车载LiDAR点云路灯提取方法

道路场景中路灯数量大、类型多,大场景中路灯详细信息获取是一项繁重的工作。本文提出先验样本集辅助的、基于骨架线缓冲区判别的路灯点云提取及种类识别算法：先根据路灯在车载LiDAR点云中的表达特征,构建路灯模型,并构建路灯先验样本集;再依据数学形态学的理论和方法,提取车载LiDAR点云场景中的杆状地物,在路灯模型及语义规则约束下,得到候选路灯;然后根据候选路灯的参数信息,及已获取路灯的统计信息,从样本集中筛选候选样本;最后基于最小二乘理论的匹配算法,对路灯先验样本与候选路灯点云进行匹配筛选,并基于路灯骨架线信息构建的双重缓冲区,对候选路灯进行判别分析,实现路灯的提取和种类识别。试验表明,该算法对于遮挡少、数据相对完整的路灯提取准确度为95.2%,对于遮挡严重、点云密度低、数据完整性差的路灯提取准确度为78.0%,验证了该算法对大场景中路灯详细信息提取的稳健性。     

车载LiDAR数据的道路裂缝信息自动提取

针对传统道路裂缝检测工作中存在的问题,该文提出了一种利用车载LiDAR数据的道路裂缝信息自动提取方法。车载LiDAR系统能够在正常车速条件下直接获取道路及其两侧各种地物的高精度、高密度表面三维数据。为了提高数据处理效率,将三维LiDAR数据转换成二维强度特征影像数据。张量投票算法根据平滑度、邻近度及连续性约束原则,通过结构特征的张量表示和非线性投票能够从稀疏的、噪声的数据中推断显著性结构。通过实验分析,该方法不仅适用于激光点云生成的强度特征影像数据的裂缝提取,还适用于光学影像数据的裂缝提取,且提取精度在90%左右。     

车载LiDAR点云中的建筑物特征提取

针对车载LiDAR点云数据处理复杂、时间长的问题,本文以地物不同特征值作为建筑物自动提取算法的依据,通过点云数据预处理、聚类分析等一系列流程最终实现一般建筑物点云的自动提取.通过两个实验区点云数据的提取与相应的实际地物进行精度分析对比,结果表明本文算法对实例测区环境下的不同建筑物点云提取具有较好的有效性,满足数字城市三...     

基于车载LiDAR数据的单株树提取

车载LiDAR数据能提供地物表面不同视角且具有容易获得高密度点云数据等优点,能为树木信息的精细提取提供有力保障.基于不同地物具有不同特征等性质,从车载LiDAR数据中对地物进行识别,将三维图形投影到二维平面上进行识别、分离、去噪及细化,运用Matlab编程实现对车载LiDAR数据中树木信息的提取.用全站仪对测区树木进行实地测量并进行定量分析,结果表明,方法可以较好地分离出构成树木的激光扫描点,达到树木提取的目的.     

基于机载LiDAR技术的滑坡识别参数提取方法

选择长江三峡秭归段千将坪滑坡及其周边区域为研究区,利用机载LiDAR数据,开展滑坡识别参数提取方法研究。首先提取滑坡识别参数,再利用相关滑坡识别参数和智能分类算法开展滑坡像元和非滑坡像元分类。试验表明,基于LiDAR技术提取的滑坡识别参数能有效区分滑坡像元和非滑坡像元,确定的特征参数子集对于提高分类精度大有帮助。     

基于车载LiDAR的特征融合差分的车前道路提取方法

为应对行驶中变化的道路环境,划分当前车前道路的可行驶区域,本文提出一种基于多特征融合差分的车前道路检测方法。该算法通过形态学滤波法对原始点云进行地面点云提取,统计归纳地面点云数据,进而界定运算域,在运算域内划分不同纵深的差分元尺寸和起点,在差分元内进行特征参数的融合,形成特征矩阵,求解差分矩阵后再进行阈值滤波,进而实现车前道路点云的提取。本文首先与相关道路点云的提取算法进行对比,表明其性能优良;然后针对所采数据不同纵深的道路提取效果进行对比,证明该算法的有效性。     

