改进的分层点云数据压缩算法

针对传统点云压缩算法主要对小型物件的小数据量精细点云进行压缩,在大型地物的海量数据压缩方面存在压缩时间长、效率低的不足,提出了一种改进的分层点云数据压缩算法。基于大型地物点云空间结构特点将分层压缩算法的速度优势和距离压缩算法的高效优势相结合,解决了传统压缩算法在大型地物点云压缩方面的不足,实现了海量点云的快速高效压缩。西安市大雁塔三维激光点云压缩实验结果表明:该算法可以快速地完成海量点云的压缩,较之传统压缩算法极大地缩短了压缩时间,提高压缩效率。     

八叉树索引的三维点云数据压缩算法

针对现有的三维点云简化算法普遍存在运行效率较低、内存消耗大、处理时间过长等问题,该文利用八叉树索引的速度优势和点云数据空间分割的逻辑结构,并结合三维点云网格简化算法高效的优势,提出一种基于八叉树索引的三维点云简化算法。该算法基本满足点云简化的理想标准,计算快速、运行时间短。利用实测大雁塔数据对各种三维点云压缩算法进行比较,结果表明该文提出的新算法对点云数据的压缩简化效率和压缩率较现有算法均有较大提高。     

基于体素栅格的建筑物三维激光点云数据抽稀方法

为了提升三维激光点云数据处理、存储、运算效率,对基于体素栅格的三维激光建筑物点云抽稀方法进行了研究。通过提取原始三维激光点云空间位置和法向量作为体素栅格存贮数据的主要信息;以三维激光点云最大外包矩形构建最大体素,并依据点云位置不断地进行空间划分,直至阈值范围内,从而实现点云数据的高效组织与管理。对体素栅格内的点云依据设定空间半径阈值检索种子点周边点云,剔除体素栅格中阈值内点云,保留种子点云,从而实现了三维激光点云数据抽稀,有效压缩了三维激光点云数据。并通过实验验证了该方法可以有效降低三维激光点云数据冗余,为海量三维激光点云数据的存储与应用等方面的研究提供参考。     

点到平面距离的点云数据压缩方法

针对三维激光扫描点云数据采集过密、冗余信息较多,现有压缩算法存在不足的问题,该文提出了基于点到平面距离的散乱点云压缩算法。将该算法与基于三角形法向量夹角和格网法两种现有算法的压缩结果进行比较,通过对比构建的空间三角网可以发现,该文算法对物体特征复杂的部位有较好的压缩效果,且在压缩率较高时,不会使较平缓的部位出现过度压缩而失真的情况。     

联合点云压缩的多特征融合点云语义分割方法

针对PointNet++对点云空间相关性特征提取能力不足,同时难以适用于大场景高密度LiDAR点云语义分割的问题,提出一种联合点云压缩的多特征融合LiDAR点云语义分割方法。首先利用点云压缩算法降低点云密度,并使用PointNet++提取简化点云的深度语义特征,再利用拟合算法计算完整点云的深度特征;之后提取人工设计的空间相关性特征与深度特征进行串联;最后利用随机森林算法对完整点云进行语义分割。通过在ISPRS提供的LiDAR点云语义分割标准数据集进行实验,证明提出方法的有效性,总体精度较PointNet++提升了5.3%。     

多视点散乱点云配准及压缩改进算法研究

针对多视点散乱点云数据,提出基于控制网的球靶标特征配准办法,并对配准后的原始数据进行基于特征保留的优化压缩,最后得到完整简洁的点云模型。利用扫描仪、全站仪获取球靶标同名点坐标,并计算出每站6个转换参数,将所有数据转换到所需的控制网坐标系下;压缩算法利用点云分块技术提高散乱点邻域的搜索效率,并计算点法矢、曲率,根据精简准则保留特征点,最后以八叉树理论为基础,细化网格直至最小网格达到要求,保留最小网格中具有代表性的一个点,删除其他点,完成数据精简。试验结果表明,配准方法中控制网的采用能够实现坐标系的转换,球靶标的运用能明显提高配准模型的精度和效率,压缩算法实现了点云数据的特征保留。     

基于扫描线间隔的点云压缩方法

针对地铁隧道中地面三维激光扫描仪扫描密度不均的问题,提出了基于扫描线点间距的点云压缩算法。该算法利用扫描仪逐线扫描的特性,滤除同一扫描线上点间距小于给定阈值的扫描点,使压缩后的点云呈现较为均匀的分布。通过实验分析了算法中阈值与压缩率之间的函数关系,建立压缩率与给定阈值倒数的多项式拟合模型并验证了模型的精度。     

