS重采样和Laplace平滑去噪。     

基于双绞线的OFDM接收机物理层设计与实现

针对远距离、点对多点、多业务、大数据量的通信场景,提出了一种适合于双绞线传输的、基于OFDM的无中心无交换的收发信机系统方案.为了弥补远距离有线传输高频信号的衰减,该收发信机在发送端采用自适应调制和预均衡技术.在接收端采用自绕宽带阻抗匹配变压器,结合数模混合的可变增益（VGA）控制技术实现了AD前端信号幅度的调理.该VGA控制技术采用闭环控制,主要包括4个部分：前置放大电路、整流滤波电路、电压比较电路和能量检测电路（FPGA实现）.实验结果表明,在110.592 MHz的时钟频率下,信号调理的时间不到10 μs.在10 km传输距离下,能够满足15对用户同时在线.     

基于粒子群算法的多尺度反卷积特征融合的道路提取

研究基于传统FCN算法下的不同比例的多尺度特征融合对于复杂场景下道路提取准确度的提高.针对复杂的航拍道路场景,设计了针对于农田环境下的FROBIT农田道路数据集,并使用全卷积神经网络（FCN）对FROBIT农田道路数据集和Massachusetts城市道路数据集进行道路提取工作.本文基于传统的FCN的网络,对其反卷积方式进行改进,采用粒子群算法（PSO）设计了不同比例的多尺度特征融合.通过将本文提出的Multi-Scale FCN网络与传统的FCN神经网络在FROBIT数据集和Massachusetts道路数据集上进行对比实验,结果表明Multi-Scale FCN网络相比于传统的FCN神经网络在提取精度上得到了提高.      

基于关键点的点对特征三维目标识别算法

针对复杂场景下的三维点云目标识别速度慢,准确率低的问题,提出了一种基于关键点的点对特征三维目标识别算法. 通过直接对关键点建立点对特征,避免了周围邻域局部曲面的特征计算,具有空间维度小和计算速度快的特点. 使用哈希表存储,加快了特征匹配的时间. 利用快速投票方案对模型点云和场景点云进行匹配识别,生成候选位姿,利用贪婪算法对候选位姿进行聚类与筛选,采用ICP算法对物体位姿进行优化,基于配准后的点云重叠情况完成目标识别. 对提出的算法在多个数据集以及真实场景下进行了实验,验证了所提出的识别方法具有可行性和有效性,且对噪声的鲁棒性较强,具有一定的实际工程应用价值.      

爆炸物太赫兹谱的研究

对单质炸药环RDX以及多种以RDX为主体成分的混合炸药进行了不同形态样品的太赫兹(THz)谱的实验测量. 利用太赫兹时域光谱技术(THz-TDS)给了在0.2-2.5THz范围内炸药样品在不同形态下的吸收系数.结果发现,单质炸药RDX,以及多种以RDX为主体成分的混合炸药具有相同的特征吸收峰;聚乙烯没有特征吸收峰;炸药粉末状样品对THz的吸收相对于片状的样品来说较强.实验结果显示,利用THz-TDS技术可以对单质炸药以及以其为主体成分的混合炸药进行检测和识别.     

窗口迭代的克里金法过滤机载LiDAR点云

 机载LiDAR点云处理的首要一步是过滤非地面点云而保留地面点云。根据LiDAR点云的高程值在空间分布的不规则性,一种窗口迭代的克里金法被用来过滤掉地物对象点。首先,通过点云的高程直方图滤除低位和高位的粗差点云。然后,以点云的平均点间距作为初始窗口大小,根据周围8邻域格网的高程值,使用克里金内插法拟合出中心格网的高程值;当拟合值与中心格网原始高程值之差大于设定的高差阈值时,中心格网内的点云就被归类为地物点,剩余未分类的点重新被内插成新的格网,窗口大小变为原来的2倍。随着窗口的不断增大,剩余的点被继续分类直到窗口达到最大为止。选取国际摄影测量与遥感协会(ISPRS)提供的15个样本数据测试这种算法,并与其他8种算法进行比对,结果发现窗口迭代的克里金法的I类误差和总误差较小,说明本算法在滤波方面具有一定的参考价值。     

用Kinect定位平面上单一圆柱型物体

通过Kinect设备获取物体所在场景的3D点云图像,再用积分图像计算场景中点云的法向量,根据法向量Y方向分量与XOZ平面所成角度的正切阚值滤除放置物体的平面,同时利用坐标输出阏值的设定滤除其它背景点和噪点。随机采取物体点云图中任意法向量不同的两点,根据它们的法向量和坐标,用异面直线公垂线的计算方法得到圆柱体的中心轴。再用点到空间直线的距离公式计算圆柱型物体的半径。最后通过计算物体点云X,Y,Z方向坐标的取值范围,实现对物体的定位。使用采集的场景点云图对算法结构进行测试,结果表明,算法结构可以可靠提取放置物体的平面和平面上的圆柱形物体,可以为机器人抓取提供准确数据信息。     

Segments-based progressive TIN densification filter for DTM generation from airborne LIDAR data

Airborne light detection and ranging (LIDAR) has revolutionized conventional methods for digital terrain models (DTMs) acquisition.Ground filtering for airborne LIDAR is one of the core steps taken to obtain a high quality DTM.This paper presents a segments-based progressive TIN (triangulated irregular network) densification (SPTD) filter that can automatically separate ground points from non-ground points.The SPTD method is composed of two key steps:point cloud segmentation and clustering by iterative judgement.The clustering method uses the dual distance to obtain a set of seed points as a coarse spatial clustering process.Then the rest of the valid point clouds are classified iteratively.Finally,the datasets provided by ISPRS are utilized to test the filtering performance.In comparison with the commercial software TerraSolid,the experimental results show that the SPTD method in this paper can avoid single threshold restrictions.The expected accuracy of ground point determination is capable of producing reliable DTMs in the discontinuous areas.     

