基于区域生长法激光扫描数据平面特征提取

激光扫描测量技术在三维城市建模领域的应用具有良好的发展发展前景。本文中的方法可以更好的应用于激光扫描仪点云数据中的关键地物提取。本文首先对三维激光扫描仪的测距原理进行了介绍,分析了三维激光扫描仪点云数据中的平面表示方式,结合区域生长算法对激光扫描仪点云数据进行分割,从而提取出平面特征,最后对该方法进行了试验和分析。     

一种高压输电走廊机载激光点云分类方法

针对输电线路现有点云分类方法存在的分类效率较低及精度不高等问题,该文从高压输电走廊的地物分布特点出发,提出一种基于JointBoost的高压输电走廊点云分类方法。该方法将三维点云转换为二维影像并基于Hough变换在影像上检测输电走廊候选区域;对候选区域每个点定义并计算多尺度局部特征向量,包括高程特征、连通特征、张量特征和平面特征;根据多尺度局部特征用JointBoost分类器将待分类点云分为地面、植被、电力线和电力塔4类。实验数据表明,该方法能有效地减少高压输电走廊的点云处理数量,提高分类效率,且选取的多尺度特征能有效地表达输电走廊内地物的分布特点,具有较高的分类精度。     

共面约束的机载LiDAR IMU安置角误差自动检校方法

针对机载LiDAR数据处理中IMU安置角误差检校问题,该文提出一种基于共面约束的自动检校方法。从激光点云中自动提取尖顶房屋顶平面,并建立连接平面关系,基于激光脚点坐标计算公式和共面约束条件,通过平差解算得到IMU安置角误差参数。以Riegl Q780获取的数据进行实验,该方法检校结果与RiProcess软件提供的检校参数非常接近。经过误差改正后,相邻航线获取的点云可以很好地重合在一起。相对于人工选择特征地物进行IMU安置角误差检校,该方法可以大大提高检校的效率和可靠性。     

基于DLG的LiDAR点云自动配准及精度分析

针对LiDAR数据平面精度达不到大比例尺传统测绘要求的问题,提出一种基于DLG的LiDAR点云自动配准方法。通过提取点云地物边界曲线与DLG数据曲线进行匹配,得到校正向量,实现机载LiDAR点云的全地形自动配准。本方法引入傅里叶描述子用于描述曲线特征,克服了常规方法中只提取直线特征的局限。通过对配准结果的精度统计和分析表明,能够达到较高的配准精度。     

基于共面条件的点云配准旋转角参数求解方法

针对目前LiDAR获取的点云数据配准中ICP算法迭代计算效率较低和使用标靶配准时精扫标靶费时费力等问题,提出利用扫描地物所包含的平面特征及点云数据的离散特性,通过拟合平面得到平面的单位法向量进行旋转角的求解.由于点云数据中含有误差,使用拟合平面的法向量不仅避免了对标靶的精细扫描,而且也消弱了点云误差对转换参数的影响.最后通过实例验证了本文方法的可行性与严密性.     

多光谱激光点云卷积神经网络的地物分类研究

针对商用激光传感器Optech LiDAR Titan系统获取的多光谱激光点云数据进行地物分类试验的探索,该文提出一种基于卷积神经网络(CNN)模型的多光谱激光LiDAR点云数据地物分类方法.新数据源多光谱激光点云具有多通道和多次散射回波的典型特性,生成感兴趣的热力图,根据热力图特征值和nDSM辅助数据进行感兴趣地物分类.采用CNN模型学习结果与面向对象影像分析OBIA分类方法相结合对分类结果进行精化,并用随机采样参考点对地物分类结果进行精度评估,解决CNN模型分类的正确性和可靠性问题.实验表明,地物分类整体精度OA达到89.8％,Kappa值0.858,该方法在多光谱激光点云地物分类方面具有稳健性、有效性和通用性.     

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。     

利用车载LiDAR点云数据提取城市道路规则多边形

随着自动驾驶高精地图的发展，准确高效地提取道路规则多边形成为必要。本文以苏州市某城市快速路为研究对象，通过使用徕卡车载激光移动测量系统获得城市道路点云数据，观察了解车载点云数据各类属性信息，根据观察结果组合利用点云数据高差、点云灰度差值、点云强度差值，在此基础上再利用网格密度法实现道路规则多边形的提取，然后通过对目标的矢量化得到三维矢量规则多边形。最后对提取的矢量化结果进行精度评定。试验结果表明：该方法在提取道路规则多边形方面能得到较好的结果且能满足高精地图需求。     