车载LiDAR点云铁路横断面及轨顶点提取方法研究

为了更加高效地对铁路空间信息数据进行复测,研究利用车载LiDAR系统扫描获取铁路场景中的点云数据,提取铁路横断面轨顶点的方法,该文提出了一种基于POS线投影的铁路横断面轮廓及轨顶点提取算法,该方法以POS线为辅助线对铁路横断面点云进行切割,采用Alpha Shapes算法提取铁路横断面轮廓点云数据,并结合铁路横断面以及POS线的空间特性,实现了铁路横断面轨顶点的提取.实验及分析评价结果表明,基于POS线投影的铁路横断面及轨顶点点云提取算法是有效且准确的,对其他各类铁路地物信息的提取具有一定的参考和借鉴价值.     

车载LiDAR点云数据中杆状地物自动提取与分类

针对城市道路场景中车载LiDAR点云数据质量差、各类地物相互遮掩的情况,提出杆状地物自动提取与分类算法。先通过改进数学形态学算法移除点云数据中的地面点,再根据杆状地物的形态特征,使用纵向格网模板初步提取杆状地物,然后对提取的疑似杆状地物进行点云数据规则化并通过统计分析移除噪声点,最后根据预先建立的杆状地物样本训练SVM分类模型,对提取的杆状地物进行分类。试验表明,本文方法能够在数据质量欠佳的情况下有效提取城市道路场景中的杆状地物,并对提取的杆状地物进行高精度分类。     

基于车载LiDAR点云的行道树提取研究

针对车载LiDAR数据构建格网,提取行道树点云并分割树干点云,首先以格网为单位,进行滤波处理提取非地面点云;再对提取的点云进行降噪处理;然后基于格网对处理后的点云块进行聚类,依据行道树与其他地物的形态以及投影等差异从聚类单元中提取行道树,并对相连树进行分割;最后针对提取的单株行道树依据分层投影的原理,分割行道树树干点云与树冠点云.采用一段车载LiDAR数据进行算法实验并与人工提取方式对比验证算法提取的有效性与准确性.     

无人车平台激光点云中线特征提取

随着无人平台的应用越来越广泛,由激光点云提取线特征构建高精度特征地图已成为研究的重点。本文基于深度图像中的二维线特征,提出了一种新的几何模型对其进行优化,得到准确的三维线特征,并使用贝叶斯滤波对多帧结果进行融合,提高了三维再线特征的精度和准确率。     

激光雷达点云电力线自动提取算法

针对当前电力线提取方法自动化程度和精度不高的问题,本文从点云数据的空间分布特征出发,提出了一种高效的电力线自动提取方法.首先基于自然裂点法,将点云数据按高程分类后去除地面点;然后对数据进行空间划分,基于子空间的点密度及空间结构特征的差异化,利用地物分割算法去除电塔点和残留的植被点;最后利用基于欧氏距离分割的电力线自动检...     

LiDAR点云的建筑物立面空洞修复

针对树木等遮挡造成的车载LiDAR建筑物立面点云空洞,该文提出了一种基于机载和车载LiDAR数据融合的建筑物点云修复方法,即在空-地LiDAR点云融合的基础上,基于提取的机载LiDAR建筑物外轮廓线,通过缓冲区分析实现车载LiDAR建筑物点云分割;借助轮廓线信息实现了邻近建筑物间的相似性判断,基于匹配后的相似建筑物点云和空洞探测方法,实现了建筑物立面点云空洞修复。最后通过实验数据验证了该方法的可行性。     

基于移动LiDAR点云数据的室内全要素三维重建

精确的室内三维模型在古遗产保护、公共场所的精细化管理和室内导航等领域有着重要作用,而激光雷达正被逐步应用到室内三维重建中。文中采用移动激光雷达对室内所有附属设施进行高精度激光扫描,得到融合CCD影像色彩信息的彩色点云数据。给出室内全要素三维重建的技术流程,并利用Autodesk CAD等三维建模平台对点云数据进行有效处理,最终得到高精度且带有大地坐标的室内三维模型。实验结果表明,采用移动激光雷达能快速获取高精度的室内三维点云数据。通过文中提出的流程,可快速得到真三维、真尺寸、真纹理的室内全要素模型。     

