顾及建筑物屋顶结构的改进RANSAC点云分割算法

针对传统RANSAC点云分割算法在处理多层次、多面片的复杂建筑物中的困难,提出一种改进算法对建筑物点云进行分割和几何基元的提取。首先,结合基于坡度和高差的三角形区域生长方法,对复杂建筑物的不同结构层次进行分解,提高了随机采样时的有效模型命中率,并降低了错分现象;然后,提出一种浮动一致集阈值的RANSAC算法,通过自动调整RANSAC算法中的关键参数,使算法能够适应不同尺度的几何基元。实验证明了该算法在复杂建筑物点云数据分割效果和运算效率上的有效性。     

基于RANSAC算法的地铁隧道点云数据滤波

三维激光扫描技术能够快速、有效地获取隧道点云数据,可用于提取地铁隧道的形变信息,但隧道点云数据中包含着噪声点、离群点,需要滤波去除,目前已有滤波算法不适用于隧道环境。文中采用统计特征去除部分噪声点,利用区域增长方法初步提取隧道壁部分点云作为RANSAC算法种子点,进一步利用RANSAC算法拟合数学模型提取隧道壁全部点云数据,并利用RANSAC点云拟合模型对隧道盾构体施工精度进行评估。实验结果表明了方法的有效性。     

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。     

融合k-means聚类和Hausdorff距离的散乱点云精简算法

针对点云精简算法在处理点云数据时特征保留不完整和对小曲率点云精简造成数据空洞的问题,提出了一种融合k-means聚类和Hausdorff距离的点云精简算法。该算法在八叉树算法的基础上构建点云数据的拓扑关系,首先计算所有点云数据点的主曲率,然后计算点云数据点主曲率的Hausdorff距离,根据精简目标要求设定Hausdorff距离阈值,实现点云特征提取,最后对非特征区域进行k-means聚类提取特征点,并将两次提取的特征点融合得到精简结果。实验结果表明,该算法能较完整地保留模型的特征信息,并能避免形成空洞现象。     

基于分裂合并的多模型拟合方法在点云分割中的应用

本文基于机器视觉探讨数字摄影测量三维构像下的智能数据处理要素之二：海量点云分割处理技术。多模型拟合方法通过将点云拟合到不同模型中,依照点云空间分布特征和几何结构特征进行分割。针对点云数据量巨大、分布不均匀、结构复杂等特性,本文提出一种基于多模型拟合的点云分割方法。首先通过降采样,采用基于密度分布的聚类方法,实现对点云的预分割。在预分割基础上,利用基于分裂合并的多模型拟合方法对点云进行后续拟合分割。针对平面和弧面,本文采用不同的拟合方式,最终实现对室内密集点云分割。试验结果表明,该方法能够在无须提前设置模型数目的情况下实现点云的自动分割。且相较于现有的点云分割技术,此方法相较于现今的常规方法能取得更好的分割效果,在分割的正确率上要高于现有的常规分割方法,在处理相同数据量的点云分割时,能够达到远低于常规方法的时间消耗。通过本文提出的三维点云分割方法能够实现将大规模、复杂三维点云数据分割为较为精细、具有准确模型参数的三维几何图元,为后续实现大规模、复杂场景的精确三维构象提供有力支持。     

基于维度特征的RANSAC建筑物点云分割算法

提出一种以建筑物表面形状特征为分割依据的改进RANSAC点云分割算法。该算法以主成分分析算法为基础计算维度特征和熵函数,并以熵函数最小准则确定最优邻域,继而进行表面形状分类,运用法向量夹角作为约束条件对分类结果进行优化。将分类结果作为随机抽样一致性(RANSAC)点云分割算法的模型选择依据,进行建筑物表面分割,采用法向量和距离等约束条件对分割结果进行优化,从而分割出具有不同形状的特征表面。实验表明:文中提出的改进的RANSAC点云分割算法是可行的,能有效保留表面特征。     

空间直线的自适应阈值稳健拟合方法与优化

针对RANSAC算法应用于空间直线数据处理时具有较强的稳健性,但需要已知内点阈值且计算模型未能充分应用观测数据等问题,基于RANSAC算法提出了空间直线的自适应阈值稳健拟合方法;结合空间直线拟合的PEIV模型,优化了自适应阈值稳健拟合方法。仿真和工程实例数据表明,自适应阈值稳健拟合方法及优化算法可自动获取内点阈值;获得的空间直线几何参数估计具有最优统计特性,抗差性好,可靠性和实用性较强;对其他空间几何形体的稳健拟合处理具有参考意义。     

盾构隧道点云模块化提取方法

针对盾构隧道模块提取,本文提出了一种结合Hough直线检测和图像匹配的提取方法。首先基于RANSAC算法实现盾构隧道进行圆柱展开,并对张开的隧道点云二值化;然后采用带限制条件的Hough变换算法实现盾构隧道环的提取;最后基于隧道环片内封顶模块和邻接模块中部螺栓孔数和螺栓孔布局的特殊性匹配模块,结合环片构造尺寸精确提取模块点云。通过扫描某地铁获取的点云数据试验对本文算法进行验证。结果表明,本文算法可有效实现盾构隧道模块化提取。     

基于二次曲线拟合的隧道激光点云滤波方法及其应用

提出了利用二次曲线拟合地铁隧道中轴线方法, 建立了地铁里程与隧道盾构环片之间的对应关系。首先沿中轴线对隧道盾构环片进行分割, 针对分割后盾构片上附着的金属支架等噪声点, 提出基于隧道设计半径的粗滤噪和基于多项式拟合的精滤噪相结合的滤噪方法, 然后对滤噪后的两期隧道点云分别建立数字表面模型(DSM)并进行叠加分析, 获取不同里程处的隧道形变情况。试验表明, 该方法可获得地铁隧道内任意处的形变量, 可为相关研究工作提供借鉴。     

一种基于半圆柱模型的隧道点云中轴线提取与滤波方法

提出一种基于半圆柱模型的隧道点云中轴线提取与滤波方法,通过粗提取和精提取中线点,采用三次B样条插值加密中线点,再采用高阶多项式精确拟合中轴线方程,根据所得中轴线方程,对点云进行切片、投影、空间圆拟合,得到隧道点云横断面,取空间圆平均半径作为隧道半径,设置距离阈值,实现隧道点云滤波.实验结果表明,该方法提取的中轴线整体偏差优于2 cm,噪声滤除率达88.969％,隧道壁点提取的正确率为91.741％,滤波效果较好.