LiDAR点云的建筑物立面空洞修复

针对树木等遮挡造成的车载LiDAR建筑物立面点云空洞,该文提出了一种基于机载和车载LiDAR数据融合的建筑物点云修复方法,即在空-地LiDAR点云融合的基础上,基于提取的机载LiDAR建筑物外轮廓线,通过缓冲区分析实现车载LiDAR建筑物点云分割;借助轮廓线信息实现了邻近建筑物间的相似性判断,基于匹配后的相似建筑物点云和空洞探测方法,实现了建筑物立面点云空洞修复。最后通过实验数据验证了该方法的可行性。     

机载和车载LiDAR点云的建筑物立面空洞修复

针对树木等遮挡造成的车载LiDAR建筑物立面点云空洞,该文提出了一种基于机载和车载LiDAR数据融合的建筑物点云修复方法,即在空-地LiDAR点云融合的基础上,基于提取的机载LiDAR建筑物外轮廓线,通过缓冲区分析实现车载LiDAR建筑物点云分割;借助轮廓线信息实现了邻近建筑物间的相似性判断,基于匹配后的相似建筑物点云和空洞探测方法,实现了建筑物立面点云空洞修复。最后通过试验数据验证了该方法的可行性。     

基于建筑角点的机载和车载点云数据配准

提出一种基于建筑角点的机载和车载点云数据配准方法。首先采用随机抽样一致性算法(Random Sample Consensus,RANSAC)对建筑面片进行稳健估计,结合建筑轮廓在二维平面上投影的拟合直线,解算出建筑角点的三维坐标。利用提取到的同名角点,采用六参数转换模型计算机载和车载点云数据间的空间转换参数,进而完成机载和车载点云数据的配准。实验表明,该方法能有效地提取建筑角点,实现机载和车载点云数据的精确配准。     

结合全景影像的车载点云空洞修复方法研究

针对单一利用点云数据修复空洞而缺乏真实性的问题,提出了一种结合全景影像的车载点云空洞修复方法。该方法首先探讨了基于全景球共线方程的车载点云与全景影像精配准,然后构建了三角格网提取点云空洞范围,针对全景影像变形问题,采用了球面透视模型进行纠正,最后研究了基于SIFT算法的区域种子点密集增长算法,利用前方交会法生成填补点云。实验表明,该方法生成的填补点云具有真实性和完整性,将填补点云与原始点云融合,实现了车载点云空洞修复。     

基于低空摄影测量的机载LiDAR点云修复方法

针对机载LiDAR点云存在数据缺失造成的空洞问题,研究利用低空摄影测量技术,探索机载LiDAR点云空洞修复的方法。利用低空摄影测量手段获取的遥感影像可以生成高精度的修复点云,并通过将修复点云融合到原始LiDAR点云中,实现对机载LiDAR点云空洞的修复。该方法操作简单、效率高,适用于大面积机载LiDAR点云数据的批量修复,能够为城市三维精细化建模提供重要的数据支撑。     

基于三角格网的点云空洞修补算法及精度研究

由地面激光扫描设备所获取的点云数据往往存在有大量的空洞,严重影响后期的处理。提出了一种基于三角格网的空洞修补算法,该方法能够快速、自动搜索空洞边界并根据空洞区域的夹角大小关系进行三角化填充。实验结果表明该算法快速、简单、空洞修补后的精度高。     

结合超体素与区域增长的LiDAR点云屋顶面分割

针对传统区域增长算法易受噪声影响且局部分割性能不稳定的问题,提出了一种结合超体素与区域增长的屋顶面片点云分割算法。利用八叉树组织初始点云数据,基于点云的欧氏距离和法向量信息两个约束分割点云获得超体素。结合超体素结构特征,改进种子点选取准则,在超体素的光滑性和表面几何特征约束下进行点云区域增长,提取屋顶面片点云。选取不同复杂程度的建筑物LiDAR点云进行实验,结果表明,结合超体素与区域增长算法能有效提取复杂建筑物屋顶面片点云,提取率高且具有较好的适应性,可以为基于机载LiDAR的建筑物三维模型重建提供可靠的屋顶面信息。     

基于城区机载雷达数据的双重滤波算法

机载激光雷达扫描技术能快速且高精度地获取地面点的3维坐标,而激光雷达数据处理的首要任务就是点云的滤波,也即是将地面点和非地面点进行分离.传统的滤波方法大都是基于一定的地形条件或是小规模数据量进行的.针对城区的3维点云处理提出了一种双重滤波方法:先构建三角网,根据三角面片的角度信息过滤出一部分点云,将剩余点划分成规则格网;然后通过移动最小二乘曲面拟合法,将高差大于一定阈值的点滤除,从而获得地面点云.     

