海量散乱点云快速压缩算法

提出基于切片的海量散乱点云快速压缩方法,对点云进行分层生成切片点云,对每层切片点云使用弦高差法筛选利于表现形状的重要点,实现快速压缩。通过实验讨论参数对压缩结果的影响,并给出最佳参数值选择依据。对本方法和传统方法的压缩效果进行对比,证实本方法在实现高效压缩的同时能保留大量的特征细节。     

隧道断面截取曲面拟合优化的点云简化方法

为了提高变形监测中地铁隧道断面点截取的效率,文章提出了基于kd-tree和法向量估计的局部点云简化方法,对BaySAC算法的三维激光点云二次参数曲面拟合方法进行改进:利用kd-tree建立点云数据的空间拓扑关系,计算出每个数据点的k邻域;然后使用平面拟合方法获取法矢量;最后根据点云数据法矢量变化程度,采用法矢量自适应得到压缩后的点云数据。实验证明该方法既能较大程度地简化点云,简化结果比较均匀,又具有不破坏细小特征的特点,进一步改进了BaySAC算法的二次参数曲面拟合方法。     

基于快速成型技术的点云压缩算法研究

研究一种两次分层压缩点云数据的方法,将等高距和其允许误差设为阈值压缩数据。试验证明,通过设置适当的切片厚度,该方法数据压缩率大、算法执行效率高、特征保持较好、三维模型表面光滑,具有良好的应用价值。     

点到平面距离的点云数据压缩方法

针对三维激光扫描点云数据采集过密、冗余信息较多,现有压缩算法存在不足的问题,该文提出了基于点到平面距离的散乱点云压缩算法。将该算法与基于三角形法向量夹角和格网法两种现有算法的压缩结果进行比较,通过对比构建的空间三角网可以发现,该文算法对物体特征复杂的部位有较好的压缩效果,且在压缩率较高时,不会使较平缓的部位出现过度压缩而失真的情况。     

基于栅格划分和法向量估计的点云数据压缩

基于点云数据的栅格化和法向量估计提出一种新的点云压缩方法,数据处理由Matlab7.1编程实现。试验结果表明,使用该方法可以获得较好的压缩效果,由于该方法顾及了扫描点之间的法向量关系,所以能更好地保留点云特征,防止压缩过程中特征信息的丢失。     

改进的分层点云数据压缩算法

针对传统点云压缩算法主要对小型物件的小数据量精细点云进行压缩,在大型地物的海量数据压缩方面存在压缩时间长、效率低的不足,提出了一种改进的分层点云数据压缩算法。基于大型地物点云空间结构特点将分层压缩算法的速度优势和距离压缩算法的高效优势相结合,解决了传统压缩算法在大型地物点云压缩方面的不足,实现了海量点云的快速高效压缩。西安市大雁塔三维激光点云压缩实验结果表明:该算法可以快速地完成海量点云的压缩,较之传统压缩算法极大地缩短了压缩时间,提高压缩效率。     

机载激光点云中高压电塔自动识别方法

提出了一种基于格网特征的机载激光点云高压电塔自动识别方法。首先对机载激光点云数据进行滤波去噪处理；然后对点云数据进行规则格网化特征分析获得高压电塔粗识别区域；最后对粗识别区域进行外接邻域网格线性特征悬空点集检测以确定电塔识别结果，并以分层切片法分析获取电塔平面中心坐标。采用大型无人机实际线路巡检获取的机载点云数据对本文算法进行验证，试验结果表明本算法可实现高压电塔的快速自动识别，对无人机电力巡检智能诊断具有一定的促进作用。     

利用改进的数学形态法进行车载激光点云地面滤波

通过分析车载激光点云的特征,提出了一种基于改进的数学形态法的地面滤波方法。该算法运用三维虚拟格网组织数据,在形态法迭代过程中采用环形结构元优化滤波窗口,利用局部区域自适应坡度阈值对形态法开运算进行控制。在获得初始低点后,基于邻域坡度滤波提取地面点。利用两个不同区域的点云数据进行了实验,以验证改进算法的有效性。     

