利用Delaunay细分进行噪声点云曲面重建

针对噪声点云曲面重建,提出了一种基于Delaunay细分的曲面重建算法。首先以点云法向为约束,采用抗差估计的方法拟合球面近似局部曲面;然后利用沿坐标轴的包围盒树结构（axis aligned bounding boxes tree,AABB-tree）快速搜索与线段相交的曲面包围球,以各包围球球心为初值、半径为可信区间,并行化迭代计算出线段与球面的首个交点,该交点可近似为线段与曲面交点;最后不断地插入交点进行Delaunay细分,从而网格化曲面。实验结果表明,当点云噪声较大时,该方法可以快速、稳健地重建出高质量曲面,且曲面重建精度较高。     

基于切片点云中心的形变监测

针对建筑物特征表面的特性,提出基于横断面的切片点云中心的变形监测方法,利用建筑物的某个侧面点云作为约束面,建立约束面和用于提取切片基准面之间的关系,根据基准面与特征表面点云法向量之间的关系模型,确定最佳基准面搜索方法。利用得到的基准面逐层地确定切片点云,对每个切片点云进行分区段重心的求取,通过计算整个区段重心的中心获取切片的重心。利用无变形的建筑物对点云精度进行评价,并将其用于指导隧道的变形监测。通过对比不同期切片重心的变化实现隧道的变形分析。     

基于RANSAC算法的地铁隧道点云数据滤波

三维激光扫描技术能够快速、有效地获取隧道点云数据,可用于提取地铁隧道的形变信息,但隧道点云数据中包含着噪声点、离群点,需要滤波去除,目前已有滤波算法不适用于隧道环境。文中采用统计特征去除部分噪声点,利用区域增长方法初步提取隧道壁部分点云作为RANSAC算法种子点,进一步利用RANSAC算法拟合数学模型提取隧道壁全部点云数据,并利用RANSAC点云拟合模型对隧道盾构体施工精度进行评估。实验结果表明了方法的有效性。     

结合无人机载LiDAR点云法向量的K-means++聚类精简

点云精简可有效降低无人机载Li DAR数据量,对后期点云存储和快速处理具有重要意义。采用K-means++方法对点云法向量进行聚类,以实现点云精简。首先,利用回波次数去除多次回波点云,在使用零-均值标准化方法对点云属性归一化后,利用KD树(K-dimension tree)建立点云索引构建点云K邻域;然后,采用主成分分析法估算点云法向量,借助肘方法确定最佳聚类数目;最终,通过K-means++聚类方法实现点云精简。将精简结果生成Delaunay三角网并转换为栅格数据,通过相关系数验证方法的有效性。结果表明:针对研究区69 544个点云数据,该方法可去除多次回波点云7 722个;对点云法向量进行聚类数目为8的K-means++聚类,对应的精简率为分别为81. 389%,81. 833%和85. 369%时效果较优;精简后生成Delaunay三角网的时间远低于精简前,且当按81. 833%进行精简处理时,相关系数最高,为0. 890。该方法可为点云精简提供参考。     

基于豪斯霍尔德变换的三维空间柱面拟合

针对点云三维建模中一般空间任意姿态的柱面拟合问题,提出通过豪斯霍尔德变换直接求得测量坐标系和柱面坐标系的旋转矩阵.详细介绍了先由点云法向量计算得到轴向向量,通过豪斯霍尔德变换再进行投影,达到降维处理,再拟合平面多项式曲线,最后扩展到三维空间以达到拟合一般曲面的目的.通过实例计算与分析论证该方法拟合的曲面精度可靠且有效可...     

自适应最优邻域尺寸选择的点云法向量估计方法

为了削弱邻域尺寸选择对基于主成分分析(PCA)的点云法向量估计精度的影响,自适应处理尖锐特征点云,该文提出了自适应邻域的PCA点云法向量估计方法,利用点云局部邻域协方差矩阵,构建了局部邻域维度特征信息熵函数,根据熵函数最小准则,实现了点云自适应最优邻域的估计,在此基础上进行PCA法向量估计。分别对模拟点云和实测点云进行了法向量估计实验。实验结果表明,该文方法能够显著提高包含尖锐特征的点云法向量估计精度。     

基于地面激光技术的隧道变形监测技术

研究了将地面激光技术应用于地铁隧道变形监测,运用基于点云法向量差异的点云分割算法对点云数据进行抽稀,使用抽稀后点云数据构建地铁隧道模型,对隧道进行整体变形分析,构建地铁隧道三维模型不仅提高了变形监测精度,而且能够反映隧道整体变形趋势。将此方法应用于天津地铁一号线隧道变形监测,通过与光纤位移计结果对比,变形监测精度在4 mm以内,能够满足地铁隧道变形监测的需要。     

基于多视点云数据融合算法研究

针对光学测量中多幅点云的数据融合,提出了一种基于法向滤波的多幅点云融合算法.该算法首先对多幅点云法向滤波,通过2幅点云的双向查找来寻找种子点,在点的法向方向寻找2幅点云中对应的k邻域,计算邻域点的加权和,而融合点是种子点沿其法向移动的结果。与平均聚类法相比,该方法获得的模型表面更加光顺,特征更明显,点的分布也更均匀,对于包含粗大匹配误差的多幅点云模型的融合具有较好的效果.     

