中心均匀化密度峰值聚类的激光点云分割

针对常规的密度峰值聚类算法在确定数据聚类中存在聚类中心的重复性、聚类不稳定、不适用于三维点云分割等问题,提出了中心均匀化聚类群融合算法.该算法对局部密度和距离函数进行归一化处理,较好地解决了这两种函数尺度不一的问题;基于局部密度和距离函数乘积的变化率来确定聚类中心,并对重复或距离很近的聚类中心进行了消除,避免了聚类中心非均匀分布对聚类的影响;利用数据点到聚类中心距离逐个确定每个数据的聚类归属,依据邻近聚类数据群之间的距离来判断邻近聚类之间的融合,实现对点云数据的有效分割.基于二维离散数据聚类及不同分辨率点云数据分割的实验结果表明:所提算法不仅适用于二维离散数据的聚类,也适用于三维点云数据的分割,且分割精度和稳定度要优于常规的CFDP、K-means、DBSCAN、DPC聚类算法和深度学习方法.     

结合自注意力机制的多特征融合点云语义分割网络

由于三维激光点云的无序性、稀疏性、非结构性以及光谱纹理信息缺乏，使得点云的语义信息提取十分困难，而可以直接对原始非结构化点云进行语义分割的PointNet++网络无法考虑点云的空间相关性。针对这个问题，本文提出了一种结合自注意力机制的多特征融合点云语义分割网络，使用PointNet++和非局部信息统计注意力模块分别提取点云的多尺度特征和空间相关性特征，并融合两种特征以进行最终的点云分割。通过在ISPRS 3D语义分割数据集上进行对比实验，证明本文通过自注意力机制提取的空间相关性特征优于人工设计的特征，可以明显提高点云语义分割的精度，本文方法较PointNet++总体精度提升了4.5%。     

基于多维欧氏空间相似度的激光点云分割方法

点云数据分割是对激光扫描(LiDAR)场景进行三维重建的基础。针对现有基于边界、表面或聚类的点云分割方法中存在的分割不足或过度分割问题,提出了一种基于多维欧几里德空间相似度的点云数据分割方法。通过计算激光点的法向量,结合点云的光谱特征进行数学变换,计算激光点在多维空间中的欧氏距离,比较邻近点间的相似性,最终完成对激光点云数据的分割。该方法解决了常用点云分割中几何特征和光谱特征无法同时使用的问题,融合了几何分割和颜色分割的两方面优势,提高了点云分割精度。采用2组数据分别比较了基于几何特征、光谱特征和多维空间相似度的3种不同分割算法的分割结果,实验结果验证了该方法的可行性和实用性。     

三维散乱点云的Voronoi拓扑近邻点集查询算法

提出一种三维散乱点云的Voronoi拓扑近邻点集查询算法,该算法改进R*-tree建立三维散乱点云的空间索引结构,采用动态扩展空心球算法获取样点的k近邻点集,通过偏心扩展和自适应扩展获取样点拓扑近邻参考数据,生成该局部点集的Voronoi图,查询样点Voronoi邻域获取样点拓扑近邻点集。通过算法时间复杂度分析及相关实验,证明该算法可快速、准确地获取任意复杂散乱点云的Voronoi拓扑近邻点集。     

基于深度学习的大规模点云语义分割方法综述

为了展示深度学习在点云处理上最新进展，同时促进对点云语义分割方法的研究，该文对基于深度学习的大规模点云语义分割方法进行了综述。在介绍8个室内和室外语义分割数据集的基础上，重点对近几年的深度学习点云语义分割方法进行了归纳和分析，并在S3DIS、Semantic3D、Toronto3D、ISPRS Vaihingen 3D和SemanticKITTI数据集上对不同方法进行了比较，并构建了相应的基准。最后对目前点云语义分割算法存在的问题和未来趋势进行了分析。     

