车载联合机载点云数据的建筑物立面建模

针对建筑物立面几何模型构建的难题,该文提出了一套完整的建筑物立面提取方法。在车载-机载LiDAR点云数据精确配准的基础上,首先提取出机载建筑物的外轮廓线,通过设置轮廓线缓冲区实现立面点云分割,然后采用随机抽样一致性(RANSAC)平面探测算法探测建筑物主立面,最后结合立面语义规则及面片之间的拓扑关系构建建筑物立面的三维线框模型。实验结果表明,新方法能准确、有效地构建建筑物立面模型。     

车载联合机载点云数据的建筑物立面建模

针对建筑物立面几何模型构建的难题,该文提出了一套完整的建筑物立面提取方法。在车载-机载LiDAR点云数据精确配准的基础上,首先提取出机载建筑物的外轮廓线,通过设置轮廓线缓冲区实现立面点云分割,然后采用随机抽样一致性(RANSAC)平面探测算法探测建筑物主立面,最后结合立面语义规则及面片之间的拓扑关系构建建筑物立面的三维线框模型,实验结果表明,新方法能准确、有效地构建建筑物立面模型。     

车载联合机载点云数据的建筑物立面建模

针对建筑物立面几何模型构建的难题,该文提出了一套完整的建筑物立面提取方法。在车载-机载LiDAR点云数据精确配准的基础上,首先提取出机载建筑物的外轮廓线,通过设置轮廓线缓冲区实现立面点云分割,然后采用随机抽样一致性(RANSAC)平面探测算法探测建筑物主立面,最后结合立面语义规则及面片之间的拓扑关系构建建筑物立面的三维线框模型,实验结果表明,新方法能准确、有效地构建建筑物立面模型。     

利用三维激光点云重构建筑物模型

随着三维激光点云数据获取能力的提升，基于三维激光点云进行建筑物模型重建与立面测绘成为工程应用中常用的方法。三维激光点云数据能够体现建筑物丰富和直观的细节信息，然而海量数据处理给建筑物模型构建带来了极大挑战。本文通过对建筑物的三维激光点云数据进行横切得到建筑物轮廓点，并采用基于遗传算法的TSP算法对轮廓点进行处理以获取建筑物各立面的方程系数，最终实现建筑物模型的构建和获取详细的建筑物立面数据。试验结果表明，此方法可以较好地实现LOD1级建筑物模型的构建，进而为更高（LOD3）级别的建筑物模型构建提供依据。     

一种三维激光点云中建筑物立面渐进分割方法

针对建筑物立面分割的问题,该文提出了一种三维激光点云中建筑物立面渐进分割方法。建立三维格网索引,通过分析建筑物立面在三维格网内的空间分布特征和二维平面格网内投影的线性分布特征,确定立面种子格网和投影线的拟合点,拟合投影线并基于种子格网约束生长完成每层格网中立面粗分割;使用RANSAC算法对粗分割后的立面点云进行面拟合,实现精细分割,并将各层格网中的立面进行合并,实现建筑物立面的完整分割。实验结果表明,该方法能有效地实现建筑物立面的精细化分割,有助于后续的建筑物精细三维模型重建。     

建筑物立面分类与DIM点云滤波

针对目前基于近景摄影测量方法构建建筑物立面模型过程中因密集影像匹配（DIM）点云噪声所引起的建筑物立面TIN网格模型畸变问题,本文借鉴机器学习中样本学习的思想,对建筑物立面进行了分类并对DIM点云提出了相应的滤波方法,以达到去除DIM点云噪声和改善其TIN网格模型畸变的目的。其中,针对平面结构立面,采取先对点云样本进行学习计算构建数学立面模型所需参数,再对该立面模型设定阈值并对其点云进行滤波处理的方法;针对曲面结构立面,则结合DIM点云特性先将点云样本分类标记归为立面点与非立面点,再进行样本特征值学习,使用Logistic回归算法迭代计算求解最佳回归系数,从而构建滤波分类器的方法对立面点云进行滤波处理。试验结果表明,本文滤波处理方法能将立面DIM点云噪声有效识别并去除,而且使用该方法处理后所得点云构建的建筑物立面TIN网格模型精细化程度得到有效提高,模型质量得到明显改善。     

建筑物立面重复模式的点云投影直方图分割方法

针对建筑物的门、窗、梁、柱等具有规则几何形状的重复模式,提出基于投影点云特征直方图(PPFH)的边界语义分割方法.该方法首先利用PC A方法确定立面的主方向,然后根据点云分布特点,分别进行正立面、侧立面投影得到点云分布直方图,根据直方图的极值点对重复结构边界进行提取和语义分割,最后利用LS-TLS方法进行规则化及误差分析.通过对某建筑物立面窗户提取的算例表明:该方法直接利用重复结构的几何特性,算法简洁,对边缘部分遮蔽和缺失的点云也适用,通过对50个窗户的统计分析,长度和宽度平均误差约6 m m,可广泛用于建筑高精度BIM建模.     

