面向车载激光扫描点云快速分类的点云特征图像生成方法

车载激光扫描是空间数据快速获取的一种重要手段。车载激光扫描点云数据的分类和特征提取是目标识别与三维重建的基础。本文以车载激光点云数据为研究对象,提出了一种适合于其快速分类与目标提取的点云特征图像生成方法。该方法首先将扫描区域进行平面规则格网投影,通过分析格网内部点云的空间分布特征（平面距离、高程差异、点密集程度等）确定激光扫描点的定权,从而生成车载激光扫描点云的特征图像。利用生成的点云特征图像,可采用阈值分割、轮廓提取与跟踪等手段提取图像分割的建筑物目标的边界,从而确定边界内部点云数据,实现目标分类与提取。本文以Optech公司的车载激光扫描数据为实验对象,验证了本文提出方法的可行性和实用性。实验结果表明,该方法能快速有效分离出车载激光扫描点云中的地面数据、建筑物数据等。     

车载激光扫描数据的地物分类方法

车载激光扫描技术可以快速获取地物表面的高精度三维信息,作为一种新的数据获取手段,已逐渐应用于地理信息系统产业中。将激光扫描数据分类是对地物进行特征提取以及建模的前提与关键。现今,针对车载激光扫描数据的分类方法还不成熟。根据城市各典型地物空间特征(激光点云在三维空间的高程、与邻近点的斜率,以及其在二维投影平面上的分布、密集程度等),本文提出一种主要适用于城市激光扫描数据的地物分类方法。首先,综合考虑车载激光数据的采集特点、车行GPS轨迹以及扫描数据中同一扫描线上相邻激光点之间的斜率关系,提取出路面。其次,对于非路面的激光点云数据,先使用基于格网化与区域分割相结合的方法进行实体划分,再通过计算地物空间形状特征的几项统计指标(外包围盒、实体高度等),对实体进行分类。最后,以海南三亚市某街道为研究区验证该方法的有效性。实验结果表明,使用该方法能成功地分出研究区的路面、建筑物、树木和路灯四类地物,并进一步在同类地物间分出不同实体。     

车载激光扫描数据分类支持下的路面数据提取

车载激光扫描系统可以快速采集道路及两旁的建筑物、植被、电杆等地物的点云数据,而点云数据的分类提取是车载激光扫描系统应用的关键。本文选用全景激光移动测量系统获取的激光点云数据,分析了路面点云数据的特征,采用渐进格网法进行了路面点云数据的提取研究;通过试验区的实例验证,取得了较好的分类效果。     

基于车载激光扫描数据的电线杆自动识别与定位

本文对车载激光扫描数据进行了研究,将投影点密度(DoPP)与电线杆的几何特点相结合,提出了一种基于激光扫描数据的电线杆自动识别和定位的方法。首先,将车载测量系统获取的激光点云投影到水平面,建立水平格网,设置投影点密度阈值分类出杆状地物所在的格网区域;然后将分类得到的杆状数据拟合成为一条空间直线,以电线杆的几何特性作为期望值和方差,自动识别电线杆;最后,该空间直线与地面网格相交确定电线杆的定位位置。本文算法与T3D Analyst商用软件提取的电线杆进行比较,实验结果表明本文方法行之有效。     

一种车载激光扫描数据的滤波处理算法

车载激光扫描系统能够快速、高效地获取城市地物的三维空间信息,是采集城市近景三维空间信息的一个重要手段。设计了一种从车载激光点云中分离出地面点和非地面点的滤波算法。首先建立规则格网,基于格网中激光点的高程差提取出初始地面点的方法;然后基于格网分层过滤出精确的地面点,从而达到地面点和非地面点的分离。实验结果表明:该算法滤波效果良好,能够满足城市DTM建立的精度要求。     

基于激光扫描数据的建筑物信息格网化提取方法

针对车载激光扫描点云的分布密度,提出了一种把扫描数据格网化进行信息提取的新方法。实践证明,这种方法效率高,可以自动从密集的扫描数据中快速提取出建筑物信息,能够满足城市三维建模的要求。     

