扫描线局部特征约束的车载LiDAR点云城市道路边界提取方法

城市环境下的车载LiDAR点云在道路边界提取时容易受到路边车辆、行人遮挡等影响，而造成伪边界点的生成和边界线的不连续。本文发现利用高程标准差约束能够有效的处理该类问题。本文首先进行数据预处理，包括点云分段及地面点滤波、基于相邻点间距离将地面点整合成扫描线存储；其次基于扫描线建立连续双窗口，采用扫描线双向移动窗口法，构造双窗口之间高差、夹角值、高程标准差3种约束条件获取候选路坎点，并根据道路边界的连续性采用密度聚类中的DBSCAN算法聚类去噪，生成较为连续且精确的路坎边界点；最后对边界断点区域计算累计曲率值和距离来判断该位置是否为路口，若边界线断点为路口不进行连接，反之，视为车辆或行人遮挡导致的断点，采用二次多项式曲线填补拟合，获得边界的数学参数模型。实验结果表明，在存在较多遮挡的城市环境下道路边界提取精度能够达到80%以上。     

基于移动激光扫描点云特征图像和SVM的建筑物立面半自动提取方法

建筑物立面是城市地物的重要组成部分,而移动激光扫描是获取城市地物三维信息的重要手段之一。本文提出了一种基于移动激光扫描点云的建筑物立面半自动提取算法。该方法首先构建研究区水平网格;然后计算局部点云几何特征,并且将特征投影到水平网格生成点云特征图像;接着基于支持向量机（Support Vector Machine,SVM）对建筑物立面网格进行粗提取;最后使用网格属性（形状系数、网格面积、最大高程）对粗提取结果进行过滤,并将结果反投影到三维空间中得到精确的建筑物立面。以卡内基梅隆大学的移动激光扫描点云进行试验后表明,本算法能够较好地提取出建筑物立面,提取精度为84%,召回率为90%,数据修正后精度为88%,召回率为91%。通过与现有算法对比,本文提出的算法具有较高精度。     

基于点云的管道三维自动建模方法研究

随着我国城市地下空间的不断建设,各种类型的管廊已经成为社会和人们生产生活中不可缺少的物质条件。本文针对市政基础设施、地下空间中错综复杂的管道难以观测和三维建模的问题,采用三维激光扫描技术获取管廊的点云数据,并对点云数据中存在的噪点采用拉普拉斯算法进行去除,以提高管道中心线的提取效率。在此基础上提出一种基于RANSAC算法的管道中心线提取方法,并对提取的中心线进行等平面处理,基于OpenGL和MFC框架开源库结合RANSAC算法研发了利用点云进行管道三维自动建模模块,并实现了复杂管道的可视化。     

基于车载点云数据的实景可量测技术研究

车载激光扫描系统集成激光雷达扫描技术、定位定向技术、全景获取技术于一身,可同时获取空间三维信息以及纹理信息,在数字城市信息化建设中发挥重要作用。该文通过分析车载激光扫描数据成果,将激光点云作为空间量测支撑数据,实现三维实景可量测功能,在文中详细的阐述可量测原理以及实现实景量测的关键技术,并基于Direct X开发出可量测实景应用实例,为可量测实景服务奠定基础。     

基于车载激光点云的街景立面自动提取

街道景观图是城市规划设计和城市管理的重要参考依据,车载点云数据能够提供沿街建筑的三维点信息,精度高,覆盖范围广泛,为街景立面整治提供了新的解决方案。为此,本文提出一种适用于车载点云的街景立面的自动提取方法,提取立面点云的具体步骤为：对原始数据去噪滤波;选取非地面点构建规则格网并二值化,依据语义特征筛选出建筑物点云;用POS数据拟合直线段帮助选取参考向量与参考平面;计算点云到参考面的距离,按距离分类点云数据,并对前述步骤中未分类点另行提取,合并面点集得到以沿街建筑物立面为主的街景立面点云。为了验证这一方法的可行性和有效性,采用点云数据进行实验,实验结果表明本方法在一定程度上提高了数据处理效率,能得到较理想的结果。     

