一种可见光影像稠密匹配点云的单栋建筑物提取方法

建筑物点云提取是城市快速三维建模的基础。针对城区中建筑物和树木空间距离较近导致建筑物点云误提取的问题,提出一种颜色约束的欧式聚类算法。该方法利用低空拍摄可见光影像进行三维重建、获取点云数据,在建立点云K邻域索引和表面估计的基础上,以曲率最小的点作为欧式聚类的种子点,将点云的RGB值转换成Lab颜色模型,对建筑物点云的聚类提取进行约束。实验表明,该方法可以有效地解决可见光影像匹配点云中建筑物提取时将树木误提取的问题。     

利用偏度平衡自动提取机载LiDAR点云城区道路

针对机载LiDAR点云提取城区道路自动化程度低以及提取道路网不完整的问题,提出一种基于偏度平衡算法自动提取城区道路的方法。首先,计算末次回波点云中邻近点的坡度,依据城市道路设计标准选择坡度阈值,分离非地面点并获得初始道路点云;然后,利用偏度平衡算法计算出最优强度阈值,滤除非道路点,再结合道路与停车场的空间位置关系,通过点距精化初始道路点云;最后,对道路区域进行细化和平滑,得到道路中心线。通过定量分析及对比实验,该方法能够自动地从LiDAR点云中提取出较为完整的道路网。     

一种基于空间网格的地物要素点云提取方法

LiDAR点云的分类提取是点云数据处理中的首要步骤。为了提高复杂场景中点云数据分类提取方法的适用性,文中根据三维数学形态学思想,提出一种基于地物空间形状特征的点云提取方法。方法首先建立网格索引,划分网格空间,进行点云数据组织,然后根据地物在网格空间中的形状特征设计出四种参数可控的空间网格算子,最后结合点云反射强度信息自动提取特定地物点云。通过对复杂场景中的铁路地物要素LiDAR点云中建筑、电力杆线、铁路轨道的提取和郊区机载LiDAR点云中的地面与建筑屋顶的提取,验证提取算法的适用性,为点云分类提取功能模块的程序设计提供便捷方法。     

利用机载LiDAR点云数据提取城区道路

提出一种从机载LiDAR点云中提取城区道路的方法。首先,利用机载LiDAR点云的高程和强度属性,对末次回波点云进行去噪、滤波和分类后获取初始道路点云;然后使用基于边长和面积阈值的约束Delaunay不规则三角网方法精化初始道路点云;最后采用α-Shapes方法从精化后的道路点集中提取道路轮廓,并用数学形态学细化方法提取道路中心线。试验结果表明,该方法提取的城区道路正确率和完整性较高。     

基于区域多次回波点密度分析的城区LiDAR建筑物提取

以正确提取城区Li DAR点云中建筑物为目标,综合利用不同类别目标点云的回波特征以及地形信息,提出了一种基于区域多次回波密度分析的Li DAR点云建筑物提取方法。首先,将点云构建不规则三角网(triangulated irregular network,TIN),获取封闭的等高线;然后,利用等高线间的拓扑关系得到等高线族区域;最后,统计每一区域的多次回波点云密度信息,通过建筑物和树木区域多次回波点云在区域密度上的巨大差异来识别建筑物点云和树木点云。研究结果表明:该方法既充分利用了建筑物表面与植被间多次回波特性的差异,又不否定建筑物边缘同样存在多次回波的现象;通过封闭的等高线自适应地检测出地物目标的轮廓,弥补了传统Li DAR建筑物提取方法的不足;该方法能够较其他方法更准确地提取建筑物。     

基于机载LiDAR数据的建筑物轮廓提取

建筑物轮廓作为建筑物三维重建的重要元素,在建立智慧城市和数字城市中至关重要。本文针对从机载激光雷达点云中提取建筑物轮廓数据处理的点云滤波、建筑物屋顶面提取、建筑物轮廓提取,以及提取精度评定各环节存在的一些问题,提出了一种综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法。该方法在对机载LiDAR点云数据去噪的基础上,首先利用改进的区域生长算法滤波地面点,并基于地物点到地面的归一化高程特征通过高度阈值去除高度较为低矮的地物点;再基于三维Hough变换算法从剩余建筑物和高大树木点云中提取建筑物平面;最后使用α-shape算法提取建筑物的轮廓信息。对使用RIEGLVQ-1560i机载激光雷达测量系统扫描的某城区点云数据进行计算,通过匹配度、形状相似度和位置精度等评价指标对提取的建筑物轮廓进行精度评定。结果表明,综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法可以准确提取建筑物的轮廓信息,对于大范围的建筑物轮廓提取具有稳定性和普遍适用性。     

树木三维点云的枝叶分割方法

利用地面三维激光扫描点云构建树木模型时,对树木点云进行枝叶分割,可以提高单木分割、骨架提取、模型构建等步骤的准确性.针对现有枝叶分割方法参数设置复杂、需要训练样本、依赖颜色强度等不足,提出了一种新的基于邻域点分布规律的枝叶分割方法.该方法遍历树木点云中的激光点,首先利用K纬树算法搜索激光点的所有R邻域点,构成邻域点集;...     