从激光扫描数据中进行建筑物特征提取研究

提出了一套基于建筑物几何特征的信息挖掘方案，并具体介绍了研究中采用的一些原理、方法与实用算法，从而可以直接从激光扫描数据中提取建筑物的平面外轮廓信息。利用本方案对车载激光扫描系统获取的城市建筑物试验数据进行了具体的处理，并给出了三维建模和可视化表达结果。     

车载激光扫描点云中建筑物边界的快速提取

以车载激光扫描点云数据为研究对象,提出一种由粗到细且快速获取点云中建筑物3维位置边界的方法。首先,通过分析格网内部点云的空间分布特征(平面距离、高程差异和点密集程度等)确定激光扫描点的权值,采用距离加权倒数IDW(Inverse Distance Weighted)内插方法生成车载激光扫描点云的特征图像。然后,采用阈值分割、轮廓提取与跟踪等手段提取特征图像中的建筑物目标的粗糙边界。最后,对粗糙边界内部的建筑物目标点云进行平面分割,提取建筑物的立面特征并构建立面不规则三角网TIN(Triangulated Irregular Network),并在建筑物先验框架知识条件下自动提取建筑物的精确3维位置边界。     

车载激光扫描数据中杆状地物提取

针对车载激光扫描数据中对杆状地物提取效果不够理想的问题,该文提出一种基于聚类的杆状地物提取方法。首先将原始点云投影到水平面并进行格网划分,以单个格网为数据处理单元去除地面点;再基于处理数据对格网进行点云探测并编号,赋予同一属性值利用八邻域搜索对地物点聚类;然后以聚类后单个点云块为处理单元,利用各类地物特征,如高度、投影点密度、投影面积及形状等,逐步排除其他地物点,实现对杆状地物的精细提取。试验验证了文中所述方法对道路环境中杆状地物提取的有效性。     

基于地物特征提取的车载激光点云数据分类方法

车载激光扫描测量方法较传统摄影测量方法具有更多优点,它能快速采集大面积、高精度的三维空间数据,具有广阔的应用前景。针对车载激光扫描数据的分类问题,提出了一种基于地物特征提取的点云数据分类方法,即采用主成分分析(PCA)方法,在提取多种街区地物点云数据几何特征和总结地物对象特征知识规则的基础上,根据选取的主特征设计一套阶层式的分类方法,并利用该方法对一套车载激光点云数据进行了分类试验。结果表明,该方法的分类效果良好,具有一定的实用性。     

光流特征聚类的车载全景序列影像匹配方法

提出一种光流特征聚类的车载全景序列影像匹配方法.采用非参数化的均值漂移特征聚类思想,以SIFT多尺度特征匹配点的位置量和光流矢量,构建了影像特征空间的空域和值域;利用特征空间中对应的显著图像光流特征为聚类条件,实现了全景序列影像的匹配;最后以全景极线几何约束为条件进行粗差的剔除.通过相同、不同内点率以及不同数据的试验对比分析,本文方法在匹配正确点数和正确率方面要优于经典的Ransac法和金字塔Lucas-Kanade光流法,尤其在场景复杂造成的低内点率情况下,算法表现较为稳定,并可较好地剔除由重复纹理、运动物体、尺度变化等产生的匹配点粗差.     

基于投影点密度的车载激光扫描距离图像分割方法

对车载激光扫描系统获取的距离图像的分割进行研究,提出利用投影点密度进行距离图像分割的方法.该方法不需要其他辅助数据就可以进行距离图像的分割,给出应用实例.图像的分割是目标识别、定位、特征提取与建模的基础和关键.距离图像是离散坐标点阵列,不表达目标边界特征和拓扑关系,到目前为止还没有距离图像分割的成熟、可行方法.本文研究成果,展现了激光扫描技术在数据获取、处理研究上的新方向.     

