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.     

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。     

高密度机载LiDAR数据中确定树冠覆盖方法

针对混交林植被参数提取相对纯林植被参数提取传统方法的局限性,提出一种从单棵树木的三维形状特征出发来确定树冠覆盖轮廓的方法.提出单棵树冠三维形状的模型假设,利用模型生成模拟点云数据进行试验,模拟结果直观展示出所提出方法的有效性;使用机载扫描的高密度混交林Li DAR点云数据进行实验.研究结果表明:该方法能对树冠覆盖范围有较准确的确定,为今后精细化的森林测绘和环境评估提供了技术上的参考.     

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.     

基于无人机影像的露天矿工程量监测分析方法

提出了一种基于无人机影像序列的露天矿工程量(采剥量、堆放量等)计算方法.该方法利用旋翼无人机搭载低成本便携式数码摄像机获取露天矿山不同时间的视频帧或影像序列.基于运动恢复结构(Sf M)和多目立体视觉(PMVS)算法,自动生成矿山完整、致密的三维点云.研究设计了一种基于形态不变区的点云配准方法进行两期点云空间配准,并采用DTM三角网差值法计算矿山工程量.矿堆体积变化无人机监测实验结果表明,该方法重建点云模型的点间相对误差小于±1%,堆放体积变化监测精度接近92%,基本达到地面Li DAR扫描的堆放体积变化监测精度.     

基于卷积神经网络的三维物体检测方法

提出了一种新的三维物体检测方法.在物体定位部分,采用随机采样一致和欧式聚类算法分割三维物体点云以减少计算量;在物体识别部分,将物体点云转化为深度图像,利用k-Means聚类算法学习卷积核,利用卷积网络提取卷积特征,从而提高图像的识别率,并在2个公开的三维物体数据集上对所提出的特征提取算法进行测试.结果表明,与传统的点云特征提取方法相比,基于卷积网络的特征提取方法的识别率较高.     

基于点云数据的建筑物快速精细建模

运用点云切片提取建筑物特征线拟合建模,对于长方体、圆柱体、管状体等规则物体自动匹配建模,对于不规则物体进行点云切割、侧视图提取轮廓线、拟合建模,对相同的结构复制等方式批量处理,然后根据点云组合模型,完成建筑物主体建模;通过平面投影方式提取门窗等细节的轮廓线,将轮廓线导出到第三方软件,实现对门窗的精细建模;最后通过纹理贴图生成极富真实感的三维模型并对其数字化展示.     

基于航空影像的建筑物边缘直线特征提取方法

基于航空影像建筑物个数繁多、形状复杂,且存在较多的干扰信息,提出一种新颖的建筑物边缘直线特征提取方法.对航空影像进行改进标记分水岭分割,并结合DSM高度信息,有效去除道路和阴影的影响.同时,对影像进行基于多尺度自适应加权的改进canny算子的边缘检测.在每一个分割得到的建筑物初始区域内,对检测到的边缘点进行相位编组提取直线,利用建筑物屋顶约束条件,统计屋顶的主方向,修正和规划直线段,实现了建筑物边缘直线特征快速、有效的提取.     

露天矿点云数据中台阶线提取

台阶线信息对于露天开采具有重要价值，现有获取台阶线的方法工作量大、效率低、精度差，降低了矿山的生产效率和验收精度.因此，本文基于序列无人机影像生成的露天矿密集点云数据，研究并提出了一种自动提取露天矿台阶线的方法.该方法利用渐进形态学滤波算法对点云进行预处理，提出一种顾及邻域几何属性的三维边缘检测与曲率指数加权方法提取出台阶线特征点，并使用移动最小二乘法精确拟合出台阶线.实验结果表明该算法可以自动、高效、精确地提取出露天矿台阶线，生成露天开采现状图，对于露天矿生产和安全具有重要的应用价值.     

一种面向高分辨率激光扫描点云的三维建筑物的风格化渲染方法

目前,三维激光扫描仪已经可以方便且快速地获取大范围建筑物的高分辨率三维点云数据。然而,尽管高分辨的建筑物点云数据可以精确且直观的描述真实的建筑物场景,但是由于点云具有离散化的特点,传统直接展示原始三维点云数据的方法缺乏良好的视觉效果。针对高分辨率激光扫描点云的渲染问题,本文提出了一种面向高分辨率激光扫描点云的三维建筑物的风格化渲染的方法。该方法首先提出远距离点采样方法,在简化点云数据的同时保留其三维结构化信息,然后引入基于神经网络的风格渲染方法高效渲染三维建筑物网格数据,最后提出了基于KDTree的网格数据与点云数据的融合方法生成渲染点云。实验表明,该框架可有效地将给定二维图像的风格转化为三维建筑物风格,在保证良好视觉效果的同时,保留了建筑物的精确三维几何信息。     

