基于低空摄影测量的机载LiDAR点云修复方法

针对机载LiDAR点云存在数据缺失造成的空洞问题,研究利用低空摄影测量技术,探索机载LiDAR点云空洞修复的方法。利用低空摄影测量手段获取的遥感影像可以生成高精度的修复点云,并通过将修复点云融合到原始LiDAR点云中,实现对机载LiDAR点云空洞的修复。该方法操作简单、效率高,适用于大面积机载LiDAR点云数据的批量修复,能够为城市三维精细化建模提供重要的数据支撑。     

基于扫描模式的点云修复技术研究

在现有3维激光扫描点云数据基础上,本文在VC＋＋平台下,对点云数据进行了处理,实现了点云数据的修复,其中数据采用美国斯坦福大学试验点云数据。经实验表明,程序能够实现点云的修复,减少了外业扫描过程中因遮挡引起的点云缺失。     

海量地铁隧道点云数据管理与Web快速可视化方法

传统点云处理软件为单机运行,Web点云应用较少,随着5G与WebGL技术的发展,3D Web应用的开发是未来的发展趋势。在地铁隧道工程中,实现隧道点云的快速处理与可视化是重要的需求之一。为满足地铁隧道点云的Web可视化需求,针对地铁隧道点云空间分布特点实现了一种格网与多分辨率八叉树结合的海量地铁隧道点云数据索引模型。采用B/S(browser/server)架构,以WebGL为基础,可适应不同点云密度来达到更好的Web端渲染效果。在满足标准las点云格式处理需求的基础上实现了自定义格式处理的功能,对数据I/O(input/output)进行优化,索引构建上效率进一步提高。使用Three.js引擎对渲染机制与效果进行了优化,通过设计实验证明了方法在地铁隧道点云数据管理与Web快速可视化上的有效性。     

利用点云构建隧道断面的形变监测方法

提出了一种利用激光点云数据提取隧道断面并进行叠加分析的隧道形变监测方法。首先对获得的隧道点云在XOY面和YOZ面的投影中值进行了二次多项式拟合,提取出隧道中线作为基准;然后根据中线构建了隧道内壁任意位置的断面,并对同一位置不同时期的隧道断面进行了叠加分析,得到了隧道的整体形变情况。通过与常规监测方法结果进行对比分析,验证了该方法的有效性,且能够更直观地表征隧道的体变形状况。     

基于断面基准面点云模型的隧道管片分割与断面提取

隧道变形的精确测量对于掌握隧道衬砌结构的变化及其发展规律、保障隧道的安全运行具有重要意义。本文首先借助轨载移动三维激光测量系统获取地铁隧道的激光点云,结合隧道呈柱面的几何特点,提出一种基于断面基准面投影的盾构隧道点云模型构造方法;然后利用断面基准面点云的高度梯度与三维特征分割隧道管环并提取隧道断面,从而获取盾构隧道的连续横断面,为隧道变形监测提供基础。     

地铁隧道点云数据采集与预处理

点云数据能够呈现地铁隧道丰富的特性,具有传统方法不具备的优势,将三维激光扫描技术应用于地铁安全监测成为新的趋势。隧道点云质量的好坏直接影响后期的分析与处理,需要在数据采集与点云预处理等过程中做好把控。本文研究了三维激光扫描技术的原理,给出了地面激光扫描仪数据采集流程,以南京地铁为例,论述了隧道点云数据采集和数据处理关键技术,获得了高质量点云,本文的研究为相关工程技术人员提供了参考。     

一种基于半圆柱模型的隧道点云中轴线提取与滤波方法

提出一种基于半圆柱模型的隧道点云中轴线提取与滤波方法,通过粗提取和精提取中线点,采用三次B样条插值加密中线点,再采用高阶多项式精确拟合中轴线方程,根据所得中轴线方程,对点云进行切片、投影、空间圆拟合,得到隧道点云横断面,取空间圆平均半径作为隧道半径,设置距离阈值,实现隧道点云滤波.实验结果表明,该方法提取的中轴线整体偏差优于2 cm,噪声滤除率达88.969％,隧道壁点提取的正确率为91.741％,滤波效果较好.     

点云数据在兰州地铁中的应用

针对提取隧道点云中轴线3种不同算法,选择更加适合海量点云中轴线提取的算法。首先对隧道点云进行坐标转换,按里程对隧道点云进行连续正交断面的提取,将得到的断面通过椭圆模型进行粗差剔除;其次采用RGB颜色变化值表示断面的收敛扩张情况,通过柱状图、折线图表示断面形变特征;最后对隧道曲线段点云数据进行中轴线的提取,并进行平曲线要素的自动提取,为隧道平曲线主点位置识别、平曲线要素提取提供一种新途径。     

基于点云的地铁隧道断面精确拟合与形变分析

针对三维激光扫描技术应用于地铁圆形、马蹄形等不同形状的隧道断面难以精确拟合和形变分析问题，提出了一种基于三次B样条曲线的隧道断面拟合分析方法，首先利用三次B样条曲线对断面进行拟合；然后根据拟合曲线提取断面特定点，实现断面形变分析。对某段地铁隧道点云数据进行断面分析表明，该方法可以快速准确地分析隧道断面的形变信息。     

面向点云退化的隧道环境的无人车激光SLAM方法

基于激光同时定位与地图构建(simultaneous localization and mapping,SLAM)技术,不仅能够实现车辆在未知环境下的实时定位,还能高效地获取环境的三维地理空间信息,近年来受到了无人驾驶领域的广泛关注.在几何结构匮乏的隧道中,仅依赖几何信息无法配准点云,因此传统激光SLAM方法难以在隧道中应用.为解决这一问题,本文在L OAM的基础上,提出一种点云强度信息增强的改进激光SLAM技术.首先,改进特征提取方法,提出基于点云柱面投影图的自适应特征提取方法,从单帧点云中提取直线、平面、地面和反射强度特征;其次,针对点云的几何特征配准在隧道中的退化问题,提出一种基于强度特征和强度地图的配准优化方法,自适应提取环境中的强度特征并根据强度特征的配准对车辆位姿进一步修正.试验结果表明,该方法较LOAM和HDL-Graph-SLAM具有更好的稳健性,能够在缺乏几何特征但强度特征丰富的隧道内实现稳定的定位和地图构建,定位精度提升了一个数量级.