倾斜摄影和激光点云技术在大比例尺测图中的应用

在传统大比例尺测图中,建筑物特征线的获取方法或精度高效率低或效率高精度低。本文通过对倾斜三维模型分析,提出了基于直线公理的建筑物特征线快速提取方法;针对高程点数据均为人工采集的现状,引入激光点云数据通过分类插值法自动生成高程特征点。研究证明,本文方法在精度与效率等方面均可取得良好效果,提高了特征线（建筑物线）、特征点（高程点）采集的自动化程度。     

一种MBR约束下的高分光学影像直角建筑物提取与标绘方法

针对高空间分辨率遥感影像中建筑物信息提取与标绘问题,提出了一种MBR约束下的高分光学影像中直角建筑物信息提取与标绘方法。首先采用多尺度影像对象分割与CART决策树分类技术,提取影像中的建筑物区域;其次用Candy算子提取出建筑物的粗轮廓,并将其转化为点集形式表示;然后通过轮廓点集计算建筑物最小外包矩形（MBR）,对建筑物的轮廓进行分段拟合与优化;最后通过交点方向决策器确定建筑物的角点,依次连接各角点实现建筑物的标绘。通过计算建筑物的面积与周长,确定周长相对精度为93.3%,面积相对精度为96.1%,本文方法可以有效提高建筑物的标绘精度。     

基于车载LiDAR数据的单株树提取

车载LiDAR数据能提供地物表面不同视角且具有容易获得高密度点云数据等优点,能为树木信息的精细提取提供有力保障.基于不同地物具有不同特征等性质,从车载LiDAR数据中对地物进行识别,将三维图形投影到二维平面上进行识别、分离、去噪及细化,运用Matlab编程实现对车载LiDAR数据中树木信息的提取.用全站仪对测区树木进行实地测量并进行定量分析,结果表明,方法可以较好地分离出构成树木的激光扫描点,达到树木提取的目的.     

POS辅助和核线约束的倾斜影像匹配方法

针对无人机倾斜影像匹配时,由于冗余数据量大、影像几何变形大和重复纹理导致基于SIFT特征点的无人机倾斜影像匹配效率和可靠性低的问题,本文提出一种基于POS辅助和核线约束的倾斜影像匹配方法。在该方法中,首先利用机载GNSS/IMU设备获取的影像POS数据计算影像间在物方的重叠区域,接着将物方重叠区投影至像方,根据两幅影像的像方重叠率筛选高可靠像对;其次采用SIFT-GPU算法对影像提取特征点,并根据POS数据估计像对间的核线关系;然后在核线约束下,以描述子间的欧氏距离为相似性测度,实现特征点的高效稳健匹配;最后采用RANSAC算法剔除误匹配。通过对两组倾斜影像做匹配试验验证了本文方法的可行性。     

三维显示中的DTM数据简化算法

提出了一种将图形生成技术与图像处理相结合,对DTM数据进行最优三角划分的简化DTM数据的算法。依据一定的分辨率条件,将DTM数据转化到二维图像空间,找到它的局部特征点,并将二维空间的特征点利用Delaunay剖分三角化,再映射到三维空间,从而在简化数据的同时,得到一个满足保真性要求的TIN模型。最后实验验证了算法的有效性。     

基于激光扫描仪数据的建筑物立面特征信息提取

基于激光扫描数据进行建筑物三维建模,可以采用扫描数据直接建模,配以影像纹理;也可用扫描数据提取建筑物立面的特征信息,配以单影像建模。而后者速度快,效率高,且能满足三维城市建模的一般精度要求。对于建筑物立面的激光扫描数据来说,具有数据量大,点云复杂等特点,提取建筑物特征信息具有一定难度。本文提出一种“水平点参照系”特征提取方法,这种方法运行速度快,能够减少数据量,有效剔除噪声,并得到实际应用的检验。     

融合航空影像的LiDAR地物点云分类

点云滤波分类是LiDAR后续应用的基础工作,在点云滤波的基础上,以航空影像为辅助条件,结合点云高程信息,设计一套地物点云的分类方法。该方法首先融合航空影像与LiDAR数据,将对应RGB值赋予每个点,根据植被的光谱特征提取出部分植被点云;然后再根据文中定义的点云高程纹理,在剩余地物点云中提取出建筑物点,最后根据回波次数信息分离出剩余植被点,完成地物点云的分类。采用北京凤凰岭地区一组机载LiDAR数据进行实验。实验结果表明,该方法能够有效地将地物点云进行分类并且满足一定的精度要求,具有一定的实用价值。