基于离群点探测准则和主成分分析的点云平面拟合效果研究

针对三维激光扫描测量中离群值对点云质量的影响,提出了基于离群点探测准则和主成分分析的点云平面拟合方法,给出了方法的基本原理和实现步骤。实验结果表明,该方法较稳定,能够在不同条件下较为准确地剔除噪声,提高了点云拟合的平面精度。     

基于RANSAC算法的稳健点云平面拟合方法

针对点云平面拟合中存在粗差及异常值等问题,对结合特征值法的随机抽样一致性(random sample consensus,RANSAC)平面拟合算法进行了改进。该方法以RANSAC算法为基础,结合特征值法,利用点到平面模型距离的标准偏差来自动选取阈值t,通过阈值t检测并剔除异常数据点,达到获得理想平面拟合参数的目的。用改进的算法和传统的特征值法分别对点云数据进行处理,结果表明,改进的算法适用于存在误差和异常值的点云数据拟合,能稳定地获得较好的平面参数估值,具有较强的鲁棒性。     

基于随机抽样一致性算法的稳健点云平面拟合方法

针对点云数据平面拟合过程中存在粗差及异常值等问题,文章提出一种基于随机抽样一致性算法(RANSAC)的稳健平面拟合方法。该方法以RANSAC算法为基础并结合特征值法,通过设置一定的准则,剔除点云数据中存在的粗差及异常值,达到获得理想平面拟合参数的目的。运用此算法对仿真数据及实测数据进行平面拟合,并与传统算法进行比较,结果表明该方法可以很好地适应于点云数据中存在粗差及异常值的情况,获得较好的平面参数估计值,是一种稳健的平面拟合算法。     

基于稳健移动最小二乘法的点云数据拟合

针对存在噪声的点云数据,采用常规方法拟合效果精度不高的问题,提出了一种有效改善拟合精度的方法。在移动最小二乘的基础上,考虑观测量存在噪声的情况,通过设定阈值剔除噪声,从而得到精度较高的结果。通过相关实验可知:本文方法可有效剔除点云数据中的噪声,提高拟合结果的精度,稳定性更好。     

分带K-均值聚类的平面标靶定位

提出了一种分带K-均值聚类的平面标靶定位方法.根据标靶与测站距离的限制条件,推导了较大噪声点的剔除公式,在整体最小二乘拟合平面的基础上增加了噪声点二次剔除的方法,对经过噪声点剔除的点云数据进行分带、聚类处理.同时,对每一带的聚类中心进行均值化处理,得到每一带的中心点,通过求取不同带中心的均值来确定标靶中心点.实验结果表明,分带K-均值聚类的平面标靶定位模型较适合于平面标靶同名点确定.     

稳健加权总体最小二乘的点云数据平面拟合

针对观测向量和系数矩阵均含有误差以及点云数据存在异常点的问题,该文提出一种稳健加权总体最小二乘法。该方法在加权总体最小二乘的基础上,通过设置一定的准则,剔除点云数据中存在的异常点,以获取更为精确的平面拟合参数解。仿真模拟算例和实际点云数据实验结果表明,该方法与传统的方法相比,能够消除异常点带来的影响,获得更精确的参数解,平面拟合精度更高。     

基于共面条件的点云配准旋转角参数求解方法

针对目前LiDAR获取的点云数据配准中ICP算法迭代计算效率较低和使用标靶配准时精扫标靶费时费力等问题,提出利用扫描地物所包含的平面特征及点云数据的离散特性,通过拟合平面得到平面的单位法向量进行旋转角的求解.由于点云数据中含有误差,使用拟合平面的法向量不仅避免了对标靶的精细扫描,而且也消弱了点云误差对转换参数的影响.最后通过实例验证了本文方法的可行性与严密性.     