车载激光扫描数据的地物分类方法

车载激光扫描技术可以快速获取地物表面的高精度三维信息,作为一种新的数据获取手段,已逐渐应用于地理信息系统产业中。将激光扫描数据分类是对地物进行特征提取以及建模的前提与关键。现今,针对车载激光扫描数据的分类方法还不成熟。根据城市各典型地物空间特征(激光点云在三维空间的高程、与邻近点的斜率,以及其在二维投影平面上的分布、密集程度等),本文提出一种主要适用于城市激光扫描数据的地物分类方法。首先,综合考虑车载激光数据的采集特点、车行GPS轨迹以及扫描数据中同一扫描线上相邻激光点之间的斜率关系,提取出路面。其次,对于非路面的激光点云数据,先使用基于格网化与区域分割相结合的方法进行实体划分,再通过计算地物空间形状特征的几项统计指标(外包围盒、实体高度等),对实体进行分类。最后,以海南三亚市某街道为研究区验证该方法的有效性。实验结果表明,使用该方法能成功地分出研究区的路面、建筑物、树木和路灯四类地物,并进一步在同类地物间分出不同实体。     

融合自适应最优邻域和卷积神经网络的三维点云分类

针对点云分类中提取单个点自身特征所需的邻域尺寸选择,以及低层次特征设计烦琐且表达地物属性能力较弱等问题,本文提出了一种自适应选择单点最优邻域尺寸及学习泛化能力更强的深层次特征的三维点云分类方法。首先基于自适应最优邻域尺寸选择获得每个点的最优局部邻域信息,继而基于局部邻域信息提取点云低层次特征;然后设计一种以待分类点低层次特征为输入的卷积神经网络模型,学习能反映目标地物内在属性的深层次特征并实现分类;最后采用拓普康公司三维点云数据集进行试验,该数据集通过一个配备TOPCON GLS-2200三维激光扫描仪的移动平台获得。试验结果表明,本文方法分类的总体精度达90.48%,优于文中其他点云分类方法。     

背负式移动激光扫描系统测绘大比例尺地形图精度试验研究

将背负式移动激光扫描系统应用在测绘大比例尺地形图中，其扫描精度至关重要。本文利用徕卡Pegasus Backpack对苏州工业园园区测绘地理信息大楼进行扫描，采用Inertial Explorer、Infinity、AoTumatic Processing对点云数据进行预处理，运用RealWorks提取特征点，将特征点在MicroStation V8联图中绘制成1：500地形图。通过与传统方法绘制的1：500地形图相叠合，发现两幅地形图具有很好重合度。对地物检测点精度分析后，得到点位中误差为0.026 m，高程中误差为0.041 m。研究结果表明徕卡Pegasus Backpack满足1：500地形图测量精度要求。     

一种基于全站扫描的特征点自约束点云变形分析方法

为了对大坝、高层建筑、滑坡区、采空区等危险变形体进行变形观测，针对智能全站仪、GNSS测量、三维激光扫描等变形监测技术无法很好地实现变形特征点和点云的综合变形分析问题，提出了基于全站扫描特征点自约束点云变形分析方法，获取变形体的离散特征点和整体点云变形数据，利用特征点形变矢量求取点云至模型的形变量，从而刻画变形体的整体形变信息。试验结果表明，利用本文所提出的方法能够成功计算出点云至模型的形变量，经统计分析，所有点的形变量真误差的期望值为-0.04 mm，结果精度为1.2 mm。试验结果能够反映变形体的整体形变信息，且具有较高精度。     

基于IGS站组网的移动激光雷达测量系统整体检校

针对车载移动测量系统中激光扫描仪和载体坐标系之间存在的位置和姿态偏差，在结合常规特征点、特征面检校方法基础上，本文提出了一种带有误差改正数的位置和姿态检校方法。利用TLS获取的车载系统整体点云模型和传感器固有几何属性，获取传感器之间相对关系初值，在此基础上引入误差改正数，构建误差改正模型。在与IGS站联测的检校场中借助平面、球形标靶和平面反射标志等特征，采用最小二乘法迭代法计算误差改正数最优解，从而实现传感器快速检校。试验结果表明，该方法切实可行，检校后点云平面绝对精度和高程绝对精度分别为0.043、0.072 m，相对精度为0.018 m，满足移动测量系统数据获取的精度要求，对促进车载移动测量技术发展和应用具有重要意义。     

机载LIDAR点云数据的处理及检校

利用机载LiDAR技术获取较大范围地面三维信息比传统测量方法具有高精度、高密度、速度快、成本低的优点,已成为国土资源管理领域一个重要支撑技术。在实际应用中,激光点云数据处理及其检校是生产的关键环节,直接影响成果质量和作业效率。该论述结合测制我国西部某测区带状4D成果的应用实例,综合分析了原始激光点云数据的获取、标准激光点云数据的制作及其分层分类处理等关键过程和需要注意的问题,详细论述了标准激光点云数据的检校及其检校精度检测的方法步骤,分析评估了检校精度对激光点云平面和高程精度的影响,可为同类工程提供借鉴。     

