机载激光扫描中复杂建筑物轮廓线平差提取模型

建筑物轮廓线提取与规则化是房屋3维重建等处理中的重要步骤,目前大多方法面向多边形规则建筑物轮廓线的提取,而无法适用于包含圆弧轮廓线的不规则建筑物轮廓线提取.针对城市中这一类复杂不规则建筑物,提出一种结构化提取特征点的方法,并判断特征点的属性,对直角处的特征点进行条件平差,优化特征点的位置,而对圆弧处的特征点之间的边界点分段拟合圆弧,以得到平滑的符合实际情况的轮廓线.该方法可有效提取包含圆弧的建筑物轮廓线,最后通过上海陆家嘴地区的建筑物LiDAR(机械激光扫描)数据验证该方法的可行性和提取精度.     

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。     

基于反求工程的螺旋扫描件边界提取方法研究

复杂曲面零件的几何模型重构是反求工程的研究重点之一。针对螺旋零件表面的数字化数据提取边界线的问题,提出了一种基于层析数据的螺旋扫描件边界特征线提取方法。该方法分两步进行,首先将点云切片,对切片后每一层数据点进行边界特征点提取和轮廓线拟合;其次将相邻层边界点拟合得到边界线。通过实例验证,结果表明该方法具有较强的可操作性和实用性。     

基于有限集统计学理论的多扩展目标跟踪研究综述

机载激光雷达(LiDAR)数据是离散的三维点云,同一个建筑面的三维激光脚点具有随机分布的特性,并且由于建筑本身形状的多样性和复杂性,以及建筑物周围环境的复杂性,导致从LiDAR数据提取建筑物轮廓线变得更加困难。提取建筑物的轮廓线,最关键的就是提取LiDAR数据中建筑物的边缘点。文中提出一种改进的提取LiDAR点云数据边缘点方法:设定具体的半径和阈值,把LiDAR点云数据中存储的每个点作为圆心建立包裹圆,求得点云数据中其他点到该点的距离,并统计落在包裹圆内点的个数,通过每个包裹圆内点的个数跟设定的阈值进行比较,从而确定该点是否为边缘点。通过仿真发现,文中算法与alpha shape算法相比,在保持边缘点提取效果的基础上,极大减少了运行时间,总体效率有了显著地提高。     

三维激光扫描技术在建筑物建模上的应用

三维激光扫描技术的应用领域日益广泛,但点云数据内业处理较为复杂,对此方面的研究一直是许多相关专业的热点．通过三维激光扫描仪对历史建筑进行扫描,对采集的数据进行处理,建立建筑物的三维模型．提出了控制网的布设方案,完成激光扫描仪坐标下点云数据向全站仪坐标下数据的转换,对海量点云数据去噪、拟合、建模,完整地建立建筑物的真三维模型,为建筑物的保护和管理提供了基础数据．     

基于实测边界线的地下巷道三维建模方法

根据实测边界线和断面参数,提出地下巷道三维实体的分层建模解决方案:采用图论的树结构表达边界线划分的复杂区域(简称区域树),并采用约束三角剖分的方法对区域网格三角化;提取所有三角形中表示巷道的断面底边和“出口位置”的边,根据断面参数,拟合生成断面轮廓线;均匀离散化断面轮廓线,生成左右对称点列,这些点构成三维巷道实体的特征点;分层提取断面轮廓线上的特征点,生成分层轮廓线;最后对相邻分层轮廓线和顶、底轮廓线分别实现巷道体网格三角化.研究结果表明:该算法充分利用区域树表达的空间拓扑关系和断面参数信息,实现简单,适用于同一中段边界线在任意复杂情况下的连通巷道实体三维建模.     

一种改进的GVF Snake模型轮廓检测方法

由于深度凹陷物体的GVF力场中存在着滞止点区域，导致直接使用GVFSnake模型不能正确逼近深度凹陷物体的真实轮廓．本文提出了一种基于GVFSnake模型的轮廓检测算法。首先根据滞止点区域的伪轮廓把物体的整个轮廓分成多段，然后分别设定初始轮廓线利用GVFSnak。模型获得各段轮廓线，最后把各段轮廓线融合成一个完整轮廓。实验结果表明，新的方法不仅能够提取一次深度凹陷物体的完整轮廓，而且能够成功提取多次深度凹陷物体的完整轮廓。     

基于不变角度轮廓线的三维目标识别

三维物体的快速准确识别是研究的热点.根据局部特征变换的特点,提出了不变角度轮廓线的识别方法.算法通过点云矢量特征对物体进行局部分割,利用欧式距离、测地距离以及角度三个变量,建立其不变角度轮廓特征描述,进一步提取不变矩特征,构建特征向量数据库集.被识别物体的特征描述和数据库中特征进行夹角余弦匹配,可完成物体的识别.通过识别实验以及识别算法性能分析,结果表明算法具有较高的识别率和识别效率,可以用于复杂点云物体识别.     

基于点云数据的建筑物快速三维重建方法

为实现建筑物的快速可视化三维重建,对用地面激光扫描仪获取的建筑物点云数据进行可视化处理,提出了一种拟合平面投影线的快速建模方法,并以Geomagic Studio软件为平台进行了实验。结果表明该方法能提高模型三维重建速度,所建模型很好地再现了原始场景,建模效果好,方法可行。     

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.     