基于Gradient Boosting的车载LiDAR点云分类

车载LiDAR点云中包含地面、建筑物、行道树、路灯等丰富地物类别,自动对这些不同类别点云进行分类,对点云中目标的识别、提取及重建都具有重要意义。本文提出了一种基于Gradient Boosting的自动分类方法。该方法首先对车载激光点云进行数据预处理,然后计算点云的协方差矩阵、密度比、高程相关特征、局部平面特征、投影特征等,再计算点云特征直方图与垂直分布直方图,采用K-means方法对这两者分别进行聚类,并将其聚类类别值也作为特征,从而构建出20维的点云特征向量,应用Gradient Boosting分类方法进行自动分类。为了验证本文方法的有效性,从某城镇场景的车载激光点云数据中选取部分代表区域共144W点作为训练数据集,然后选取另一较大区域的点云共312W点作为测试数据集。使用训练好的分类器对测试数据集进行分类,分类结果总体准确率达到了93.38%,耗时631s,说明此分类方法具有较高的分类准确率,同时也具备较高的效率。     

面向车载激光扫描数据的道路目标精细化鲁棒提取

精确的三维道路信息,对于交通运输,城市规划,道路网建设,三维道路建模等具有重要意义.车载移动测量系统作为一项高新测绘技术能快速,准确地获取三维激光点云,适用于大场景的道路提取与建模.本文提出了一种从车载激光点云中快速精细化提取三维道路及其边界的方法.该方法首先利用车载激光点云的空间特征对点云进行自适应分段,然后利用先验知识与规则提取候选的道路及其边界,并根据道路边界的线状特征,对所提取的道路边界进行跟踪及矢量化,最后得到道路的参数.为了验证本方法的有效性,试验采用了3组不同道路场景的数据进行验证,结果表明提取结果的准确度,完整度及检测质量都达到了90%以上.定量与定性的结果分析表明,本文方法对于不同复杂场景下不同点密度的数据具有很好的适应性,能快速,鲁棒地提取大场景内的道路及其边界.     

基于车载激光点云数据的道路模型重建

在SSW车载激光扫描点云数据的基础上,研究了提取道路边线点集的方法,并对道路边线点进行均匀抽稀,最后按照道路纵断面shape构建道路模型。试验表明该方法能成功地提取出道路边线点,建立道路模型。     

基于多光谱LiDAR数据的道路中心线提取

针对城市三维激光点云中,道路与地面高程相差小、激光反射强度相近使得道路提取困难;广场、停车场等地物的高程、反射强度与道路极为相近,容易产生错误提取的问题。本文设计了一种描述道路条带信息的局部二进制特征（Stripe Local Binary Feature, SLBF）,结合LiDAR数据中的三维信息和多光谱信息获得基于强度、密度和平坦度等统计特征（Statistics-Based Feature, SBF）,并采用随机森林分类器实现了机载点云中道路面点云和非道路面点云的有效提取。通过欧式聚类精化道路点云和迭代腐蚀边界细化中心线,进而获得矢量化的道路中心线。以Waddenzee区域的多光谱机载点云数据进行实验验证,道路中心线提取结果的完整度达到94.15%,准确度达到97.95%,精度达到92.28%。实验结果表明,该方法可以有效地提取道路中心线,同时由于设计的特征具有不变性,能够适用于城市和林间小路等各种环境。     

线面特征约束的跨源点云配准方法

随着三维传感器和三维重建技术的发展,跨源点云的配准融合成为了一个研究热点。传统的配准方法使用单一特征作为配准基元,会存在空间几何约束弱的问题。为了高精度融合跨源点云数据,充分表达场景中的立面信息,本文提出一种基于线面特征约束的跨源点云配准方法。通过RANSAC算法提取跨源点云中的同名线、面特征;利用四元数法描述空间变换参数,将线特征作为配准的约束条件,构建空间变换目标函数,估算变换相关参数完成粗配准,解决尺度差异性;在粗配准的基础上将面特征作为约束条件,求解旋转矩阵和平移参数完成精配准。以面特征代替点特征作为配准基元能避免从海量的点云数据中选取公共点,减少由人为选择的偶然误差,避免了误差的积累,进一步提高配准精度。最终使用影像匹配点云与激光雷达点云数据进行实验,结果为：在小区域单建筑、多建筑和大区域建筑群中RMSE值分别为0.364 7、0.032 0和0.614 6,且同名面之间的夹角最大不超过1.5°,最小不到0.1°,夹角角度均值在1°范围内。结果表明本文方法对具有尺度差异的跨源点云具有较好的配准效果。     