多站激光点云数据全自动高精度拼接方法研究

针对目前多站点云数据拼接存在的效率低和自动化程度低等问题,提出了基于地面激光点云强度信息的2D-3D点云数据高精度全自动拼接方法。首先,将强度信息通过三次样条插值算法生成二维影像,采用基于图形处理器(GPU)的加速尺度不变特征变换(SIFT)算子匹配得到二维同名特征点,剔除粗差;然后,反算得到特征点在三维点云中的坐标,并通过三维空间法向量对三维同名特征点进行精炼。利用精炼的三维特征点进行多站点云数据拼接,可提高多站点云海量数据拼接的精度和效率。     

一种新的激光点云数据精简方法

三维激光扫描技术是最近几年在测量方面发展起来的一个研究热点。提出利用点云模型中相邻三角形夹角的大小来对点云数据进行直接精简的方法,在matlab平台下,通过编程实现点云数据的压缩。将精简的点云数据通过编程重新构建三角网,最后在Geomagic软件中建模,通过与原始模型进行对比,新方法的压缩效果比较理想。     

基于MFC单文档和OpenGL的激光扫描数据可视化与编辑的研究

基于实测的点云数据,根据目前建筑点云显示方面的需求,需要通过平台展示点云成果.本文应用MFC单文档和OpenGL可实现点云数据的显示、缩放、压缩等效果,数据采用嘉荫县恐龙模型点云数据,经实验表明,采用MFC单文档和OpenGL在点云显示编辑方面具有较强大的功能,可作为成果展示的途径.     

一种多尺度自适应点云坡度滤波算法

点云坡度滤波算法原理简单、易于实现,为进一步提升坡度滤波算法的自适应性,提出了一种多尺度自适应点云坡度滤波算法.首先,在数据预处理的基础上引入虚拟网格对点云数据进行分割;然后,利用距离加权的方式逐次计算网格点的坡度角,结合k均值聚类和正态分布自适应确定滤波阈值;最后,使用多尺度策略逐级缩小网格尺寸实现点云数据的精细滤波...     

点云辅助GB-InSAR影像与地形数据应急变形监测方法

将采用地面三维激光扫描(terrestrial laser scanning, TLS)、地基合成孔径雷达干涉测量(ground-based interferometric synthetic aperture radar, GB-InSAR)和无人机航空摄影测量（unmanned aerial vehicle photography, UAV）的综合遥感方案应用于崩塌体应急监测。引入迭代最近点法（iterative closest point, ICP）,首先实现TLS点云和UAV影像离散点云配准;然后,利用几何映射方法实现GB-InSAR二维形变图与TLS点云三维匹配;针对崩塌体应急缺少人工目标辅助校正几何映射偏差的问题,综合目视解译以及峰值相关性分析提取各数据间的同名特征点,根据同名特征点计算空间坐标变换参数,建立变换方程来完成误匹配纠正。利用所提的匹配方法处理模拟数据及某滑坡崩塌残余体实际监测数据,结果表明实测匹配精度达像素级,满足应急监测需求。     

超体素随机森林与LSTM神经网络联合优化的室内点云高精度分类方法

针对现有三维点云数据分割分类方法存在分类目标内部不一致的问题,提出一种超体素随机森林与长短期记忆神经网络（long short-term memory,LSTM）联合优化的室内点云高精度分类方法。该方法根据超体素结构具备内部特征一致性的特点,对原始点云进行超体素划分,并以超体素为基本单元进行多元特征计算,搭建室内点云超体素随机森林分类模型,实现点云数据的粗分类。在此基础上,引入LSTM对粗分类的超体素邻域连接关系进行神经网络模型训练与预测,实现超体素粗分类结果的优化。基于开放数据集对所提分类方法进行有效性和精度验证,结果显示,该方法在公开数据集中对13类要素的分类精度可达到83.2%;与经典的深度学习框架相比,该方法在小样本训练时可以达到更优的分类精度。     