基于多源点云的建筑物立面太阳能潜力估计

提出了一种基于多源点云的建筑物立面太阳能潜力估计方法。该方法首先融合地面激光点云和机载影像数据,然后根据融合数据的特点,设计一种基于射线法的日照时长估计算法,并简化用于建筑物立面的太阳辐射模型,从而实现建筑物立面上的太阳能潜力估计。选取2栋朝向不同、形态不同的建筑物进行试验,结果表明,该方法能有效地估计立面上的太阳能潜力,结合点云立面自动化窗户提取的结果,可将结果细化到单个窗户,用于建筑日照标准检验,窗户太阳能潜力估计等应用。     

一种用于建筑物立面边界特征点提取的凸包三角网算法

基于现存凸包算法较难提取建筑物立面点云中的边界特征点等问题，提出一种构建凸包三角网的建筑物立面边界特征点提取算法。首先利用k近邻搜索算法查找每个点的近邻点，并通过主成分分析方法估算各点的法向量。然后将各点的近邻点投影到局部拟合平面，使用罗德里格法进行旋转获得二维投影点。最后利用凸包算法在求解边界特征点的基础上构建凸包三角网，并获得各三角形中近邻点占地率并统计各三角形的顶角值，得到剩余边界特征点。采用模拟和实测点云数据进行试验，并与改进的凸包算法和基于点的算法进行对比，结果表明，该算法能够提高建筑立面边界特征点提取的准确性和完整性，具有较强的适用性。     

对比Harris算子和Susan算子的建筑物边界规则化方法

建筑物顶部边界的精确提取在建立数字城市等方面发挥着非常重要的作用。本文针对从遥感影像中粗提取的建筑物边界不规则的问题，结合Harris算子和Susan算子，提出了一种对粗提取后的建筑物边界进行规则化拟合的处理方法。首先对粗提取的建筑物顶部边界进行预处理以剔除噪声影响；然后分别使用Harris算法和Susan算法对预处理后的建筑物边界进行角点检测提取；最后对检测提取的边界角点进行点号排序和规则化拟合连接得到规则的建筑物边界。试验结果表明，通过该方法处理后的建筑物边界平滑且与其实际边界基本一致。     

基于相似特征点集的SIFT匹配改进算法

当影像中存在相似或重复场景时,传统SIFT匹配算法存在匹配成功率低,目前改进的SIFT匹配算法计算量大。基于相似特征点集的SIFT匹配改进算法,依据相似性或重复场景的影像纹理特点,在SIFT特征点匹配过程中,通过设定阈值提取初始同名点,建立针对未成功匹配参考特征点的相似特征点集,利用已获取初始同名点建立仿射几何约束模型构建参考特征点的匹配约束窗口,在该窗口内利用特征点相对主方向及尺度约束,对特征相似点集进行匹配获得同名点,最后采用RANSAC算法剔除误匹配点。对比实验结果表明,在影像像对间存在较多相似性场景,同时存在较大尺度缩放、旋转变换、视角及模糊差异的情况下,文中算法在匹配成功率和计算复杂度上具有明显的优势。     

基于建筑平面图的室内空间拓扑模型自动生成算法

针对以建筑平面图为数据源构建室内导航模型时,建筑平面图缺少拓扑信息,尤其是缺少对房间、走廊等多边形对象拓扑描述的问题,本文提出了一种自动化构建室内空间拓扑模型的算法。该算法首先根据CAD建筑平面图的基本特征,将墙线抽象为弧段,门窗抽象为点,房间抽象为多边形;然后从起始墙线出发,将该墙线顺时针或逆时针遇到的第一条墙线作为目标房间或走廊的第一条边,依次类推,直至回到起始墙线,则完成一个房间或走廊的提取;重复上述过程,直到所有墙线均被标记两次,说明所有房间或走廊提取成功,完成墙线与房间、走廊之间的拓扑连接关系自动建立。门窗与房间之间的拓扑关系则是根据门窗与墙线的拓扑关系,推导出门窗与房间之间的拓扑关系。以某大学教学楼的建筑平面图为例进行试验,试验结果表明本文算法能够有效实现室内空间拓扑模型的自动生成。     

基于局部约束的建筑物屋顶点云平面分割方法

建筑物屋顶面点云分割结果的好坏对建筑物三维模型重建起着重要的作用。针对传统RANSAC算法建筑物屋顶面点云的分割问题,提出了一种基于局部约束的建筑物点云平面分割方法。利用点云局部曲面法向约束构建法向准则,利用半径约束的点云空间聚类的方法对共面屋顶面点云进行分解,从而抑制"伪屋顶面"的产生;利用局部抽样策略降低算法的迭代次数,减少运算量。实验表明该方法能够获得稳定可靠的建筑物屋顶点云分割结果,将有利于后续的建筑物三维模型重建。     