面向对象的车载激光扫描点云建筑物立面提取

本文利用面向对象的点云分析方法进行车载激光扫描点云数据中建筑物立面的识别。该方法对点云进行基于法向量和距离约束的点云分割,计算分割面片的倾角、面积、高程变化范围等特征,并依据建筑物立面垂直于水平面、面积比较大、高程变化范围较大等规则从点云数据中识别建筑物立面。实验表明该方法可以精确有效地进行MLS点云中建筑物立面提取。     

基于改进RANSAC算法的屋顶激光点云面片分割方法

基于改进的随机抽样一致性算法(RANSAC)对建(构)筑物屋顶面片进行点云分割,通过改进种子点选取方式来提高面片分割的置信度,并将点到平面距离的标准差作为判断准则,以提高分割面片的准确性。同时,采用KD-Tree组织点云,根据空间平面的法向量、连通性分析、点云的R半径密度对分割的面片进行优化处理,试验证明该方法能有效地对建筑物屋顶面片进行点云分割。     

一种基于机载激光点云的门型电塔精确提取方法

随着无人机技术的发展,越来越多的电力部门采用机载激光雷达及倾斜摄影测量技术代替传统的人工方法,进行电力巡检、电力部件检修等工作。门型电塔为目前电力走廊中比较常见的一种高压电塔。在无数据标签的电网点云数据中,对门型电塔进行精确点云提取是门型电塔日常维护的重要工作。本文从包含有地面、植被、电力线、门型电塔的电网点云数据入手,首先对点云进行体素化分割,对体素网格进行高程连续与高程阈值的筛选,并对电塔顶部进行扩展搜索,达到去除地面点及植被点的目的。然后根据门型电塔水平投影成条状的特点,利用门型电塔的圆柱杆塔部分得到门型电塔的水平投影直线,再通过距离阈值判断去除点云中多余的电力线点。本文介绍的方法实现了从无标签的电网点云数据中对门型电塔的精确提取,为进一步进行门型电塔的三维建模、维护检修等工作提供了数据基础。     

基于车载LiDAR点云的车辆目标自动检测

以武汉市三环线内主要道路夜间停车调查项目为背景,利用车载三维激光扫描技术获取了武汉市三环线内夜间某道路沿线的点云数据,提出了一种基于知识规则的车辆目标自动检测方法。该方法首先采用基于欧式距离分割的聚类方法将点云分割为簇,再分析车辆目标的点云特征和空间几何特征等相关特点,然后建立车辆目标检测的知识规则,最后根据知识规则实现车辆目标的自动检测。实测数据的实验表明,该方法的自动检测准确率为88.10%,证明了其有效性。     

多视激光点云数据融合与三维建模方法研究

基于特征基元的点云数据配准方法,利用控制点对机载与车载点云数据进行概略匹配,构建了顾及梯度与颜色特征及特征组对的特征点匹配算法模型,根据拟合平面特征解算平移和旋转变换参数,实现了机载与车载点云数据的精确配准,并在此基础上建立了多角度点云数据融合的房屋顶部和立面特征提取、点云数据与光学影像纹理信息匹配的技术流程,实现了建（构）筑物三维精细建模,并通过实例验证了本文所提方法的有效性。     

一种局部稀疏地面点云与已有DEM的融合方法

机载LiDAR采集的点云数据中会存在一些局部区域地面点稀疏的情况，利用这些稀疏地面点构建DEM时会出现“三角面片化”的问题，严重影响DEM的质量。为此，本文提出了一种局部稀疏地面点云与已有DEM的融合方法：将稀疏点云作为高精度控制点，在尽量保持原始DEM的地形形态特征的前提下，通过高斯核函数加权迭代插值算法对DEM进行高程局部改正，实现稀疏点云与DEM的一致性融合。试验分析表明，融合后的点云数据得到了较好的补充，由此构建的DEM地形形态自然，在精度上相对于融合前的稀疏地面点云有一定改善，在弱精度区域的可靠性有显著提升。     