长江中下游河道岸滩低空机载LiDAR点云地形滤波算法

探索新兴的低空机载Li DAR技术,解决长江中下游植被高覆盖、高遮挡区岸滩地形测绘难题。提出一种针对多层次、高密度植被覆盖区的低空机载Li DAR点云植被滤波算法,该算法通过多回波分析对点云进行粗滤波后,采用数学形态学运算获取地面种子点,对地形局部进行趋势面拟合,再通过随机采样一致性检测,剔除植被点,保留地面点,从而获取测区的数字高程模型(DEM)。典型测区试验表明,该滤波算法能解决长江中下游河道岸滩地区地形起伏较大、植被高覆盖区域植被点云智能化剥离难题。根据测区实际情况,设计针对性的滤波算法,即使是植被与地面点云高度混淆、激光穿透率低于15%的复杂情形,仍能有效分离出地面和非地面点。     

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。     

采空区三维激光扫描点云数据处理技术

由于井下环境的复杂性,借助三维激光扫描仪获取的采空区边界三维空间信息点云数据中不可避免包含一些噪声点.为此,提出曲率-弦长比复合判据实现了对点云数据中高频噪声点的过滤处理,并运用随机滤波法去除点云数据中的低频随机噪声点,通过分段低次插值法实现空区模型曲线光顺处理.结果表明:过滤及光顺处理不仅有效去除了采空区点云数据中的噪声点,同时避免了采空区三维模型构建中自相交情况的出现,达到了采空区三维模型精确构建的目的.     

基于视点的三维点云自适应多细节层次模型动态绘制

在计算机几何图像设计、医疗研究诊断、物体判定识别、自动化测量等领域应用的迫切需求下,需要对三维点云动态绘制方法进行研究。目前存在的基于图形处理单元(GPU)的三维点云动态绘制方法。首先根据高度场的形式获得三维点云数据;然后利用高通滤波法对获得的三维点云进行消噪处理;再根据Scene Graph的方法表示三维点云之间的逻辑关系;最后利用GPU完成三维点云的动态绘制。为了降低噪声对三维点云绘制的影响,绘制更加流畅清晰的画面,提出一种基于视点的三维点云自适应多细节层次(LOD)模型动态绘制方法。首先利用激光扫描仪器或结构光扫描仪器等获取三维点云数据,并利用双边滤波器进行平滑去噪;然后根据特征配对的方法对三维点云进行特征对的提取与配准;最后以三维点云特征对配准结果为依据,利用三维点云的内外存调度完成三维点云的自适应LOD动态绘制。实验结果分析证明,所提方法能有效地去除噪声,可以更好地描述目标物体或背景,使绘制画面更加流畅。     

基于非一致性稀疏采样的LiDAR点云压缩方法

针对自动驾驶车载LiDAR点云,本文提出一种基于形态学分割和非一致性稀疏采样的新型有损点云压缩框架。LiDAR点云先经过渐进式形态学滤波器分割为地面和非地面点云两部分,对两者进行不同强度的去冗余稀疏采样,之后将3D数据经球坐标变换映射为2D矩阵(表示为距离图像),并通过占据图形式表示距离图像像素值是否存在。根据占据图的Morton 码排序,2D矩阵被表示为更加紧凑的1维距离向量。最后对占据图和距离向量利用图像编码方法进行压缩。实验结果表明,本文方法压缩性能明显优于点云压缩锚点,Google Draco方法;与MPEG TMC13方法相比,在较大bpp的情况下可以达到更高的重建质量,恰好适于精度要求高的自动驾驶应用场合。     

基于无人机点云数据的露天采场矿车提取方法

针对在基于无人机点云数据进行露天采场验收测量过程中,由于矿车点集的存在导致验收精度降低的关键问题,提出了一种露天采场矿车点集自动提取方法.以哑巴岭露天采场无人机点云为数据源,首先利用渐进式形态学滤波算法分割出地面点与非地面点,然后通过改进的欧氏聚类算法对非地面点中的矿车点集进行聚类提取,最后基于国际摄影测量和遥感学会(ISPRS)提出的误差评判标准对矿车提取结果进行评估分析.分析结果表明,该方法可以有效提取露天采场中的矿车点集,为实现露天采场快速高效验收提供了重要的技术支持.     

一种基于CSF-WOA-LSSVM的匹配点云土石方量计算方法

土石方量的获取在各工程项目中占据着重要地位,为了提高无人机倾斜摄影测量技术在土石方量计算中的工作效率、成果精度,提出一种基于CSF-WOA-LSSVM的匹配点云土石方量计算方法。该方法首先通过CSF滤波对匹配点云进行地面点提取,可有效剔除噪声点和非地面点;然后利用LSSVM插值法对滤波后的地面点空洞进行插值修复,并引入WOA对LSSVM插值模型中的正则化参数和核函数参数进行优化;最后将插值修复完成的地面点导入南方CASS软件进行土石方量计算。应用该方法与CSF-LSSVM法、CSF-Kriging法以及RTK土石方量实测数据进行对比分析,结果表明,该方法的准确性优于其他2种滤波插值方法,相较于RTK土石方量实测结果,差值比为1.38%,完全符合土石方量计算的规范要求,并提高了工作效率。