基于地面LiDAR点云的北川县城震害建筑物提取研究

北川县城在汶川地震后变成一片废墟,本文以北川县城扫描获取的地面激光雷达数据为实验数据,在介绍地面LiDAR点云基本特征、面向对象方法思路的基础上,将面向对象方法引入到地面LiDAR点云建筑物提取中,从而实现了震害建筑物的自动提取。通过对比分析插值生成的特征的不同,构建适合于LiDAR点云震害建筑物提取的特征规则集,基于面向对象方法对北川地震遗址地面LiDAR数据进行震害建筑物识别,对结果进行分析,震害建筑物提取总体精度达92.3%,Kappa系数为0.873,提取精度满足地震遥感应急评估的需求,为震害评估增添新的可用遥感数据源。     

综合不规则三角网和区域生长的建筑物提取方法

应用激光雷达探测技术(LiDAR)进行建筑物提取其效率一直是工程应用的关键,针对现有先滤波后提取建筑物一类方法效率低下的问题,提出一种综合不规则三角网和区域生长的从原始机载激光雷达数据中直接提取建筑物的方法。首先利用原始点云数据建立不规则三角网,利用三角网中突起物边缘点所在三角形的法向量、边长及高程特征,提取突起物边缘点;然后以提取出的边缘点为种子点,根据三角网连接关系进行区域生长,提取突起物点集合;最后删除集合中点数量较少的非建筑物点集,得到建筑物点集。该方法可直接从原始点云数据中提取出不同建筑物的点集,无需经过滤波操作。通过仿真实验证明该方法在保证建筑物提取准确度的情况下效率有明显提高并且具有一定的适用性。     

基于机载LiDAR点云的建筑物三维重建

建筑物三维重建是遥感领域的一项基本任务。由于机载LiDAR点云稀疏、不完整、有噪点，传统重建方法难以从中重建出完整水密的模型。同时，建筑物模型的表面紧凑程度也限制了其应用的广泛性。针对该问题，提出了一个从LiDAR点云重建紧凑建筑物模型的网络框架。该架构包含两个模块：一是基于隐式表示的表面提取模块，该模块通过隐式神经网络从点云在提取到建筑物的基本结构信息并生成表面网格模型。一是基于结构感知的网格优化模块，该模块对模型各平面的拓扑进行改善并重建出轻量级建筑物模型。利用苏黎世建筑物数据集对所提出的框架进行了验证，与现有方法相比，该框架重建结果具有更高的精度。     

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.     

基于GPGPU的并行LiDAR点云滤波算法

基于边缘点进行LiDAR点云滤波算法在复杂城区具有良好效果,然而在边缘点检测时非常耗时,因此提出基于GPGPU的并行边缘点检测算法来提高滤波的效率.该并行边缘点检测算法分为并行检索k最近邻点、并行拟合平面、并行计算投影点和并行计算夹角等4个步骤.在计算检索k最近邻算法中,提出了队首优先的插入排序算法,大量减少判断次数.实验结果表明,采用GPU并行计算有效提高滤波效率,当数据量达到128 M以上,加速比可以达到9左右.     

基于机载LiDAR系统的电力线点云提取方法研究

针对野外地形高度起伏大、走向复杂、杆塔形式多样且点云密度不均匀等造成电力线点云提取精度低的问题，文章提出一种自动化精度高的新型电力线点云提取方法。根据电力线走向对整体点云进行分块处理；使用迭代高程阈值法计算得到最佳高程分割阈值，将地面点、地物点与电力线点进行分割；采用DBSCAN密度聚类法聚类出杆塔点并进行剔除，对于误分到杆塔点的部分电力线点结合点云高程搜索进一步提取出来；使用欧式聚类法对单根电力线点进行精提取。实际输电线路点云数据实验表明，该方法电力线总提取精度为99%,实现了电力线点云的自动、高效提取，可满足实际电力巡检生产需求。     