中国地级市收缩识别及其驱动力分析

以全国地级市行政单元内的常住人口增长率作为城市收缩量化标准,从国家、胡焕庸线、四大经济区3个不同尺度分别识别2000-2010年,中国地级市收缩情况,并进行二元logistic回归分析探讨其收缩原因。结果表明:2000-2010年,中国共有86个地级市发生收缩;胡焕庸线以东地区的收缩地级市数量远高于胡焕庸线以西地区的,中部的湖北省和西部的四川省地级市收缩现象最为突出;显著影响中国地级市收缩的因素有以下5点:人口老龄化、城市初期经济发展水平与速度、居民人均收入、产业结构变化及城市内部环境和社会服务设施的优劣,地级市收缩原因表现出明显的地域差异性。     

基于三角网滤波检验的KD树粗差剔除法

针对机载Li DAR点云数据的粗差剔除和滤波,直接关系到后续数据处理的精度,本文运用KD树组织数据建立三维索引,快速查找并计算目标点与k个最近邻点的平均距离,根据距离阈值判断并剔除粗差点。实验选取3种典型测区的点云数据进行实验,分别采用形态学粗差剔除法和本文粗差剔除法对3组点云数据进行粗差剔除,并采用渐进不规则三角网滤波法对原始点云数据及两种粗差剔除结果进行滤波,对结果进行对比分析。结果验证,本文方法能有效剔除点云粗差,提高后续滤波结果的精度。     

车载联合机载LiDAR点云数据的建筑物立面精细分割

从数据量庞大且散乱的车载LiDAR点云中分割出建筑物立面数据是一项繁琐而艰巨的工作。本文提出一种结合机载LiDAR点云的车载LiDAR点云建筑物立面分割方法。该方法在空-地点云严格配准的基础上,从机载LiDAR点云中分割出每栋建筑物的顶部点云,提取建筑物顶部外轮廓线并进行规则矢量化处理,设置轮廓线缓冲区实现立面点云的粗分割;再采用基于稳健特征值的平面拟合法对单栋建筑物的每个立面进行去噪滤波,实现建筑物立面的精细分割。试验结果证明了该算法对城市场景中车载LiDAR点云处理的有效性。     

机载激光LiDAR在密林山区测绘中的应用研究

为解决山区测绘的高程问题,本文利用机载激光雷达采集了山区点云并通过点云滤波的手段获取了山区地表点的高程数据,通过实验验证和分析可知,机载激光雷达在山区的地表点云有着很高的精度和密度,能够很好地满足山区地形测绘的要求。     

一种机载LiDAR数据漏洞检测方法

获取机载LiDAR数据时易受地形起伏、航摄高度、地物镜面反射等因素的影响,导致LiDAR数据出现漏洞,若对其不进行检测处理,将严重影响LiDAR数据的生产与应用。鉴于此,本文利用点云的位置与属性信息,基于等比例内缩和点云格网化算法,检测机载LiDAR数据中存在的漏洞区域,有效支撑了LiDAR数据的质量检测和补摄工作。试验结果表明,该方法检测到的漏洞区域完整、精确,等比例内缩算法与等值内缩算法相比,减弱了地形起伏对漏洞检测精度的影响,且更科学合理。     

利用图割算法进行城市密集点云表面模型重建

利用倾斜影像获得的密集点云来构建表面模型是基于倾斜影像进行三维重建的核心之一。本文针对现行密集点云表面模型重建存在的建模效率低、表面选取不真实等问题，提出了一种基于图割算法的城市密集点云表面模型重建方法。利用该方法重建城市密集点云表面模型，首先通过预处理软件对无人机倾斜影像进行空中三角测量，并利用空中三角测量的解算结果生成密集点云；然后对密集点云添加相应的边，同时对三维点云根据距离进行选取合并；最后根据三维点云形成的四面体和三角面建立图割问题，并通过求解图割问题来求取最优的密集点云表面模型。为证明这种方法的可行性和有效性，使用城市地区的无人机倾斜影像数据进行城市密集点云表面模型重建，试验结果表明，该方法具有可行性好、建模效果好、处理速度快等优势。