图像匹配中点特征提取方法的研究

图像特征提取是图像匹配和三维信息提取的基础,是影像分析与单像处理技术领域中最重要的任务之一．有效的特征提取算法是影像分析与处理的关键．基于特征的图像配准中,特征主要针对点特征．基于点特征的图像配准,特征点的提取是图像配准的关键步骤,本文从点特征定义出发,分析和研究了几种常用的点特征提取方法,如：Moravec算子、Harris算子、SUSAN算子、Forsmer算子等,最后得出一些有益的结论．     

结合位置关系卷积与深度残差网络的三维点云识别与分割

针对现有点云识别与分割算法因忽视点的位置特征和局部几何特征关系而导致难以捕获具有鉴别力的局部几何信息的问题,提出基于位置关系深度残差神经网络的三维点云识别与分割算法。将原始点云嵌入到高维空间并获取其高维特征;将点云的高维特征输入位置关系卷积实现局部邻域内当前点特征与位置几何特征的信息交流,并通过深度残差模块强化提取到的深层语义特征,分层重复以上步骤可逐步得到点云的高级上下文语义特征;通过全连接层与解码器,得到点云的识别与分割结果。实验结果表明,所提算法在ModelNet40点云分类数据集的识别精度达到了93.9%,在ShapeNet Part点云部件语义分割数据集的平均交并比达到了86.0%。所提算法能够提取三维点云的关键特征信息,具有较好的三维点云识别与分割能力。     

基于混合上下文熵模型的点云几何编码算法

针对三维点云存在的大量空域冗余信息，提出一种基于混合上下文熵模型的点云几何编码算法框架.通过多层感知机与Resnet网络分别对基于八叉树结构的点云和基于体素结构的点云特征进行上下文特征提取，并使用选择单元对上下文信息进行裁剪、选择和融合，使网络能够针对当前编码体素建立更加准确的概率模型，从而提高三维点云的压缩效果.同时，针对模型复杂度高的问题提出并行多尺度自回归进行概率估计的方案，大大降低了编解码时间.实验结果表明：点云几何编码算法能够有效降低每个体素所占的比特数并且整个编码过程无损；与G-PCC编码算法相比，压缩后比特率下降了14.27%.     

智能交通系统中道路标识线自动提取方法

近年来,随着激光扫描技术在三维数据采集中广泛应用,为智能车辆和无人驾驶车的研究领域中道路标识线的自动提取提供了解决方法。本文以车载激光扫描点云数据为研究对象,利用点云数据空间分布特征和反射强度信息,结合道路标线的几何特征,提出一种快速有效的从离散点云中提取道路标识线的方法。通过高速公路扫描数据处理案例,实现了高速公路虚实标识线的自动提取,验证了上述道路标识线提取方法的可靠性,应用效果较好。     

点云数据在室内场景信息获取与装潢设计中的应用

以位于厦门市新城际广场商品房为研究对象,提出基于高精度、高速率的三维激光点云数据的室内场景三维信息研究.通过三维激光扫描,对采集的点云数据进行拼接、去噪等预处理,并基于点云数据运用算法,精确提取砖块和管道信息,绘制室内的几何平面图、二维线划图,实现室内信息数据的有效获取及分析.应用结果表明,三维激光扫描技术对室内三维数据的提取及场景设计效率高,大大降低了数据采集的时间成本和人工成本,提高了生成实践效率.     

采用激光扫描的古田会议会址三维几何造型建模

将三维扫描的建模方式与传统的几何造型的建模方式相结合,提出基于激光扫描的三维几何造型建模方案.重点解决地面激光扫描仪(TLS)获取三维点云时站点布设与数据处理、几何造型中点、线、面、体的提取与三维建模,以及纹理数据处理等问题,实现目标建筑的真实感三维建模.以福建省上杭县古田会议会址为例,建立精细的三维模型.结果表明:该方案能够实现典型中式建筑风格的文化遗址数字化建模.     

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。     

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.     

一种3D点云分割改进型边缘特征提取网络

针对点云分割中边缘特征提取不足导致局部特征信息不完整、整体分割精度下降的问题,提出一种3D点云分割改进型边缘特征提取网络.为提升边缘特征表达能力,对深层边缘特征提取层做出改进,引入基于残差结构改进的多层感知机结构,形成边缘特征提取单元,该单元将原始点云特征与多层感知机提取边缘特征相融合,获取更加丰富完整的边缘信息,提高3D点云分割网络模型精度.在Shapenet数据集上的实验结果表明,提出的3D点云分割改进型边缘特征提取网络优于现存同类方法,相较于LDGC-NN链接动态图网络,点云分割准确率提升了1.17％.     

融合表观与曲率特征的三维点云眉毛提取

针对三维点云数据中眉毛区域提取研究较少的问题,提出了一种融合表观与曲率特征的方法。首先在3D-2D投影的基础上提出新的3D-2D-3D框架,借助二维关键点实现三维眉毛关键点定位;然后利用眉毛关键点构建感兴趣的区域ROI(region of interest),以曲率说明眉毛的形状,并基于表观特征提取三维眉毛区域。在DMCSv1数据库的三维点云数据集上,针对不同表情、不同眉毛形状的眉毛进行提取,实验结果验证了本文所提方法的可行性。