针对广西地形激光LiDAR点云滤波处理的研究及应用

机载LiDAR能够快速获取精确的高分辨率数字地面模型以及地面物体的三维坐标,是一种DEM数据快速生产的重要手段,在地球空间信息科学等领域具有广阔的发展前景和应用需求。然而在中国广西地区,由于地形地貌存在大量陡峭石山,地形破碎,以及部分地区植被十分茂密等特点,导致LiDAR数据的常规滤波算法将丢失大量地面点,增加人工编辑工作量,最终造成DEM生产质量不高。本文所提出的三个LiDAR点云数据精细化处理改进算法能够较好地识别这些特殊地形,采取一定的调整算法和处理,对陡石山进行重分类;对水体、断壁边界添加断裂线;对茂密植被区重新模拟地面,基本能大致修复丢失的地表,具有较强的实用性,也较大程度地提高了作业效率,尤其适合广西植被覆盖高、地形破碎、山地占比高的地区。     

基于LiDAR点云数据的电力线自动提取技术研究

随着智能电网建设的大规模开展,对电网快速、高精度勘测、巡查和可视化管理提出了巨大的应用需求。本文提出了基于输电线路LiDAR点云数据自动提取电力线的思路与方法,对基于LiDAR的电力线提取精度进行了试验评定,表明基于LiDAR可快速高精度建立三维数字电网数据库,满足智能电网应用要求。     

基于向量角度差和拟合曲线融合的建筑物点云提取方法

为了提升城市建筑物提取完整度并消除植物的影响,提出一种向量角度差和拟合曲线融合的建筑物提取方法。该方法以扫描线为研究对象,通过计算相邻方向向量角度差提取平面屋顶;利用曲线拟合计算同一扫描线内数据点的残差值,基于多数抽样样本建立残差阈值进而提取曲面屋顶;最后,通过细化后处理完成建筑物提取。选取典型城市实验区数据集,并与成熟的不规则三角网法(triangulated irregular network,TIN)进行对照实验。结果表明:所提方法能够更有效地提取曲面建筑以及抑制植物的影响,测区总体精度和kappa系数分别为98.96%和0.9148,优于TIN算法。该方法具有运算简单,稳定性高等特点,为有效解决曲率复杂和具有高差突变性的建筑物屋顶提取问题提供了思路。     

基于曲率统计的LiDAR点云二次滤波方法

针对传统偏度平衡方法滤波结果中存在低矮植被、建筑物侧面墙脚等非地面点云问题,在传统偏度平衡方法的点云一次滤波算法的基础上,提出一种基于曲率统计的点云二次滤波方法。对该方法进行试验,并将试验结果与传统偏度平衡方法滤波结果进行对比分析。结果表明:基于曲率统计的点云二次滤波方法比传统偏度平衡法能够多滤除83%的植被点云、5%的建筑物点云,能够有效地滤除传统偏度平衡方法滤波结果中的低矮植被、建筑物侧面墙脚等非地面点云。     

一种建立包裹圆提取建筑物LiDAR点云边缘点的新算法

为提高变换域通信系统多址接入性能,降低系统误比特率,提出基于改进型Logistic混沌序列的变换域扩频编码通信系统。利用扩频序列优选原则,选取改进型Logistic混沌序列作为扩频序列,对m序列产生的随机相位矢量进行相位编码形成扩频基函数的扩频随机相位矢量。仿真结果表明,该扩频基函数具有更好的随机性,产生的扩频随机相位矢量互(自)相关性能优于传统基函数产生的随机相位矢量;在2个用户和多用户条件下,其信噪比增益和误比特性能都要优于传统基函数和基于Gold序列的扩频基函数,显著提高系统抗干扰性能,能更好地实现TDCS多址接入。     

基于力场的点云树木骨架提取方法

树木骨架是树木仿真及建模的基础,笔者根据树木的拓扑原理,直接利用地面激光雷达扫描获得的单木点云数据,提出了一种基于物理学中力场概念的点云数据树木骨架提取方法:首先对点云树木模型运用空间层次剖分的方法进行分层,根据点云的邻域关系建立基于树木特征点的简化表示,然后根据计算点的测地距离对树木特征点进行连接,再运用力场将位于树木表面的骨架连线压缩至树木内部,最后根据骨架夹角阈值对骨架进行顺滑得到最终的树木骨架。研究显示,将该方法分别应用在含笑树和樱花树的骨架提取中效果较好,相比同类算法效率较高。     