�����Ƚ���Ȩ������С���˵ĵ�������ƽ�����

??????????????????????????????????С???????????????????????????????????????????????????????????????????????????????????????С???????????????????????????????????????????????????????淽?????????????λ???????С???????????????     

������ά����ɨ����Ʒǵ�����޳��㷨

?????LIDAR?????????????????????У??????????????????е????????????????????????????????????????????????????????????????α??????????????????????????????????????????????????????α?????????ж?????????????????????????????????????α????????????????????????????????????????????ν??е?????????????????????????????Ч???     

基于加权约束的单体建筑物点云表面重建算法

建筑物点云表面重建在高精度城市测绘、虚拟现实等领域有十分广泛的应用前景。由于建筑物的几何形态多变,重建算法普遍存在计算速率慢、拟合精度低和模型结构不完整的问题。为此,本文以单体建筑物为研究对象,提出基于加权约束的单体建筑物点云表面重建算法,在表面初始化过程中充分考虑数据对结构拟合的贡献。在此基础上,构建基于正则集的单体建筑物表面重建算法,实现建筑物拟合过程中的加权拟合误差、近邻结构平滑的同步优化。针对多类建筑物三维点云的实验结果表明,相比传统的建筑物重建策略,本文的加权约束方法可根据不同类型的点云数据设计自适应权重,并选择模型拟合中最优的权重函数,在高噪声、低精度点云数据下能得到更高精度的单体建筑物表面模型。     

���ڹ��е�ƽ��ĵ���ƴ�Ӽ����о�

?????????е??????????????????????й????????????????????????????????|??????????????????????????????????????|?????????????????????????????????????????????????????????????????????????     

基于共有单平面的点云拼接技术研究

提出基于共有单平面的点云拼接技术。首先进行共有平面的提取、拟合,精确计算平面的法向量|再运用平面的法向量信息,求取旋转角构造旋转矩阵|最后通过平面的中心点进行坐标平移,完成点云拼接。分别通过模拟数据和实验数据验证了该算法的正确性。     

基于多源激光点云融合的建筑物BIM建模

墙体、窗户等单元构件是建筑物重要组成部分,精细提取其几何参数及位置信息对于完整表达建筑物整体模型具有重要意义。针对单一点云数据源无法获取建筑物单元构件相关参数并完整表达室内外模型重建问题,本文提出一整套融合室内外多源点云数据的BIM模型重建技术。为验证方法的有效性,选取河南理工大学测绘与国土信息工程学院教学楼为实验区域,室内外数据采集时间为2019年5月。在对实验区域机载、车载和地面点云数据进行预处理的基础上,分别选取各点集共轭特征点,以高精度的地面点云为基准,将机载和车载点云融合到地面点云。为提高后期模型重建精度及处理效率,以点云间最小空间距离的方式剔除重叠区域冗余数据。对建筑物进行整体平面与立面剖切,将剖切面在CAD中进行跟踪绘制二维线划图,将二维线划图导入Revit软件中绘制轴网与标高,并利用提取到的墙体几何参数编辑墙体族类型进行BIM模型重建。根据提取到的窗户几何参数统计其类型并编辑窗户族,将其归为有规律性和无规律性两类,有规律性窗户单元找出其重复性规律及位置控制参数,无规律性窗户单元逐个放置,二者结合优化BIM模型。为验证模型重建精度,选取建筑物代表性立面,以人工实测立面边长为参照,将由点云数据提取到的相对应立面边长及模型边长与之对比分析,其误差集中分布在0.0~0.2 m之间,存在0.2 m以上误差,但大部分在0.3 m以下。实验结果证明了该方法的准确性。