自动绘制室内平面图的点云向量追踪算法

根据建筑物室内墙壁的空间姿态特征,建立了一种自动绘制室内平面图的点云向量追踪算法。首先截取一定厚度的室内墙体点云并将其投影至水平面,在投影平面上建立正方形格网,对投影后的平面点进行分割管理,并通过八邻域算法对网格内点云进行聚类。然后采用网格重心法对聚类后的点云数据进行抽稀,并根据邻域内点间距与连线向量夹角大小对抽稀后的点进行追踪排序,建立追踪方向的向量序列,结合向量序列中相邻值夹角的突变情况完成不同墙面的点云分割。最后采用最小二乘算法对分割得到的相同墙面点云进行直线拟合,求取相邻墙体直线的交点,建立房屋墙体平面投影线段及其空间连接关系,依序输出墙体投影线段,完成房屋平面图的绘制并导出DXF格式数据交换文件。通过对某小区建筑物室内扫描数据的分析,对所提算法进行验证,结果表明所提算法可准确快速地对室内三维激光扫描点云进行分析处理,并完成室内建筑物平面图的绘制。     

利用地面激光扫描数据进行建筑物变化检测

利用地面激光扫描仪具有的数据获取速度快、精度高、实时性强、能全天候工作等优点,在快速获取三维点云的基础上,通过点云自动拼接、Hausdorff距离检测不同时期建筑物的三维模型变化,并改进了检测算法,提高了算法的执行效率。通过拟合平面构建Delaunay三角网求解变化区域的面积来评估灾害对建筑物的破坏程度,从而为灾害应急响应以及保险理赔等提供了可靠的决策依据。     

机载LiDAR点云数据的建筑物重建研究

提出了利用机载LiDAR点云数据进行复杂平面建筑物重建的方法。首先,将提取出的建筑物点云聚类到不同的平面点集;然后,对各个平面点集进行平面拟合,采用平面相交确定平面边界,并解算出各平面边界角点的三维坐标,从而重建建筑物模型。某区域的机载LiDAR点云数据的实验结果表明,该方法能有效地重建出较复杂的平面建筑物。     

多源数据融合的三维点云特征面分割和拟合一体化方法

针对单纯利用三维激光点云信息不足的问题,提出融合多源数据对三维激光扫描仪获取的点云数据进行特征拟合的方法。根据地面点云及对应的扫描仪参数生成反射值影像;以反射值影像分割结果作为种子面,基于随机抽样一致性方法分割与拟合一体化;融合彩色影像提取的直线信息确定和验证拟合特征的边界。采用RIEGL VZ-400获取的建筑物点云数据进行了特征拟合试验,证明了该方法的有效性。     

机载激光雷达点云的城市建筑物直线特征提取方法

提出一种城市机载激光雷达点云的直线特征提取方法。首先基于曲率的区域增长方法分割三维点云平面, 对每个点云平面进行二维投影,并进行网格化和二值化。其次通过稳健的二维线段检测方法获得平面的线特征,将 二维线段重投影至三维空间得到相应的三维线段,构造线特征集。最后对线特征集构建基于固定网格的直线空间 索引方法,实现基于线特征的点云索引。实验结果表明,该方法直线提取误差较低,相对平面相交法效率更高,能够 有效提取城市建筑物的直线特征,通过索引提高了特征查询效率,可满足高精度区域分割和三维建模的需求。     

近景图像序列线特征约束的建筑物立面重建

针对单纯利用近景图像序列点特征进行建筑物立面重建存在的问题,该文提出一种线特征约束下建筑物建模方法。首先利用运动恢复结构技术恢复相机参数和空间点云数据,并在此基础上利用多视图立体方法生成三维稠密点云;然后对图像序列进行基于梯度方向的边缘检测及顾及方向和长度的直线特征拟合;再利用多约束条件实现直线特征匹配及提取;最后基于三维点、线特征实现建筑物立面的三维重建。实验结果表明,该方法能有效利用近景图像序列点、线特征的优势互补重建建筑物的几何立面,更好地恢复建筑物立面的轮廓信息。     

一种三维激光点云中建筑物立面渐进分割方法

针对建筑物立面分割的问题,该文提出了一种三维激光点云中建筑物立面渐进分割方法。建立三维格网索引,通过分析建筑物立面在三维格网内的空间分布特征和二维平面格网内投影的线性分布特征,确定立面种子格网和投影线的拟合点,拟合投影线并基于种子格网约束生长完成每层格网中立面粗分割;使用RANSAC算法对粗分割后的立面点云进行面拟合,实现精细分割,并将各层格网中的立面进行合并,实现建筑物立面的完整分割。实验结果表明,该方法能有效地实现建筑物立面的精细化分割,有助于后续的建筑物精细三维模型重建。     