三种点云数据平面拟合方法的精度比较与分析

详细地介绍了基于最小二乘法、特征值法及总体最小二乘法的点云数据平面拟合方法。通过Matlab编制其算法程序,对模拟的等精度与不等精度点云仿真数据进行计算,结合算例对比分析了3种方法的点云平面拟合效果。拟合结果表明:3种方法在等精度点云平面拟合中的效果较好,在不等精度点云平面拟合中的效果较差,且特征值法与总体最小二乘法的点云平面拟合精度远高于最小二乘法。     

一种改进的最小二乘平面拟合算法

针对点云平面拟合中存在离群点和噪声点等问题,从概率分析的角度提出了一种改进的最小二乘平面拟合算法。该算法基于概率统计思想,采用中位数法筛选最佳初始平面模型,并利用迭代最小二乘法剔除离群点,逐步优化模型,从而获取最佳平面。运用不同的迭代方法对仿真数据和实测数据进行平面拟合,实验结果表明:当点云存在高离群率和大离群幅时,相比于其他迭代方法,本文算法仍可以准确地拟合出最佳平面。     

顾及几何特征的规则激光点云分割方法

三维激光扫描仪能快速地获取三维场景的高精度点云数据,已成为快速三维建模的重要工具。点云分割是三维点云模型数据预处理中的首要环节,也是影响重建效率与模型质量的重要因素。以激光点云的分割为研究切入点,以八叉树空间划分方式对数据进行组织,并用八进制编码进行命名,结合K邻近搜索法获取目标点的局部邻近点,采用加权平均目标点相邻的三角面片法向量来估算单点法向量。基于投影欧氏距离拟合曲面求取曲率。量化了规则点云集的分割约束条件,采用法向量信息来进行平面点的提取,根据曲率在两个主方向上的差异性来识别和分割柱面和球面信息。试验结果表明：①基于法矢量的平面点分割效果理想;②基于曲率差异性的规则曲面点分割效果较差;③基于几何特性的规则激光点分割方法合理可行。     

基于PCA法矢估计的建筑点云立面边界提取

针对建筑物点云在工程应用中存在大量数据不产生作用,只需保留建筑边界点云的问题,本文提出一种基于主成分分析法向量估计的建筑点云立面边界提取方法.该方法首先采样统计离群值去除算法对点云数据进行滤波去噪,然后采用主成分分析法估计样点表面的法线方向,最后使用角度阈值确定建筑物点云立面的边界.通过实例分析,此法能够较完整地提取建筑点云的边界特征,为相关工程应用提供了技术支撑.     

一种基于平面拟合的LIDAR点云滤波方法

LIDAR点云滤波是将LIDAR点云数据中的地面点和非地面点分离的过程。根据在较小区域内可以近似认为地面为一平面,本文提出了一种应用平面拟合的方法,首先在一个局部区域内拟合出一个近似平面,通过判断LIDAR点是否属于该平面来获取平面点,并通过分类处理从平面点中得到地面点,最后用得到的地面点内插出DEM。滤波前,需要剔除高程异常点,本文应用了高程差约束算法抑制高程异常点,从而较好地保持了原始数据的局部细节信息。     

利用LMedS算法提取规则建筑物顶部面片

针对常用的平面拟合方法在有"噪声点"存在的情况下,会出现拟合不稳定的问题,本文采用稳健性较好的RANSAC算法,从机载Li DAR数据中提取出建筑物顶部面片。RANSAC算法进行参数拟合时,会存在一些缺陷,通过改进RANSAC算法(LMed S算法)可以达到更好的拟合效果。首先利用直通滤波器对点云数据进行简单的滤波,然后通过Voxel Grid滤波器对点云数据进行下采样。对下采样之后的点云数据,用LMed S算法提取建筑物顶部面片。试验表明,利用LMed S算法可以成功提取建筑物顶部面片,稳健性较好。     

平面特征的多站地面激光雷达点云配准

为了进一步研究建筑物密集区域多站地面激光雷达(LiDAR)点云数据的配准问题,该文提出一种基于平面特征的地面LiDAR数据配准方法:对点云数据进行分割获取平面信息;人工选择典型的平面,对相应的点云数据进行平面拟合,得到相应法向量;利用罗德里格矩阵的性质,建立三维激光扫描数据配准模型。实验结果表明,该方法的配准精度较高、计算速度快,可以取得较好的点云配准效果。     