面向对象的车载LiDAR点云滤波方法

针对经典的机载LiDAR点云数据滤波方法不适用于车载LiDAR点云数据滤波的问题,该文提出了一种基于点云分割的不规则三角网渐进加密滤波方法。首先,剔除粗差;然后,进行点云分割;最后,以分割对象为基本判别单元,迭代地进行地面对象的识别。采用两个场景的车载LiDAR点云进行滤波实验。实验结果表明,本文滤波方法的总误差明显小于经典的不规则三角网渐进加密滤波方法。     

利用原始激光雷达点云数据提取渐进式建筑物轮廓线

建筑物是城市三维建模的重要元素,其轮廓信息的提取既是难点又是重点。本文提出了原始激光雷达点云数据的渐进式建筑物轮廓线提取方法。首先对原始点云数据采用渐进数学形态学滤波分离非地面点;然后使用改进的三维Hough转换分类出建筑物点云;进一步提取建筑物轮廓点,并根据相邻点方位角阈值确定建筑点云轮廓的关键点,以此简化并拟合建筑物轮廓线;最后基于轮廓线长度加权方向将建筑物轮廓规则化。结果表明,该方法大大提高了点云处理的效率和精度,可以直接从采集到的初始数据中自动化渐进式得到建筑物轮廓线信息。同时该方法对解决中小城镇建筑物体积小,距离近和屋顶坡度较大等问题具有较好的效果。     

机载LiDAR数据中电力线的自动提取与重建

为实现电力线走廊更加有效地巡检,本文设计了一套LiDAR点云数据中电力线自动提取与重建的方法。首先,利用改进的渐进形态学滤波剔除地面点,通过高差阈值与高程离散度分割,实现电力线点粗提取;然后,借助RANSAC直线检测,得到电力线直线模型,依靠密度检测,实现单根电力线点云精确聚类;此外,利用k-means算法完成分裂导线束间归类;最后,进行二次多项式限制的最小二乘拟合,生成电力线曲线模型。试验结果表明,使用该方法电力线点云提取的正确率达98%以上,非电力线点云误判率低至1%左右,电力线直线模型拟合误差在5 cm以下,曲线模型拟合误差在3 cm以下,完全满足实际工程需求。     

一种机载激光雷达道路点云的半自动提取方法

针对直接从LiDAR点云数据中提取道路信息比较困难的问题,文章提出了一种基于点云分割和区域生长的机载LiDAR数据道路点云提取方法:采用曲面生长法对点云进行分割,直接得到包含道路信息的曲面点集合;应用LiDAR数据的回波强度对分割结果中的道路进行强度标定,并采用区域增长的思想实现了道路的精细提取。实验表明,该方法能够高效、准确地提取道路点云,在路桥建模方面有较强的使用价值。     

电力巡线LiDAR点云电塔自动定位和提取算法

针对电力巡线机载激光雷达(LiDAR)激光点云电塔自动提取问题,提出了一种电塔自动定位和点云提取算法。首先,基于点云进行二维空间网格划分,利用网格点云高程偏差和方差特征提取潜在电塔网格;其次,基于电塔点云的高程连续特性完成电塔自动定位和点云粗提取;然后,利用点云分层密度信息和图像开运算,实现电塔精细提取;最后,利用轻小型无人机载激光雷达数据验证本文算法的有效性。试验结果表明,本文所提出的自动提取算法,能够有效解决LiDAR数据中电塔自动定位和点云提取问题,在LiDAR数据质量较差时仍能够取得良好效果,算法对于噪点数据具有较强的稳健性。本文所提出的电塔自动提取算法在LiDAR电力巡检数据处理中具有一定的应用价值。