基于盾构隧道环缝点云的中轴线提取方法

为了降低盾构隧道中轴线提取对原始点云预处理的要求,引入了点云特征提取方法。 首先, 以基于距离差特征的裂缝点云提取方法,识别盾构隧道管片拼接处的环缝点云;然后,以最小二乘 法对提取的环缝内散点进行环缝曲线拟合;最后,在环缝曲线的基础上提取隧道中轴线。 实验结果 表明:基于距离差特征的点云提取方法能够有效识别环缝点云,并在环缝点云的基础上拟合得到隧 道中轴线。 与传统提取方法相比,该方法更加快捷,且提取的中轴线更具有空间感。     

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Potree结构的建筑物激光点云与BIM点云的变化检测

建筑变化检测可对建筑管理及决策提供有力支持。目前建筑变化检测的难点是完成检测任务所需计算成本高。为了提高检测效率,提出一种基于Potree结构的建筑物激光点云与建筑信息模型(building information modelling, BIM)点云的变化检测方法。该方法将实时获取的激光点云,与建设初期规划的BIM进行比较,检测和识别出二者之间的差异,作为建筑变化检测的结果。实验结果表明,与基于可修改嵌套八叉树结构方法比较,本文提出的方法在保证完整性、准确度等不损失的情况下,在时间复杂度上降低了22.05%。     

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.     

基于点云图卷积神经网络的3D目标检测

随着激光雷达传感器的快速发展,目标检测算法从传统的2D检测快速转向3D检测。然而,激光雷达产生的点云是不规则和非结构化的数据,传统的卷积神经网络无法对其进行处理。基于此提出了一种新颖的图卷积神经网络,能够更好地利用数据的几何关系和拓扑结构直接从点云中学习特征以进行3D目标检测。首先将原始激光雷达点云数据进行下采样,再进行固定半径邻域图的构建,随后设计了一个新型的图卷积神经网络对点云进行编码来预测图中每个顶点所属对象的类别和形状。为提升检测准确度,网络中加入了一种校准机制来减少特征在不同维度变化时引入的平移误差,此外还引入了注意力机制,以使用权重来进一步强化输出的顶点特征。在 KITTI 数据集上进行实验,实验结果表明,此方法能够有效对3D目标进行检测。对比其他多种检测算法,此方法在检测准确度上具有一定的优势。     

基于离散点数据构建TIN的方法

为了能直接利用野外采集的数据生成DEM模型,反映地表特征.采用离散的点数据作为数据源,选择三角网生长算法来建立Delaunay三角网,寻找待扩展点时,利用叉积原理,始终向扩展边的左侧扩展;同时用边链表结构检测待扩展边是否被扩展过,用链表是否为空作为判断条件来检测是否所有的点都已扩展.采用VC++6.0开发环境,建立的TIN生成系效率更高,可视性更好.     

浊点萃取法富集利尿剂Furosemide

利用表面活性剂C12E10水溶液在温度高于浊点时形成两相的行为对溶液中痕量利尿剂Furosem ide进行了分离特性的研究,考察了盐、表面活性剂、Furosem ide的浓度以及温度的影响。加入硫酸钠可将C12E10溶液的浊点降至常温(20℃),有利于浊点萃取操作。提高盐浓度有利于提高Furosem ide的富集倍数,但对萃取效率几乎没有影响;提高初始溶液中的C12E10浓度将降低Furosem ide富集倍数,提高萃取效率。在30℃~50℃之间,平衡温度的升高有利于提高Furosem ide富集倍数。在温度为40℃时,采用2 g.L-1,C12E10和125 g.L-1硫酸钠体系,富集倍数为165.3倍,相体积比为0.003 7。