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L1中值骨架提取的植物茎干补全研究

【目的】植物的可视化技术是数字林业研究的重要组成部分。针对植物进行三维点云重建时茎干部分容易缺失的问题,基于拓扑连接的缺失部分位置判断及L1中值骨架提取提出一种茎干补全方法,为实现植物可视化提供技术支撑。【方法】依据概率图模型及最小生成树确定点云簇之间的拓扑连接情况,判断缺失部位所在位置。提出了一种基于搜索的待拟合点点集确定方法,使用基于 L1 中值的局部迭代方法提取茎干点云骨架,并对骨架点集进行排序,确定缺失部分待拟合点。最终使用Bezier曲线拟合缺失部分茎干轴线并使用三维参数圆补全缺失部分点云。【结果】对于叶片与茎干缺失分离的植物点云,茎干补全方法可以真实且有效地对其进行补全,拟合结果整体平滑且具有一定的实际物理意义。【结论】通过三维扫描得到的不完整点云在补全后,能在一定程度上弥补扫描的缺陷,构建出完整且逼真的植物三维点云模型,使其能够更加有效地应用于植物的三维可视化建模。     

地面激光点云结合摄影测量的建筑物三维建模

当地面激光扫描仪扫描建筑物时,由于地物的遮挡、或者某些地方不便设站等原因,造成了点云缺失,导致点云数据不完整.本文主要是以安徽师范大学敬文图书馆为例,在利用地面激光扫描测量生成建筑物点云的基础上,借助航拍摄影测量技术获取图书馆顶部的点云数据,对点云空洞进行修补,即在获取地面激光点云数据和摄影测量点云数据之后,对两种点云数据进行配准、几何建模及纹理映射,最终生成图书馆的三维立体模型,实现建筑物的三维可视化表达.     

基于地面激光扫描技术的建筑物建模研究

三维激光扫描技术在建筑物建模领域发展迅速。以现代建筑为例,从三维数据获取、数据处理、模型建立等方法进行论述,采用七参数模型进行点云拼接,并对拼接后的点云进行去噪和抽稀处理,分析研究2种不同建模方法的特点,一种是三角网格法,另一种是参数化建模方法。最终采用参数化建模方法完成了大型建筑物的建模。实验表明,在建筑物建模中,参数化建模方法更为适用。     

反求工程中散乱点云数据的自动分割与曲面重构

提出了一种在反求工程中对散乱点云数据进行自动分割与曲面模型重构的方法．建立了散乱点云数据之间的拓扑信息，对点云数据进行三角剖分重构网格曲面模型．基于网格曲面求解点云数据的曲率极值，提取边界点云，进一步拟合成边界曲线．利用边界曲线将整个点云自动分割，每一片点云采用二次曲面或自由曲面进行拟合，对于二次曲面可以根据参数自动确定曲面类型，最终得到完整的CAD模型．用一个鞋跟模型的实例证明了该方法的有效性．     

复杂采空区三角网模型剖面轮廓线提取方法

 采空区是矿山安全生产面临的主要灾源之一,准确获取采空区剖面等信息是实施采空区灾害防治及空区周边资源安全开采的重要基础,而采空区三角网模型剖面轮廓线提取是采用可视化方法实现采空区剖面准确获取的前提。在分析目前常用的三角网模型剖面轮廓线提取方法（即最小距离法、扇形区域法和凸包算法）运用于提取边界复杂的采空区剖面轮廓线时存在缺陷的基础上,对传统的方法进行了改进,形成了适用于复杂边界采空区三角网模型剖面轮廓线的提取方法--凸包压入法。首先以垂直于任意坐标轴的平面剖切采空区三角网模型得到轮廓线的无序点集,提取无序点集的凸包线作为初始轮廓线,然后将包络于初始轮廓线内的点按张角最大的原则全部添加到轮廓线中,获得完整的剖面轮廓线,形成采空区剖面。实际应用表明,研究形成的算法能够快速有效地提取复杂采空区的剖面轮廓线,可准确获取复杂采空区剖面,具有很好的实用价值。     

基于倾斜影像点云的建筑物提取算法研究

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建筑物分类信息.针对此问题,提出一种基于倾斜影像点云的建筑物提取算法.首先对三维点云进行去噪处理和植被的剔除,将点云进行空间格网分区后降维到二维平面,通过赋予二维平面格网内每个点一定的权值,进而对格网进行特征值重采样.然后对二维平面进行图像形态学处理,利用骨架提取算法找到建筑物的轮廓,将该轮廓和三维点云进行融合后重新整饰建筑物边缘,提取出最终的建筑物点云.两组实验结果表明,该方法提取的建筑物点云轮廓清晰,建筑物立面提取较好,该算法具有较好的稳健性.     

基于点密度采样的建筑物点云立面分割方法

由于地面激光扫描仪扫描时常存在死角,导致点云缺失、密度不均匀等问题,使得建筑物立面难以完整分割,为点云后续三维重建带来了很大的困难。提出了一种基于点密度的指导采样方式,并对提取的模型进行再优化的分割算法,即GSMOSAC(global sample and model optimize sampling and consensus)算法。该算法改进了最小采样集的选取方式,并对采样模型进行优化处理,以提高所提取模型的可靠性。针对三种不同类型的激光雷达点云数据的实验结果表明,该算法的分割效果比传统的RANSAC算法和多结构(Multi-GS)算法都更好。     

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.