多源高分辨率遥感影像自动匹配算法

提出一种基于同名直线约束的多源高分辨率遥感影像自动匹配方法。对影像建立高斯滤波模型去噪,然后进行边缘检测,在边缘影像上进行Hough变换,通过端点检测的方法来获取直线;通过粗匹配参数进行同名直线粗匹配,应用梯度模型对同名直线进行精匹配;对影像提取特征点,特征点经过同名直线约束后,在对应影像上利用同名直线约束建立匹配范围。采用最小欧式距离准则在给定范围内提取初始同名点;利用RANSAC算法剔除错误同名点对,以获取最终的匹配结果。实验结果表明,与传统的SIFT匹配算法比较,方法具有可靠性好、提取同名点数量多的优点。     

基于Harris与RANSAC算法的无人机影像拼接方法研究

针对Harris算法在进行无人机影像拼接时的特征点误匹配问题,利用RANSAC算法对误匹配的特征点进行剔除,进而实现无人机影像的无缝拼接。首先,基于Harris算法提取兴趣点,利用最短欧式距离进行特征匹配;然后,利用RANSAC算法实现对特征点的精确匹配;最后,利用RANSAC算法得到的单应性矩阵完成无人机影像拼接。实验结果表明:本文方法能够较好地剔除无人机影像拼接时误匹配的特征点,实现对无人机影像的拼接,拼接效果良好。     

基于RANSAC的坐标系转换抗差算法研究

空间坐标转换在大地测量、工程测量等领域应用广泛．在利用公共点求解坐标转换参数时,针对公共点中混有多粗差点的情形,给出了基于罗德里格矩阵的坐标系转换模型,并在此基础上提出了基于随机抽样一致性(RANSAC)算法粗差剔除的坐标系转换抗差估计．最后利用仿真数据对该算法进行了验证,同时将该抗差算法与基于IGG3方案的最小二乘抗差估计算法进行了比较．算例结果表明,在20个仿真公共点数据中(仿真多组数据),当粗差点个数超过公共点总数的3／10时,基于IGG3方案的最小二乘抗差算法失效,而基于RANSAC的抗差算法在粗差点个数达到公共点总数的1／2时,依然能保证坐标转换的精度．该抗差算法将RANSAC算法的思想应用到坐标系转换上,有效地剔除了公共点中混有的大量粗差点.      

关键点检测的复杂建筑物模型自动重建

利用机载LiDAR点云数据进行建筑物重建是当今摄影测量与遥感领域的一个热点问题,特别是复杂形状建筑物模型的精确自动构建一直是一个难题。本文提出一种基于关键点检测的复杂建筑物模型自动重建方法,采用RANSAC法与距离法相结合的分割方法自动提取建筑物屋顶各个平面的点云,并利用Alpha Shape算法提取出各个平面的精确轮廓,根据屋顶平面之间的空间拓扑关系分析建筑物的公共交线特征,在此特征约束下对提取的初始关键点进行修正,最终重建出精确的建筑物3维模型。选取不同类型复杂建筑物与包含复杂建筑物的城市区域点云进行实验,结果表明该算法具有较强实用价值。     

利用特征组合检测算法的无人机遥感影像匹配研究

影像匹配是无人机遥感影像拼接和三维建模的基础和关键步骤。结合不同算法的优势，本文提出一种基于特征组合与RANSAC算法的无人机遥感影像匹配方法。该匹配方法首先采用AKAZE算法检测影像的特征点，然后利用SIFT描述符描述特征向量并获取特征点的主方向，最后基于单映射变换矩阵的RANSAC算法进行精准匹配。本文对基于特征组合与RANSAC算法的匹配效果进行了试验对比分析，试验结果表明：与常用匹配方法的匹配效果相比，本文的匹配方法继承了AKAZE算法的快速匹配能力，匹配总耗时介于AKAZE算法和SIFT算法之间，约为BRISK算法匹配耗时的20%；同时，该匹配方法继承了SIFT算法的多匹配点对性能，从整体匹配效果来看，本文的匹配方法优于AKAZE、SIFT、BRISK算法。     

地面点云数据快速重建建筑模型的分层方法

为了快速从地面激光扫描数据重建建筑物模型,避免数据处理中复杂的点云栅格化和面片分割,提出一种基于分层方法的建筑三维模型快速重建方法。利用直方图统计方法去除噪声,结合大多数建筑物自身特点,对点云数据进行分层并垂直投影至各层平均高度的平面,得到建筑物各层的边缘特征点,进而规则化,实现建筑物三维数字模型的快速重建。实验结果表明,方法可以快速提取建筑物边界点,简化传统点云数据在建筑物重建中的复杂过程和大量的数据处理运算,而且最终模型的精度可以得到保证,具有一定的普适性。