基于水平截面法的树木点云精细分割研究

本文提出了水平截面法精细分割树木点云的方法。首先根据点云数据在XOY平面内建立二维格网,求取每个格网内点云数据高度的均值,根据格网内点云数据的高度阈值滤除地面点云和低矮地物点云数据;其次对滤除地面和低矮地物的点云运用八邻域算法提取树木点云,运用水平截面法对树木分层处理,求取每一层树木点云的轮廓线;再次将轮廓线连成多边形,求取多边形的最小外接圆的圆心,运用最小二乘直线拟合算法对各层圆心进行直线拟合,根据拟合直线与地面的交点,可以求取树木的精确位置;最后根据距离最近的原理,对树木进行了精细分割。实验表明:本文研究的方法可以较好的实现树木点云的提取,避免了传统方法设置参数过多的弊端。     

基于机载LiDAR点云数据的城区道路提取

对于利用机载LiDAR点云数据提取城区道路提出一种新的思路。首先利用机载LiDAR点云数据的高程和强度属性对城区道路进行初始提取,获得初始道路点云;其次采用距离分割法和基于RANSAC算法的分割方法精化初始道路点云,有效剔除停车场等与道路相似的区域;最后采用数学形态学细化方法提取道路中心线。实验结果表明,该方法可以较正确和完整地提取城区道路。     

基于机载LiDAR点云数据的城区道路提取

针对利用机载LiDAR点云数据提取城区道路问题,本文提出一种新的思路。首先利用机载LiDAR点云数据的高程和强度属性对城区道路进行初始提取,获得初始道路点云;然后采用距离分割法和基于RANSAC算法的分割方法精化初始道路点云,有效剔除停车场等与道路相似的区域;最后采用数学形态学细化方法提取道路中心线。实验结果表明,该方法可以较完整地提取城区道路。     

基于法向量密度聚类的LiDAR点云屋顶面提取

针对现有算法从LiDAR点云中提取复杂建筑物屋顶面不完整、阈值难以设置的问题,提出一种结合点云空间分布的法向量密度聚类提取屋顶面点云方法。通过构建Delaunay三角网,计算建筑物LiDAR点云的法向量;在分析建筑物点云空间和法向量分布特点的基础上,定义一种邻域关系度量屋顶面点云之间的相似性,并利用提出的算法聚类建筑物点云,得到屋顶面片点云粗提取结果;通过构建屋顶面片缓冲区,经面片处理得到建筑物各屋顶面的完整点云。选取不同复杂程度的建筑物进行实验,结果表明,算法能有效提取复杂建筑物屋顶面点云,具有较好的适应性,并能为建筑物三维重建提供可靠的屋顶面信息。     

基于水平截面法的树木点云提取方法

本文提出了一种基于水平截面法的树木点云提取方法。首先联合三维格网和二维格网滤除地面和低矮地物的点云数据。其次运用水平截面法截取距地面一定高度的树干,将其投影到二维平面,利用八邻域算法进行聚类,根据聚类后的每一类树干点云数据,运用AlphaShape算法求取各个树干的轮廓线,将轮廓线的点连成多边形求取最小外接圆圆心即是该树的位置。最后利用树木的位置坐标和平面两点间的距离公式,依据最近距离原则遍历滤波后的点云,完成树木的分割。实验表明该方法可以较好地实现树木的提取,避免了传统树木提取方法中过度依靠经验值并且设置参数过多的弊端。     

车载激光点云领域比较的道路边线提取方法

对车载激光扫描获取的高速公路信息进行研究,提出直接利用三维激光点云数据的平面和高程信息,通过点云与其邻域比较进行道路边线提取的方法。该方法提取不需要其他辅助数据,能直接从点云中自动提取出道路边线信息,对点云数据自动提取具有一定借鉴意义。     

基于车载点云数据的树木提取与分析

本文基于高速公路高精度点云数据,首先通过点云数据的分类处理实现对树木点云数据的提取,将树木点云投影到水平面,采用DBSCAN密度聚类算法实现单根树木的提取;然后在数据密集区域存在树木树冠点云重叠的区域,本文结合树干几何特征提取树干的位置信息,计算所有点云到树干中心的欧氏距离,将所有点云归类到最近的树干进行粗分割;最后根据粗分割的树木轮廓特征确定树冠模型与树冠中心,提出了采用基于密度特征的格网竞争算法对重叠的区域进行精细分割。试验表明,本文采用的树木分割方法能够实现单棵树木精确提取。     