基于LiDAR点云数据的城市三维绿量分层测算方法研究

三维绿量已成为测度城市绿化水平的重要指标。为有效实现其在城市范围内的应用,文中基于LiDAR点云数据与高分辨率遥感影像数据,将"分隔带"法与边缘特征点提取算法相结合,提出一种分层三维绿量测算方法。首先,对LiDAR点云数据与遥感影像数据预处理,包括拼接、匹配、点云去噪及压缩等,提取城市绿化区点云数据;然后,通过"分隔带"法识别不同类别植被分布区,将植被在林层尺度下分割;其次,采用冠体边缘特征点提取算法,快速构建冠体外廓;最后,应用不规则三角网TIN,对绿化植被分层建模并计算。为验证文中测算结果,选取15个随机点建立样方进行实测,经检验表明所得精度较高,能够满足城市范围内三维绿量测算的需求。     

基于SSW点云数据的矢量地图平面精度自动校验方法

常规的矢量地图精度校验采用抽样与实地测量，外业工作量大，自动化程度低。针对这一问题，本文提出基于SSW激光点云数据的矢量地图平面精度自动校验方法。首先，使用车载激光扫描器获得道路两侧高精度点云数据，并对点云数据进行滤波、坐标转换和精度检验；其次，基于多特征识别算法，使用SWDY软件提取点云特征点线；最后，利用最近邻法搜索待检矢量图中的同类地物特征点线，并计算匹配点线对的中误差。以兴化城区为试验区，采用该方法检测该地区1：1000比例尺的矢量地图平面精度，试验结果显示，成功匹配了点云数据205个地物特征中的201个，矢量地图的总体中误差为0.26 m，且能够发现待检测矢量地图中的采集丢漏与明显错误。本文方法可以减少现有检测方法的野外实测工作量，增加检测样本数量，降低检测过程中的人为干扰因素，有效提升检测的可靠性与检测效率。     

一种分层压缩的高精度矢量地图加密方法

传统的矢量数据加密算法主要是直接对数据加密,忽略了矢量数据的结构与冗余。针对此类问题,提出利用分层压缩的矢量数据加密方法。首先,结合矢量数据结构特点,使用最小编码单元对线目标和面目标进行SEC压缩;其次,通过随机置乱MCOs的平均点距离对矢量数据位置加密;最后,使用XOR操作对MCOs顶点方向进行循环加密,达到加密矢量数据几何形状的目的。实验结果表明,该方法明显降低了加密过程计算量,与普通加密算法相比,在保证矢量数据精度和安全性的情况下,提高矢量数据加密效率。     

三维激光扫描数据的单木树冠体积精确计算

针对现存单木树冠体积计算方法不能剔除树冠外部较大空隙以及树冠边界提取粗糙的问题,该文在对生长算法改进的基础上,提出了基于过滤三角网的树冠边界精确提取算法,确定了树冠最优分层间距与过滤阈值,实现了树冠体积的准确计算。该方法在对扫描的单木树冠点云数据进行拼接和过滤后,进行等间隔分层处理获取其切片点云,然后采用过滤三角网算法生成符合树冠实际情况的边界,再通过计算的切片面积获取各层点云间的体积,最终累加各层点云体积得到树冠体积的精确值。对校内树冠三维激光扫描实测数据进行计算与分析,结果表明过滤三角网算法提取的树冠边界能顾及树冠外部存在的空隙现象,进而得到准确的树冠体积值;此外,过滤三角网算法对树冠点云数据的密度要求远低于体元法,具有较高的算法稳定性。     

一种基于点法矢的三维非均匀栅格压缩算法

提出一种适用于散乱点云的基于点云法矢量的三维非均匀栅格压缩算法,通过求取k邻近构造出点云的法矢量以反映曲面形状信息,并构造八叉树数据结构对栅格进行细分,通过比较分析,该方法取得了较好的压缩效果。     