面向任务的高分辨率光学卫星遥感影像智能压缩方法

随着对地观测系统以及空间信息网络的快速发展,中国已经建成星地一体化的对地观测系统。高分辨率遥感影像数据从GB级转向TB级,轻小型智能遥感卫星有限的带宽容量和存储空间都严重限制了遥感信息的智能实时服务,由此提出了一种面向任务的智能压缩方法。首先,基于遥感影像的数据特点以及轻小型智能遥感卫星星地数传的瓶颈,分析了传统在轨压缩算法的局限性,论述了面向任务的高分辨率光学卫星遥感影像智能压缩处理的重要性;其次,提出了基于珞珈三号01星平台面向任务的智能压缩方法,通过星上高质量成像和高精度几何定位获取观测区域;然后,根据不同的任务需求,利用信息提取模型获取感兴趣目标/区域;最后,利用压缩模型对该区域进行自适应码率分配来实现高倍率压缩任务,并生成码流文件回传到地面。针对不同的任务需求,合理分配码率,可通过该方法有效实现遥感影像的高倍率智能压缩。     

一种地铁轨道相对变形检测与定位方法

利用三维激光扫描所得点云数据识别并提取轨道高程,引入轨道不平顺的研究方法,定义了用于描述不同期之间轨道局部相对位置关系的线状结构局部相对变形波动性指标,提出了基于小波分解和平滑伪维格纳-威尔分布的异常局部相对变形提取方法.小波分解具有放大轨道相对变形特征和缩小频段范围的作用,可确定异常局部相对变形的波长.维格纳-威尔分...     

利用局部几何特征与空洞邻域的点云语义分割

点云具有数据量大、无拓扑结构等特点,现有的深度学习语义分割模型难以充分挖掘大范围邻域内点云中所隐藏的几何特征。由此提出了一种基于空洞邻域并结合角度等几何特征作为模型输入的点云语义分割模型。首先,在局部邻域构建过程中,将图像处理的空洞卷积操作扩展至点云,建立空洞邻域结构,以扩大感受野;然后,在特征提取过程中,将中心点与邻域点之间相对坐标、距离、角度等基本几何特征作为模型输入,最大程度挖掘邻域内的几何特征;最后,基于所提邻域结构与特征提取算法构建了点云语义分割模型。采用Semantic3D数据集进行实验验证,结果表明,所提模型分割效果优于对比的点云语义分割算法,空洞邻域与局部几何输入特征能够有效改善点云语义模型的性能。     

顾及语义知识的地理空间数据快速检索

大数据时代地理空间资源不断增多,但现有通用知识库较少考虑地理空间数据蕴含的语义知识,难以实现数据的快速检索.因此亟需引入本体技术,以蕴含的语义知识为基础,提高地理空间数据访问速度,精确获取用户所需信息.以本体为基础,提出了顾及地理空间数据语义知识的快速检索方法.首先,基于通名编码规则、地理空间数据和开源百度百科数据构建...     

倾斜摄影三维模型Unreal Engine 4渲染的数据转换方法

对三维地理场景真实还原是数字孪生的核心技术要求之一,地理信息系统与游戏引擎的结合为城市实景三维建设提供了新思路。倾斜摄影数据是实景三维建设中重要的数字底板要素,针对游戏引擎加载倾斜摄影数据问题,以Unreal Engine 4渲染为例提出一种倾斜摄影三维模型数据转换方法。该方法利用原始数据的文件组织,通过数据解析获取转换信息构建数据读取树;迭代树节点时分别对几何数据与纹理数据进行转换,转换过程兼顾游戏引擎渲染资源所需物理属性,最终完成几何和纹理重组。将该方法应用于深圳市福田区倾斜摄影数据,实验结果表明,所提方法能准确实现倾斜摄影三维模型数据至Unreal Engine 4渲染资源的转换,可为类似三维模型数据转换问题提供理论与技术参考。     

融合3D DenseNet的零样本视频分类

零样本视频分类（zero-shot video classification,ZSVC）采用的点积分类方式容易使神经元产生较高方差,从而导致模型对输入分布的变化非常敏感。针对该问题,采用三维密集网络（3D DenseNet）与余弦相似性相结合的方法,提出了一种基于3D DenseNet的零样本视频分类（3D DenseNet for zero-shot video classification,DZSVC）算法,通过使用余弦相似性的分类方式替代点积分类方式来控制方差的范围,使模型对不同的输入幅值具有更强的鲁棒性。该算法首先将视频数据输入到3D DenseNet中,利用3D DenseNet的密集特性提取更丰富的时间和空间信息,并将提取出来的特征向量映射到公共空间。采用基于余弦相似性的方法对视频进行分类,在UCF101数据集和HMDB51数据集上的准确率分别为32.9%和20.2%,UCF50数据集和HMDB25数据集上的准确率分别为41.4%和23.7%,实验结果表明所提算法具有良好的分类效果。