最小割与深度学习联合优化的室内粘连点云分割方法

随着数字城市的发展,城市三维模型重建对三维点云结构化的需求与精度要求越来越高。如何有效准确地分割室内语义模型与三维重构是当前研究的热点问题。点云分割分类是室内点云结构化的重要基础,如何将粘连点云构件进行准确分割并用于室内点云结构化,是当前城市建模的难点。本文提出了一种面向室内粘连点云数据的分割分类方法。首先,利用深度学习网络处理室内点云数据;其次,对点云数据进行标签分类,得到目标标签点云;然后,利用欧氏算法对目标点云进行聚类分割,通过室内语义构件包围盒信息计算各目标中心点坐标与水平半径;最后,利用点云最小割实现室内粘连点云的准确分割。利用3组室内场景中获取的数据对分割方法的精度及有效性进行了验证。结果表明,该分割优化方法具有较高的精度与数据完整性。     

基于机载LiDAR点云的道路提取算法研究

提出一种对点云特征信息进行聚类的方法,以提取机载LiDAR数据中的道路。通过采用软件ENVI 5.3反复建立三角网实现点云滤波获取地面点云,且采用零—均值标准化对地面点云进行标准化,以消除其量纲。然后进一步利用K-means++方法对点云三维坐标聚类实现点云分割,以获取包含道路点云的类别,且对该类别中点云的高度信息进行聚类以提取道路点云。以荒漠植被区机载LiDAR为研究区,对比直接对点云高度信息聚类的结果表明:在设置相同聚类参数的基础上,直接进行高度聚类的SSE总和为2 550.714,所提出的先分割后聚类方法获取的SSE总和为73.696,比直接进行高度聚类的SSE总和低2 477.018,说明本方法使K-means++性能更好。对比运算速度发现,虽然采用该方法聚类消耗时间比直接聚类消耗时间多16 s,但提取结果更好,可去除非道路点云3 673个。     

基于三维网格模型的点云分割方法

基于三维网格模型数据和三维点云模型数据正逆向结合的数据处理方法在科学研究和工程实践中得到了广泛的应用与发展。三维网格模型提供模型结构、语义和几何等方面的先验知识,指导点云数据进行分割、建模等逆向处理,可极大提高数据处理效率和精度。基于以上思路,本文提出了首先基于混合聚类的网格模型初分割,然后以模型的这种先验信息指导点云数据进行精细分割的算法。并通过一系列的程序实现和数据实验,验证了算法的适用性和稳健性。     

几何特征与神经网络联合优化的室内三维点云语义分割方法

室内三维点云数据精准语义分割是实现深层次室内空间应用的基础。针对现有三维点云数据语义分割方法存在目标不完整和不一致的问题,本文提出了一种几何特征与深度神经网络联合优化的室内三维点云语义分割方法。该方法首先利用深度学习实现室内结构信息语义标签的初步提取,然后利用几何与颜色特征的点云分割方法对原始数据进行精确分割,最后利用概率模型将深度学习语义分割结果与几何分割结果进行交叉融合,实现语义分割结果的联合优化。基于开放数据集对本文提出的分割方法进行了精度和有效性验证,分别采用室内场景简单到复杂的三组室内点云数据进行了测试,试验结果表明,本文提出的方法能够有效提升室内三维点云语义分割精度。     

融合聚类算法的钢轨轮廓点云自适应精简

针对原始结构光钢轨轮廓点云数据量大、强噪声和离群杂点多的问题,本文提出了一种欧式聚类融合多种传统滤波方式的钢轨点云自适应精简的方法。采用点云欧式距离为特征量的聚类分割方法用于无效杂散点数据的识别和精简,采用统计滤波结合均匀体素下采样滤波方法实现点云初步去噪。在此基础上,通过欧式聚类分割噪点,采用自动获取滤波范围的自适应直通滤波去除轨底粘连数据,以保证点云配准的效率与准确性。本文提出的方法可有效精简无效数据和去噪,点云精简比约为94%,同时保留了原始点云的有效轮廓特征,为点云配准与磨耗点的高精度识别奠定了基础。     