利用LMedS算法提取规则建筑物顶部面片

针对常用的平面拟合方法在有"噪声点"存在的情况下,会出现拟合不稳定的问题,本文采用稳健性较好的RANSAC算法,从机载Li DAR数据中提取出建筑物顶部面片。RANSAC算法进行参数拟合时,会存在一些缺陷,通过改进RANSAC算法(LMed S算法)可以达到更好的拟合效果。首先利用直通滤波器对点云数据进行简单的滤波,然后通过Voxel Grid滤波器对点云数据进行下采样。对下采样之后的点云数据,用LMed S算法提取建筑物顶部面片。试验表明,利用LMed S算法可以成功提取建筑物顶部面片,稳健性较好。     

基于kd-tree的建筑物散乱点云平面分割

应用kd-tree快速确定散乱点云数据中某一个点的邻域,不需要先验地知道点云数据之间的拓扑(邻接)关系,使得建筑物点云平面分割算法更一般化,应用面更广。根据建筑物平面特征的先验信息,并采用高效数据结构,优化了平面分割算法,给出了散乱点云平面分割的实现和相应结果,说明了基于kd-tree的建筑物散乱点云平面分割算法的有效性。     

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。     

地面三维激光扫描仪在桥墩垂直度测量中的应用

桥墩垂直度是影响桥梁安全的一个重要部分。现有全站仪测量垂直度的方法作业效率低、作业环境危险;且对高桥墩、大仰角垂直度测量较困难。提出将地面三维激光扫描仪应用在圆柱形桥墩垂直度测量中,利用分层切片拟合桥墩中心线的方法,计算桥墩垂直度。采用的分层切片拟合法较整体拟合方法建模精度高,更能准确测量桥墩垂直度;同时该方法对不同形状的桥墩同样适用。实验结果表明,这种方法与全站仪测得的垂直度相比在误差范围以内,该方法在桥墩垂直度测量中具有一定可行性。     

基于球面投影的单站地面激光点云直线段提取方法

由于激光点云离散分布于三维空间,导致特征计算困难,目前针对地面激光扫描点云的直线提取方法普遍存在计算量大、提取错误、或适应性不足等问题。本文提出了一种基于球面投影的单站地面激光点云直线段提取方法:首先将三维点云投影到球面上,球面投影后的三维点云保持了正确的邻接关系,同时也解决了三维数据计算量大的问题;然后,利用球面霍夫变换,正确提取球面投影后点云中的直线段特征;最后,利用稳健的直线拟合算法计算点云中的三维直线段参数。通过对室内室外场景数据的直线段提取试验及与商业软件Geomagic Studio等方法的对比试验,验证了本方法的正确性、适用性和准确性。     

融合语义特征与GPS位置的地面激光点云拼接方法

拼接是地面激光点云数据处理的必要步骤,但基于同名点的点云拼接方式已成为阻碍点云处理效率提升的长期瓶颈,而直接匹配点云识别同名特征的方法亦对点云重叠区域具有较高的要求。本文提出一种融合语义特征与GPS位置的地面激光点云拼接方法,通过语义知识自动识别出原始三维点云中所包含的地面特征与建筑物立面特征,并使用这两种面状特征结合点云测站中心的GPS位置作为同名标靶进行点云初始拼接,随后使用点到面最小距离约束下的ICP进行点云精确拼接。实验表明,本方法可以有效提高地面激光点云拼接的整体效率,尤其对于包含平面结构（如马路、建筑物）的场景具有良好的拼接效果。     

基于点云投影线探测的高墩位姿自动检测方法

针对目前超高桥墩垂直度检测方法存在危险系数较高、精度难以保证或自动化程度与工作效率较低的情况,本文提出一种基于三维激光扫描技术的点云数据超高桥墩位姿自动检测方法。该方法首先将海量墩面点云双向分层;然后依条件选择分层文件探测点云投影线并划分桥墩面缓冲区;最后根据缓冲区自动提取墩面点云并进行位姿检测。本文以某山区高速桥梁高墩位姿检测为例进行试验,试验结果,表明该方法具有无接触测量、高自动化、高工作效率及检测范围全面的优势。     

一种三维激光扫描点云拟合的抗差加权整体最小二乘法

针对三维激光扫描中点云不等精度且易受粗差影响的问题,提出了一种基于入射角定权的抗差加权总体最小二乘的拟合方法。该方法在采用入射角定权的基础上,进行基于标准化残差和中位数的抗差加权整体最小二乘估计,获得待定参数估值,并通过Gauss-Newton迭代算法,推导了模型的迭代计算方法。以平面拟合和球面拟合为例,分别通过仿真数据和实测数据对算法进行验证,结果表明,对于含有粗差的点云,新方法可以获得更为理想的参数估值,其性能优于抗差整体最小二乘和加权整体最小二乘,可以更好地进行三维激光扫描的点云拟合。     