一种局部最优邻域法向量估算的巷道点云去噪方法

针对三维激光扫描技术在获取巷道内壁点云数据时会包含大量非巷道内壁点，无法快速有效地获取巷道围岩形变信息的问题。该文提出一种基于局部最优邻域法向量估算的巷道点云去噪方法，该方法采用自适应邻域半径的主成分分析算法，提高了点云法向量估算的精度和方向一致性，较好地解决了区域生长算法提取巷道内壁点云时存在的孔洞过多与噪声点云去除不彻底的问题，实现了巷道内壁点云较为完整的获取。通过不同类型的巷道点云数据进行验证，结果表明，该方法能够有效地去除非巷道内壁点云，提高巷道内壁点云获取的精度。     

一种基于点云法向量的基准特征提取与倾斜分析方法

针对目前将三维激光扫描技术应用于变形监测领域存在基准特征难以提取、点云数据分析缺乏适用的方法等问题，本文提出了一种基于点云法向量的基准特征提取与形变分析方法。首先利用局部平面拟合方法获得点云的法向量，并沿点云法矢方向探测基准点；然后利用三次B样条曲线对探测的正确基准点进行拟合；最后根据拟合曲线计算基准高程和对径点倾斜角分析基准特征形变信息。对某化工厂的罐体点云数据进行基准特征提取结果表明，该方法可以快速、全面地获取监测对象的整体信息，且能够正确分析监测对象的基准形变。     

从三维点云中自动提取隧道几何特征线

三维激光扫描技术为大型交通工程的全三维表面量测提供了一种有效的技术手段。但是面对扫描输出的海量原始点云数据,如何从中快速、精确地提取工程几何信息就变成一个亟待解决的问题。文中设计了一种从三维点云中自动提取隧道几何特征线的方法,仅以带有三维坐标的点云数据输入,不需提供额外的隧道相关参数,根据隧道表面法向与隧道中轴走向、隧道断面之间的几何关系,自动跟踪中轴线并确定截面方向,截取断面轮廓线。适用于弯曲型隧道,能够根据隧道走向精确调整中轴线方向和截面法向,在实际工程应用中具有较强的实用性。     

三维激光扫描在地铁隧道形变监测中的应用

提出利用三维激光扫描点云截取隧道横断面拟合椭圆进行形变监测的方法。方法分为隧道中轴线提取,连续断面截取和椭圆拟合。隧道中轴线通过点云在水平面上投影后搜索的上下边缘点分别拟合二次曲线求均值得到;沿隧道中轴线设定等距间隔点,在间隔点处以中轴线正交方向截取断面;对截取的断面拟合椭圆并与设计值比较进行形变分析。实验表明,方法可以充分利用点云的大数据量特征,获得隧道内任意处的断面,是对目前监测方式的有益补充。     

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。     

基于三维激光扫描的地铁隧道连续形变监测数据处理软件系统

利用地基三维激光扫描技术所具有的“形测量”特点,结合高精度、高空间分辨率的多时相点云数据,实现地铁隧道连续形变监测数据处理的软件系统。系统的主要功能包括：点云拼接、隧道中轴线拟合、断面连续截取、形变分析以及成果输出等。结合对上海某地铁隧道的多期激光扫描数据的处理,展示软件的主要功能和技术流程,最后对系统的应用前景进行阐述。     

全站扫描点云支持下的铁路隧道横断面快速提取及变形分析

使用全站扫描仪对采动区的铁路隧道进行扫描，在分析了测边后方交会设站扫描方法精度的基础上对拱形隧道的变形进行了研究，提出了通过拱形隧道的拱顶轴线完成横断面快速提取的方法。该方法基于高程差异获得隧道拱顶点集，而后采用随机采样一致算法对其处理并对处理后的点云拟合得到拱顶轴线，以该轴线方向作为横断面的法向完成横断面点集的快速提取，并基于所提取横断面点集获得横断面轮廓线并计算隧道变形。使用全站扫描仪的点云数据进行试验并进行变形分析。结果表明该方法能够完成对拱形铁路隧道横断面的快速提取，并且所提取的横断面能够反映隧道变形情况。     