顾及曲线走向及局部面积特征的矢量数据压缩算法

目前,矢量数据压缩算法存在曲线压缩精度与压缩效率不能共存的问题,基于此,本文以带有径向约束的Douglas-Peucker算法为基础,提出一种顾及曲线走向和局部面积特征的矢量数据压缩算法。该算法首先通过带有径向约束的Douglas-Peucker算法提取曲线的特征点;然后,提取各个局部曲线段形态特征点以判断局部曲线段走向特征;最后,根据曲线段走向对预先提取的各个特征点的位置进行局部微调,完成矢量数据的压缩。该算法创新在于通过局部微调特征点位置的方式使压缩后曲线较好地反映了原曲线的局部走向,并且减小了曲线局部面积偏差。实验表明所提算法在保证压缩效率的同时能够有效降低局部位移偏差和面积偏差,使压缩后曲线较好的反映原曲线形态特征。     

基于多维云空间的多光谱遥感影像边缘检测研究

在云模型的基础之上,提出一种基于多维云空间的遥感影像边缘检测算法。该方法依据矢量角相似性准则并结合邻域关系进行图像区域生长,在此基础之上根据影像不同波段的数据特征建立多维云空间映射模型,将数据从图像空间映射到云空间。通过多维云的逻辑运算生成边界云并进行向量综合。利用云的数字特征反推隶属度,构建边缘模糊特征平面,并通过最大模糊熵原则确定最优阈值,对图像模糊边界进行提取。试验结果表明,该算法在多光谱遥感影像中能取得较好检测效果。     

八叉树索引的三维点云数据压缩算法

针对现有的三维点云简化算法普遍存在运行效率较低、内存消耗大、处理时间过长等问题,该文利用八叉树索引的速度优势和点云数据空间分割的逻辑结构,并结合三维点云网格简化算法高效的优势,提出一种基于八叉树索引的三维点云简化算法。该算法基本满足点云简化的理想标准,计算快速、运行时间短。利用实测大雁塔数据对各种三维点云压缩算法进行比较,结果表明该文提出的新算法对点云数据的压缩简化效率和压缩率较现有算法均有较大提高。     

基于KD树的点云数据自适应屏幕精度高效显示方法北大核心CSCD

海量激光点云数据的快速显示是目前一个技术瓶颈。本文提出一种基于KD树的点云数据自适应屏幕精度的高效显示方法,采用类似LOD的技术将点云进行KD树的组织,并在KD树节点上引入屏幕精度的概念,在点云数据显示时,计算KD树节点在屏幕上的投影范围,进而决定其是否显示点云细节。试验证明,该算法在显示大规模点云数据时,由于通过KD树自适应屏幕精度调度点云数据使绘制点的数据量大大减少,从而大大加快了点云的显示速度。     

管线设计的断面数据处理方法

把空间矢量数据的压缩方法道格拉斯-普克法引入到断面数据的抽稀处理中,并对算法进行改进。首先按照一定算法进行整条断面线的粗滤处理,找出地形特征点、平面转折点、地物点等作为关键点,然后依据关键点对断面线进行分段,在段内使用道格拉斯-普克法进行细滤。通过实验能有效地抽稀断面点。     

运用特征点的矢量空间数据盲水印算法

针对矢量空间数据水印攻击的特点,该文提出了基于特征点的矢量空间数据盲水印算法。在水印嵌入前,应用道格拉斯-普克方法,提取矢量数据特征点;对特征点进行离散傅里叶变换,将水印通过量化的方法嵌入离散傅里叶变换后的幅度系数和相位系数中;水印被多次嵌入,实现了水印的盲提取。试验结果表明,该方法引起的空间数据误差很小,同时对旋转、平移、要素排序、数据格式转换、裁剪、压缩、增删点等攻击具有较好的鲁棒性。     

多标记点过程的Lidar点云数据建筑物和树冠提取

将机载激光扫描点云数据转换成点云特征影像,提出基于多标记点过程的建筑物和树冠目标几何对象的自动提取方法.首先根据目标的几何特征建立吉布斯自由能变模型,通过目标的一致性建立该模型的数据项,通过目标的拓扑性质等空间特性建立该模型的先验项.然后利用可逆跳转马尔可夫蒙特卡洛(RJMCMC)算法进行采样,并采用模拟退火算法进行优化求解,实现建筑物目标和树冠目标几何对象的多目标自动提取.试验结果表明该方法能够从机栽激光扫描数据中有效地提取建筑物和树冠,具有较强的稳健型.