基于LightGBM的车载激光点云电力线快速提取方法

以车载激光点云数据为对象,提出一种基于轻型梯度增强学习器LightGBM(Light Gradient Boosting Machine)的电力线快速提取方法。该方法首先分析车载激光点云邻域范围内电力线和其他地物类型的基本特征,构建描述电力线点云的特征向量;其次训练基于LightGBM模型的电力线点云分类器,用于提取车载激光点云中的电力线;最后选择3个车载激光点云数据集对该方法的有效性进行了测试。实验结果表明:所提方法的分类效果与最优的梯度提升决策树GBDT(Gradient Boosting Decision Tree)算法持平,但时间效率上有显著提升,仅为GBDT方法的27.29%。同时,所提出的算法能够从海量的车载激光点云中快速提取电力线,可以用于支撑城市中电力线巡查与改造应用需求,具有重要的实践意义。     

基于车载三维激光扫描的道路线提取研究

近年来,随着空间信息获取技术的发展,激光扫描技术在城市三维数据采集中应用越来越广泛,本文以车载激光扫描点云数据为研究对象,利用点云数据空间分布特征和反射强度信息,结合道路标线的几何特征,提出一种快速有效地从离散点云中提取道路标识线的方法。该方法首先利用车载激光点云数据中的高程信息和反射强度信息对原始点云进行滤波。然后将分割后的点云数据投影到二维平面中,利用反射强度信息和点云空间分布信息生成点云强度特征图像,利用标线规则的几何形状,对连通区域进行道路标识线的提取。最后,基于道路标识线的语义信息,利用Hough变换对检测到的标识线进行分类和连接,从而提取完整、准确的三维道路标识线点云数据。通过居民区和高速公路扫描数据处理案例,实现了高速公路虚实标识线和干扰因素较多的居民区界线的自动提取,验证了上述道路标识线提取方法的可靠性,应用效果较好。     

城区LiDAR点云数据的树木提取

机载激光扫描(LiDAR)可以快速获取地球数字表面模型.提出一种适合复杂城市环境的机载激光扫描数据提取树木的算法:首先对DDAR数据滤波生成DTM,提取地物点;然后对地物点进行区域增长运算,使用面积阚值滤出大的区域;再计算出LiDAR数据点的梯度值,根据梯度阈值分离出树木点;最后结合梯度阈值分割和区域增长分割的结果实现树木点的最终提取.实验结果表明,使用新算法在城区环境中能从LiDAR数据中较好地提取出树木,城区树木提取率达到85.4%,提取正确率为86.1%.     

基于空间曲线重建的点云模型精化方法

提出一种将数字影像和激光点云结合进行文物精细三维重建的方法。该方法采用形态学理论在多张影像上精确提取文物轮廓,进行多视曲线匹配,并拟合成空间曲线。影像与激光点云配准后,将重建出的空间轮廓线加入激光点云中,进行轮廓约束的三角网构建,纹理映射后完成重建。该方法解决了激光点云模型边缘轮廓线缺失的问题,能够快速地重建出完整精细的三维模型。     

一种基于机载LiDAR点云电力线自动提取方法

针对电力巡线需求,提出一种基于机载LiDAR点云数据的电力线自动提取方法。首先采用高程滤波方法去除地面点及低矮地物点,采用顾及邻域尺度的自适应半径主成分分析法确定各点维度特性,利用维度特性从滤波后的点云中粗提取电力线点;然后根据电力线点空间分布特征,引入密度聚类算法实现单根电力线点精确提取;最后采用抛物线模型在三维空间中重构每根电力线。选取两组典型代表性的实测数据进行实验,结果表明:该方法能够从电力线走廊机载激光点云中快速提取出完整的单根电力线点,具有抗噪性强和提取精度高的特点,单根电力线提取误差率在0.06%以下,电力线提取结果能够直接应用于三维模型重建中。     

融合LiDAR和多光谱影像的建筑物自动检测

针对已有的从机载激光雷达(LiDAR)点云提取建筑物的方法多需要设置阈值及分类规则,造成算法适应性不强的问题,该文提出了一种LiDAR点云和多光谱影像进行自动化建筑物检测的方法。首先通过数据预处理从LiDAR点云中分离出建筑物点和树木点,然后综合LiDAR点云的表面曲率、强度信息和对应多光谱影像的NDVI值构建特征向量,最后基于支持向量机完成自动化的建筑物检测。试验结果表明,基于支持向量机的方法可将两种数据源有效结合起来用于自动化的建筑物检测。