利用车载点云数据构建建筑物立面窗户模型

采用车载LiDAR数据进行窗户模型构建是一项艰巨的工作，本文提出了一整套窗户模型构建方法。首先利用RANSAC算法对建筑物立面进行探测分离主墙面，基于空洞思想对主墙面窗户进行聚类，然后采用动态椭圆凸壳算法探测窗户边界轮廓点。对获取窗户边界点采用RANSAC算法进行分割，采用基于稳健整体最小二乘算法进行直线拟合和角点恢复，最终结合窗户的几何特征完成窗户模型构建。试验结果证明了该方法能够准确有效地构建建筑物立面中的窗户模型。     

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。     

多种空间直线拟合方法应用分析

针对各三维空间直线拟合方法的应用场景和环境研究较少的问题,该文研究了多种空间直线拟合方法的优劣性。实现了RANSAC空间直线拟合法、TLS空间直线拟合法和LS空间直线拟合法。利用模拟仿真数据,以空间点到直线的距离和与直线度作为评价指标,对比分析了3种方法的拟合结果,获得了各空间直线拟合方法的应用场景。利用某高速铁路隧道内接触网点云数据,验证了本文结论的正确性和可靠性,对高速铁路工程点云数据处理具有一定的参考意义。     

盾构隧道点云典型要素分割

针对盾构隧道点云及其几何特征构建八叉树索引,使用体素化网格降采样进行点云降采样,利用统计特征滤波器达到精简点云,继而实现典型要素自动分割。结合点云精简算法,提高了随机抽样一致性(RANSAC)算法效率,通过拟合模型的几何特征,设置合理阈值,自动分割隧道典型要素。实验结果表明,该方法可以精确地分割出相邻距离阈值较小的盾构隧道典型要素,拟合的隧道半径与设计半径误差仅为3 mm;相比传统RANSAC算法,该算法运行速度提高了17倍,实现了相邻距离阈值达1.0 cm精度的目标分割。     

基于 RA NSAC 的残缺平面标靶稳健定位方法

针对圆形有效反射区域的平面标靶拖尾点和因遮挡造成的数据缺失问题,提出一种基于RANSAC的残缺平面标靶稳健定位方法。文中采用RANSAC算法拟合标靶平面,使经过测距误差修正的反射点规整位于标靶平面;利用Givens变换将空间三维圆拟合简化为二维圆RANSAC拟合。采用两个实验分析同一平面标靶因不同遮挡对定位精度的影响。结果表明,该方法能够有效解决拖尾点和数据缺失问题,提高平面标靶定位的鲁棒性。     

自适应阈值的基础矩阵估计算法

针对RANSAC算法在估计基础矩阵过程中需要人为设定阈值的问题,该文提出一种自适应阈值的基础矩阵估计算法。该算法首先引入ORSA算法,计算内点集以及基础矩阵,随后将得到的内点集与基础矩阵作为最小中值算法的初始值做进一步加权优化,在保证基础矩阵估计精度的前提下得到更好的内点集。其中,利用ORSA算法估计时通过计算误匹配警报数(NFA)值评判估计精度,舍去了RANSAC算法中人为设定阈值的步骤;利用最小中值算法加权优化的过程中采用最小化误差中值的方式,避免人为设定阈值。实验结果显示,该算法在保证基础矩阵估计精度的同时,能够获得最佳的内点集,且具有一定的抗噪声能力。     

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。     

利用三维激光扫描技术检测建筑物平整度及垂直度

利用地面三维激光扫描仪对某建筑物进行全自动高精度立体扫描，获得目标建筑物表面的三维空间点云信息，经过研究分析提出了一种根据点云提取建筑物中心轴线的方法，采用随机采样一致性算法（RANSAC）拟合直线，并采用整体最小二乘算法拟合平面。通过分析拟合平面及拟合直线的几何特征来检测建筑物的平整度和垂直度，实测数据分析结果表明，三维激光扫描技术在建筑物立面平整度及垂直度检测中具有较高的可行性和适用性。     

基于随机抽样一致性算法的稳健点云平面拟合方法

针对点云数据平面拟合过程中存在粗差及异常值等问题,文章提出一种基于随机抽样一致性算法(RANSAC)的稳健平面拟合方法。该方法以RANSAC算法为基础并结合特征值法,通过设置一定的准则,剔除点云数据中存在的粗差及异常值,达到获得理想平面拟合参数的目的。运用此算法对仿真数据及实测数据进行平面拟合,并与传统算法进行比较,结果表明该方法可以很好地适应于点云数据中存在粗差及异常值的情况,获得较好的平面参数估计值,是一种稳健的平面拟合算法。     

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。