基于地学信息服务的Internet 3维 GIS：GeoEye 3D

随着Internet、分布式计算以及计算机图形学的飞速发展,开发基于Internet的3维GIS系统已成为可能。这3种技术的有力结合为地学领域开创了一个崭新的时代,促使网络GIS的概念由“地学数据服务”提高到“地学信息处理服务”的新阶段,不仅地学数据,地学信息处理功能也可以分布在基于客户／服务器的架构上,用户可以根据不同的需求“租用”和组合来自于Internet的不同功能。基于这一概念和作者提出的构件注册模型,我们从1998年开始着手研究和开发新一代的Internet 3维GIS：GeoEye 3D。这一系统集成了GIS、3维可视化、分布式计算及网络通信等技术,允许用户通过标准Internet浏览器来应用远程功能对远程和本地数据进行可视化分析。阐述了地学信息处理服务概念和构件注册模型以及GeoEye 3D的系统架构、算法和应用实例。     

GIS中三维模型的设计

研究了三维GIS中的空间信息传输模式 ,探讨了平面地图符号与三维模型的区别与联系 ,阐述了三维模型的确立、定位、简化描述和逻辑性设计     

GIS中三维模型的视觉变量

视觉变量是作为平面图形符号设计的理论基础而提出来的,在平面地图的符号化中起着非常重要的作用。然而,平面地图符号中的视觉变量并不能完全适用于GIS中三维模型的视觉变量,本文首先对比分析了平面地图表达和三维GIS表达的特点和异同,然后提出了GIS中三维模型的视觉变量,即:形状、空间姿态、尺寸、纹理、明暗度(光照)、阴影和清晰度。     

基于City-3 D 3维城市场景的制作

随着“数字地球”、“数字城市”概念的不断深化，作为“数字城市”最基础、最关键的技术“3维城市场景的制作”已成为数字化测绘的新技术亮点；本文在讲述3维城市场景制作的一般原则、方法和关键技术的基础上，着重讲解了在City-3D软件下制作城市3维场景的基本步骤和具体实施方案。     

Smart 3D数据的三维模型重建

针对Smart 3D生成的实景三维模型是一个三角网集合,并不能直接应用于数字城市建设、土地利用管理与城市规划的问题,该文提出了Smart 3D数据三维模型重建的方法:研究了基于分割过滤方法,提取高精度数字高程模型;基于参数化建模、纹理重建方法构建了建筑物三维模型。利用敦化市的倾斜影像进行了实验。实验结果表明:三维重建模型精度高、效果好、提高了自动化的程度,实现了城市建筑物模型的单体化。     

基于Java3D的三维景观网络发布

论文提出了基于J2EE三层体系构架,浏览器/服务器(B/S)结构模式的三维景观W eb发布系统模型。该模型综合利用了App le、tJSP、Servle、tJava3D、BC4 J技术,其基本思路是:利用Java3D三维图形库开发植入JSP的App let插件用于三维景观的显示与交互,通过BC4 J、代理服务器技术实现App let与O rac le数据库服务器之间的数据通讯。实验结果证明了这种结构模型具有一定的优越性。     

城市3维地理信息系统中场景的制图输出技术

针对当前城市3维地理信息系统中制图输出精度受帧缓冲大小限制的问题,提出一种内容分块输出、图像自动合并的高分辨率制图输出方法。针对平行投影和透视投影,分别阐述制图输出的技术原理和实现步骤。实践表明,这种制图输出技术不但可以有效地解决3维场景高精度打印输出的难题,还可以为场景效果图的网络发布提供基本的素材。     

三维模型精细化及三维应用平台构建研究

随着越来越多的城市实景三维模型陆续建成,用户不再满足于简单的实景浏览,对于模型的精细度以及后续应用需求也逐渐提高.本文基于SuperMap平台构建某县级市城市实景三维应用平台,实现模型数据的精细化操作,并提出平台构建方案.     

基于Java 3D的地形可视化及关键技术研究

3维地形可视化是科学计算可视化、计算机动画和3维地理信息系统的核心。Java 3D是Java语言的标准扩展,是跨平台的3维可视化编程接口。本文讨论了基于Java 3D技术实现地形的3维可视化及旨在提高渲染速度和提高绘图效率的几种关键技术。     

3Ds Max与Sketch Up联合三维建模方法

三维软件建模凭借它真实的场景展现和其直观的视觉感受,成了三维地理信息系统(geographic information system,GIS)领域的主要研究方向.三维软件建模法构建的模型真实、美观,能非常精细地表现地物的特征和细节.通过对3Ds Max和Sketch Up两种不同三维软件建模方法的比较分析,总结出两种软...