基于移动激光扫描点云数据和遥感图像的建筑物三维模型快速建模方法

建筑物的三维建模是城市三维建模和可视化的重要组成部分。本文提出一种基于点云数据与遥感图像的建筑物三维模型快速建模方法。首先,运用改进的RANSAC法从点云数据中提取建筑立面,根据立面区分平顶建筑与人字形屋顶建筑;在此基础上,进一步对建筑物的高度进行提取;之后,利用区域增长法从遥感图像中提取建筑物屋顶轮廓,利用形态学方法对提取出的轮廓进行规则化处理,并基于Freeman链码提取轮廓角点,得到规整的轮廓;最后,根据提取出的建筑高度属性对屋顶轮廓拉伸并进行纹理映射,实现对建筑物的三维重建。通过实例证明,提出的方法能快速、高效地实现建筑物三维模型的重建。     

单圆盾构隧道移动激光扫描收敛值计算

近年来,架站式三维激光扫描技术广泛应用于盾构隧道收敛监测,但频繁换站降低了外业测量的效率。同时,在激光点云拟合计算收敛点坐标时,收敛点位置会随着隧道变形而变化,因而,点云曲线拟合难以确保得到不同时间、同断面、同收敛点坐标,影响了收敛值的精度。自主研发了一款经济适用且高效可靠的移动激光扫描监测系统,解决了架站式三维激光扫描监测效率低下的问题。针对收敛值计算方法存在的问题,详细讲解了基于隧道平铺图的收敛值计算方法,具体过程如下:首先,经过点云标准圆投影并展开,再经过图像栅格化、内插及增强处理得到隧道平铺图;其次,通过图像二值化、连通域分析、自动识别及人工纠正环缝,准确划分隧道每环点云;接下来,绘制每环管片接缝在平铺图的位置,求出每环收敛定点方位;最后,通过分管片拟合,计算收敛定点坐标并推出收敛值。计算实例表明,移动激光扫描收敛值重复结果差值均在1.5 mm以内,由此可知,提出的计算方法可用于单圆盾构隧道进行高效收敛监测,且精度可靠。     

半自动机载LiDAR点云建筑物三维重建方法

针对全自动建筑物3D重建存在需要后续人工检验,且发现重建错误需要花费额外时间修改的问题,提出了一种半自动的面向对象的机载LiDAR点云建筑物3D重建方法。基于建筑物类别点云的联通分析和平面生长分割结果,提出了自动的建筑物栋数检测、单栋建筑物外轮廓提取、单栋建筑物内部结构线提取方法;同时,在计算机无法完成部分工作时,人工辅助计算机完成高程阶越线提取、识别建筑物屋顶附属物点云等工作。实验证明,该方法可以适用于高密度机载LiDAR点云数据中城区大部分建筑物的3D模型重建。     

A shape-based segmentation method for mobile laser scanning point clouds

Segmentation of mobile laser point clouds of urban scenes into objects is an important step for post-processing (e.g., interpretation) of point clouds. Point clouds of urban scenes contain numerous objects with significant size variability, complex and incomplete structures, and holes or variable point densities, raising great challenges for the segmentation of mobile laser point clouds. This paper addresses these challenges by proposing a shape-based segmentation method. The proposed method first calculates the optimal neighborhood size of each point to derive the geometric features associated with it, and then classifies the point clouds according to geometric features using support vector machines (SVMs). Second, a set of rules are defined to segment the classified point clouds, and a similarity criterion for segments is proposed to overcome over-segmentation. Finally, the segmentation output is merged based on topological connectivity into a meaningful geometrical abstraction. The proposed method has been tested on point clouds of two urban scenes obtained by different mobile laser scanners. The results show that the proposed method segments large-scale mobile laser point clouds with good accuracy and computationally effective time cost, and that it segments pole-like objects particularly well.     

面向对象的植被与建筑物重叠区域的点云分类方法

在分析LiDAR点云数据分类现状的基础上,针对植被与建筑物重叠区域分类困难的问题,提出了一种基于面向对象的点云分类方法.首先采用三角网渐进内插的滤波方法将点云分为地面点和非地面点,并得到DTM;然后对高出DTM一定高度的非地面点建立三角网,删除较长的三角网的边(地物间的边),从而将非地面点云分割成多个对象;再利用各个对象内的三角网坡度信息熵大小判断该对象属于植被或建筑物;最后对于难以区分的对象(植被与建筑物重叠区)根据建筑物几何规则形状延伸扩充,从而提高植被和建筑物重叠区的点云分类准确率.实验结果表明,该方法能够很好地区分建筑物和植被点,分类准确率达到87％.