基于车载激光点云的高精地图矢量化成图

针对车载激光点云中对各特征物提取结果后矢量化成图时的自动化问题,本文基于双方向积分法实现了边缘检测及矢量化成图,旨在保证特征物基本特征的同时,也保证点云的绝对精度。将输入的特征点云进行离群点过滤,以保证外包框算法特征点云的准确度;将三维点云按照外包框算法投影至最优平面,为后续沿各方向积分提供输入;利用八邻域KD-tree算法求出样本特征点云的均值邻域半径,依据邻域半径对各方向积分提供积分域中的微分元;根据提供的微分元沿各方向进行积分,在该积分元内找到距平面最值的最优解;按照积分结果构建点云索引,并根据点云特征构建模型,最终得到高精地图的矢量化点云。试验证明了该方法在处理实际问题时的可行性。     

基于移动最小二乘法法矢估计的建筑物点云特征提取

特征提取对建筑物精细建模的品质和精度起着重要作用。为清晰准确地提取建筑物的特征信息,本文针对采用传统的法矢估计方法受噪声影响大、存在误判的问题,提出了一种基于移动最小二乘法矢估计的建筑物点云特征提取方法。该方法首先采用移动最小二乘法进行法矢估计,然后将K邻域法矢夹角的均值作为点的显著性指标进行特征点判别,最后对提取出的特征点集进行下采样,进一步消除冗余信息。试验结果表明,采用移动最小二乘法进行点云法矢估计,其结果更加准确和稳健,从而有效提升了建筑物点云特征提取的精确性和可靠性,对特征点集的下采样能够删除大量冗余特征点,使提取的特征线更加简洁、清晰、完整。     

利用车载LiDAR点云数据提取城市道路边界

随着高精地图产业的兴起,精确提取道路边界点云数据成为研究的重点。本文首先将车载LiDAR扫描系统获取的城市道路数据根据采集轨迹进行分段,对每一段路段点云进行滤波处理;然后通过分析点云的高程与平面信息,采用点云分割算法分离路面与非路面点云,再对处理后的路面点云进行投影;最后运用边界特征估计提取算法获取道路边界点云。通过对两种典型路段进行试验分析表明,该方法用于提取城市道路边界点云效果较好,精确性与稳健性高,对今后道路边界线的提取起到借鉴作用。     

对偶四元数法在稳健点云配准中的应用

针对点云特征点含有粗差的问题，提出了基于对偶四元数的稳健点云配准方法。遵循加权最小二乘原则构建了基于对偶四元数的稳健点云配准模型，运用拉格朗日乘数法推导了旋转矩阵和平移向量求解公式，研究了新权计算与坐标转换迭代步骤。实例证明，该方法能够有效识别并剔除粗差，提高点云配准精度。     

热红外与可见光数据的云边缘高度匹配

高分辨率数据中云高度的差异性突显,特别是边缘处高度在云阴影识别和地表辐射估算等方面成为需要考虑的重要因素。热红外数据获取云高度分辨率较低、缺乏细部差异性特征,为解决这一问题,首先将对应的热红外和可见光数据进行特征点配准,再将基于热红外数据计算的云高度重采样至高分辨率,然后以基于欧式距离变换的围线搜索方法及距离加权将热红外云边缘高度匹配至对应的可见光图像,最后根据云阴影的相似度匹配方法确定真实云高度。结果表明,算法在遵循热红外云高信息分布变化规律的同时,可以得到较准确的高分辨率云边缘高度,一定程度上解决了热红外技术获取云高在分辨率上的局限,扩展了其在云高反演方面的作用。     

一种基于ISS-SHOT特征的点云配准算法

针对点云配准过程中易产生错误对应点、收敛速度慢、配准时间长等问题，提出了一种基于内部形态描述子（ISS）及方向直方图描述子（SHOT）特征的点云配准算法。运用体素格网法下采样后，采用ISS算法提取特征点，并用SHOT对特征点进行描述，利用余弦相似度匹配对应点对，再采用RANSAC算法剔除错误对应点对，使得两片点云获得良好的初始位姿，最后采用点到平面的ICP算法进行精确配准。试验结果表明，与传统ICP算法及基于ISS的SAC-IA+ICP算法相比，本文算法配准精度及配准效率更高，对数据量大、重叠率较低点云具有很好的稳健性。