Scanning geometry: Influencing factor on the quality of terrestrial laser scanning points

A terrestrial laser scanner measures the distance to an object surface with a precision in the order of millimeters. The quality of the individual points in a point cloud, although directly affecting standard processing steps like point cloud registration and segmentation, is still not well understood. The quality of a scan point is influenced by four major factors: instrument mechanism, atmospheric conditions, object surface properties and scan geometry. In this paper, the influence of the scan geometry on the individual point precision or local measurement noise is considered. The local scan geometry depends on the distance and the orientation of the scanned surface, relative to the position of the scanner. The local scan geometry is parameterized by two main parameters, the range, i.e. the distance from the object to the scanner and the incidence angle, i.e. the angle between incoming laser beam and the local surface normal. In this paper, it is shown that by studying the influence of the local scan geometry on the signal to noise ratio, the dependence of the measurement noise on range and incidence angle can be successfully modeled if planar surfaces are observed. The implications of this model is demonstrated further by comparing two point clouds of a small room, obtained from two different scanner positions: a center position and a corner position. The influence of incidence angle on the noise level is quantified on scans of this room, and by moving the scanner by 2 m, it is reduced by 20%. The improvement of the standard deviation is significant, going from 3.23 to 2.55 mm. It is possible to optimize measurement setups in such a way that the measurement noise due to bad scanning geometry is minimized and therefore contribute to a more efficient acquisition of point clouds of better quality.     

Automated registration of dense terrestrial laser-scanning point clouds using curves

This paper proposes an automatic method for registering terrestrial laser scans in terms of robustness and accuracy. The proposed method uses spatial curves as matching primitives to overcome the limitations of registration methods based on points, lines, or patches as primitives. These methods often have difficulty finding correspondences between the scanned point clouds of freeform surfaces (e.g., statues, cultural heritage). The proposed method first clusters visually prominent points selected according to their associated geometric curvatures to extract crest lines which describe the shape characteristics of point clouds. Second, a deformation energy model is proposed to measure the shape similarity of these crest lines to select the correct matching-curve pairs. Based on these pairs, good initial orientation parameters can be obtained, resulting in fine registration. Experiments were undertaken to evaluate the robustness and accuracy of the proposed method, demonstrating a reliable and stable solution for accurately registering complex scenes without good initial alignment.     

一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法

从LiDAR数据中高精度地提取建筑物屋顶面是构建屋顶面拓扑关系、实现建筑物三维模型重建的关键。本文针对现有算法提取复杂建筑物屋顶面适应性较差、精度较低等问题,提出了一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法。通过主成分分析计算点云特征,构建特征直方图,选取可靠种子点;利用提出的局部点云法向量分布密度聚类算法聚类种子点,快速准确地提取初始屋顶面片;构建基于邻域信息的投票模型,有效地解决屋顶面竞争现象。试验结果表明,本文方法可自动、高精度地提取屋顶面,对不同复杂程度的建筑物具有较好的适应性,能为建筑物三维模型重建提供可靠的屋顶面信息。     

基于激光点云的隧道断面连续提取与形变分析方法

地铁施工、运营阶段的监控量测,可有效保障隧道结构的稳定与周围环境的安全。现有的收敛计、全站仪等变形监测手段,虽然可以得到高精度的观测数据,但获取的监测点位过于稀疏,难以全面反映隧道整体的形变特征。本文将三维激光扫描技术用于地铁隧道形变监测,提出了基于激光点云的隧道断面连续提取与形变分析方法,并对提取的两期断面进行了形变分析,试验结果表明该方法能够更直观地表现隧道整体变形,研究成果可为隧道形变动态监测提供借鉴。     

利用点云切片提取技术分析桥梁形变

三维激光扫描技术作为近年来发展迅速的测绘手段,在桥梁健康监测中,已经成为监测技术的重要组成部分。本文以武汉市某跨江大桥为例,首先采用Trimble SX10三维激光扫描仪对桥梁进行长期监测扫描,并对桥梁钢结构和桥墩的点云进行切片;然后在Trimble Business Center 和 Trimble RealWorks软件的帮助下对每期的扫描点云进行处理,提取桥拱断面点坐标并对桥墩切片点云进行最佳垂直圆柱体拟合,获取拟合平面中心点坐标;最后对比分析每期特征点平面坐标的偏差和三维偏移量。本文研究成果验证了三维激光扫描仪在桥梁变形监测中的可行性,丰富了桥梁监测数据的表现形式,可以为相关研究提供依据和参考。