基于平面特征的地面雷达点云配准算法

针对地面LiDAR点云配准中不同坐标系点云数据存在对应的平面特征不同的问题,文章提出了一种基于总体最小二乘的地面LiDAR点云数据配准算法:通过对分割后的点云数据平面拟合,得到相应法向量;根据不同坐标系中LiDAR点云数据对应的平面法向量,利用反对称矩阵和罗德里格矩阵的性质,用3个独立参数代替3个旋转参数,采用总体最小二乘法建立旋转矩阵解算模型;采用总体最小二乘法确定平移参数的计算公式;最后根据转换后特征点云与对应平面点云的重复情况,给出了配准模型的精度公式。实验结果表明该方法精度较高,可以取得较好的点云配准效果,适合于含有大量重复平面特征的点云数据的配准。     

一种RANSAC多模型拟合的隧道点云滤波算法

针对目前大多数点云滤波方法的不足,提出基于随机抽样一致(random sample consensus,RANSAC)多模型拟合的隧道点云滤波算法.与单模型拟合滤波方法不同,该算法在每个隧道横断面上使用多个圆模型进行分段拟合,多个模型具有不同的模型参数,将远离所拟合的各圆模型的点作为噪声点进行剔除.实验结果表明,相较于单模型拟合滤波方法,所提出的多模型法具有更低的一类误差和相近的二类误差,对隧道三维激光点云的滤波效果更好.     

基于LIDAR点云数据的电力线提取和拟合方法研究

从LIDAR电力线扫描数据的高程分布特点出发,提出了基于点云高程数据平面投影的电力线提取和拟合算法。首先通过高程自动阈值分割初步剔除地面点;其次,通过高程投影和重采样将高程分布转换为高程值影像,在影像空间通过直线检测实现电力线提取和拟合;最后,提出了基于数学形态学的电塔分割和潜在危险地物检测。通过对LIDAR点云数据电力线提取和拟合试验表明,本文算法能较好地实现电力线拟合、电塔提取及危险地物检测,可用于基于LIDAR的电力巡线。     

基于随机抽样与特征值法的点云平面稳健拟合方法

针对点云数据含有异常值且传统拟合方法拟合结果不理想的情况,本文提出一种随机抽样与特征值法相结合的稳健点云平面拟合方法。首先利用随机抽样一致性算法按照设定阈值将异常值划分为局外点,不断迭代剔除局外点,保留含有局内点最多的点云数据,然后利用特征值法对该点云数据进行平面拟合。本文设计实验,针对含有不同异常值的点云数据,分别利用特征值法、最小二乘法与本文方法对包含异常值的点云数据进行平面拟合计算,结果表明,本文所提方法在点云数据含有50%异常值的情况下,仍可得到更可靠的平面参数估值,具有较强的稳健性。     

基于水平截面法的树木点云精细分割研究

本文提出了水平截面法精细分割树木点云的方法。首先根据点云数据在XOY平面内建立二维格网,求取每个格网内点云数据高度的均值,根据格网内点云数据的高度阈值滤除地面点云和低矮地物点云数据;其次对滤除地面和低矮地物的点云运用八邻域算法提取树木点云,运用水平截面法对树木分层处理,求取每一层树木点云的轮廓线;再次将轮廓线连成多边形,求取多边形的最小外接圆的圆心,运用最小二乘直线拟合算法对各层圆心进行直线拟合,根据拟合直线与地面的交点,可以求取树木的精确位置;最后根据距离最近的原理,对树木进行了精细分割。实验表明:本文研究的方法可以较好的实现树木点云的提取,避免了传统方法设置参数过多的弊端。     

激光扫描点云数据的圆柱拟合方法

针对激光扫描仪点云数据存在较多粗差点导致拟合圆柱不够精确的问题,该文在比较圆柱拟合方法不同特点的基础上,改善了初值任意选取的圆柱拟合方法和基于坐标转换的圆柱拟合方法,对相同的激光扫描仪点云数据进行圆柱拟合,设置相同的收敛条件,每次迭代收敛后,剔除大于3倍中误差的粗差点重新求解,直至没有较大粗差点,最终得到的圆柱参数基本一致。实验表明,改善后的初值任意选取的圆柱拟合方法和基于坐标转换的圆柱拟合方法能够有效剔除激光扫描仪点云数据中的粗差点,且能够满足一般工程的精度要求。