移动立方体算法的地质体三维空间形态模拟

针对地质勘察中地质体采样数据离散且不完备,基于这些数据难于构建地质体三维模型的问题,一种基于Marching Cubes算法的地质体三维空间形态隐式模拟方法被提出。此方法首先运用空间插值方法,推断和预测地质体的分布趋势,构建地质体三维空间规则数据场;在此基础上,采用Marching Cubes算法实现由网格离散点到三维等值面的模拟,提取出三维地质体的光滑等值曲面;最后结合OpenGL三维可视化技术,通过计算机图形学中的微小三角面逼近来实现地质体的三维空间形态的可视化。通过实例,将这种方法应用于基于钻孔勘探数据的矿体三维空间形态模拟,快速构建了矿体三维模型,模拟结果接近于传统的手工圈定边界和进行矿体推断而建立的三维模型,证实了该方法的可行性和高效性。     

结合超体素与区域增长的LiDAR点云屋顶面分割

针对传统区域增长算法易受噪声影响且局部分割性能不稳定的问题,提出了一种结合超体素与区域增长的屋顶面片点云分割算法。利用八叉树组织初始点云数据,基于点云的欧氏距离和法向量信息两个约束分割点云获得超体素。结合超体素结构特征,改进种子点选取准则,在超体素的光滑性和表面几何特征约束下进行点云区域增长,提取屋顶面片点云。选取不同复杂程度的建筑物LiDAR点云进行实验,结果表明,结合超体素与区域增长算法能有效提取复杂建筑物屋顶面片点云,提取率高且具有较好的适应性,可以为基于机载LiDAR的建筑物三维模型重建提供可靠的屋顶面信息。     

基于立方体网格的数据点云约简和体积计算方法

基于Marching Cubes思想,本文提出散乱空间数据点的约简方法,该方法在保持空间数据点云表示精度的条件下,实现空间数据点云的有效约简并剔除噪声;基于立方体网格,简化了等高线搜索的难度,为体积计算提供了可靠的基础。该方法原理简单,算法容易实现,试验表明能够取得较为满意的效果。     

基于体素栅格的建筑物三维激光点云数据抽稀方法

为了提升三维激光点云数据处理、存储、运算效率,对基于体素栅格的三维激光建筑物点云抽稀方法进行了研究。通过提取原始三维激光点云空间位置和法向量作为体素栅格存贮数据的主要信息;以三维激光点云最大外包矩形构建最大体素,并依据点云位置不断地进行空间划分,直至阈值范围内,从而实现点云数据的高效组织与管理。对体素栅格内的点云依据设定空间半径阈值检索种子点周边点云,剔除体素栅格中阈值内点云,保留种子点云,从而实现了三维激光点云数据抽稀,有效压缩了三维激光点云数据。并通过实验验证了该方法可以有效降低三维激光点云数据冗余,为海量三维激光点云数据的存储与应用等方面的研究提供参考。     

一种改进的超体素与区域生长点云分割方法

点云分割作为识别地理场景的空间特征、探索和记录空间信息的关键处理步骤,其分割精度直接影响后续三维场景重建、地物特征提取等应用的效果。针对传统区域生长点云分割算法的不稳定等问题,本文结合超体素和区域生长算法对点云数据进行分割,并利用点云自身的色彩信息进一步改进分割结果。试验结果表明,相较于传统的区域生长和已有的结合超体素与区域生长的分割算法,本文算法对点云数据分割的效果更好,且其精确率与召回率均有提高。     

基于CATIA的飞机曲面重建方法研究

介绍了逆向工程的基本知识,飞机曲面数据采集的一般流程;提出了点云数据预处理算法实现方法,包括点云滤波算法、点云数据精简算法和基于奇异值分解法的多视点云拼接算法,通过对数据的预处理,大部分数据噪声得以消除,数据量进一步简化,多视点云数据实现空间配准;研究了飞机曲面重建的数据处理流程,对飞机机体进行若干分区,按照点、线、面的建模处理流程对每个区进行独立建模;最后以Catia逆向建模模块对某型样机点云数据处理流程为例,详细探讨了飞机曲面重建的流程和精度验证等方法。实践证明,本文介绍的算法和处理方法切实有效,建模数据准确可靠。     

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。     

基于二维投影的散乱点云曲面重建

为降低点云曲面重建的复杂度,提出了一种基于二维投影的散乱点云曲面重建方法。首先利用点云的局平特性把点云投影到二维平面,然后在二维平面上对点云进行Delaunay三角剖分,并将拓扑连接关系映射到三维空间,最后剔除三角网格模型中的非流形三角面片得到点云模型重建结果。实验结果表明,只需获取散乱点云的坐标信息,该算法就能够重建出结构形态正确、保留物体细节信息的三维模型,且该算法原理简单、容易实现,降低了曲面重建复杂度,提高了曲面重建效率。     

一种改进匹配点对选取策略的ElasticFusion室内三维重建算法

对室内场景进行实时高质量的三维重建是机器人、增强现实等领域关注的重点。目前基于RGB-D传感器的三维重建方法存在局部模型重建效果差、点云模型包含孔洞等问题。而影响三维模型重建效果的主要因素有两个,一是由点云配准解算出的位姿参数精度,二是闭环检测准确程度。对此,在保证算法实时性的基础上,通过改进迭代最近点算法(iterative closest point algorithm,ICP)中匹配点的选取策略,提升模型重建效果。并利用径向基函数构建隐式曲面的方式对点云模型中的孔洞进行事后修补。选用ICL-NUIM等公开数据集进行实验验证,结果表明,改进后的算法在模型重建效果以及相机轨迹估计方面均有显著提升。     

基于多分辨率层次分类的机载LiDAR点云滤波方法

针对复杂地形环境滤波的需求,提出一种具有较强抗差稳定性的多分辨率层次分类滤波算法。该方法首先对原始点云数据进行格网化,主要通过设置格网分辨率值将数据分为3个层次,在每一层通过改进的局部最小值法选取初始地面种子点;然后利用薄板样条函数迭代内插生成栅格曲面,根据定义的残差阈值判定方法,完成点云的分类;分离出的地面点作为下一次迭代的种子点用于构建栅格曲面。利用ISPRS提供的15个训练数据对该方法进行实验,将实验结果与8种经典滤波算法进行对比分析,证明该方法在适应不同地形环境方面具有较强的稳健性。     

改进泊松算法的图像三维重建点云模型网格化

针对泊松表面重建算法在点云数据的网格化中仍不能有效满足"细节保持与噪声平滑"的平衡问题,该文提出了一种基于高斯滤波的改进泊松算法。通过将高斯滤波引入到点云数据等值面的向量场估计中,一方面实现了对点云拓扑结构的更准确估计以及对点云噪声的有效平滑;另一方面通过调节高斯滤波中的标准差参数,实现了对点云模型网格化的细节保持与噪声平滑的细微控制。以福州大学张孤梅雕像为实验对象,图像三维重建技术获得的点云数据作为数据源,利用改进的泊松算法进行点云网格化。结果表明,改进的泊松算法提高了网格模型的精确性与完整性,且在视觉上更好地逼近真实模型的细节,验证了改进算法的有效性。     

基于BP神经网络法的地表变形监测

利用三维激光扫描技术监测地表变形时,需要对大面积的地形点云数据重建地面曲面。针对点云数据的海量性,提出利用BP神经网络的方法进行曲面重建,分别模拟出两期点云数据的曲面及两期点云数据的下沉曲面。实验结果表明,该方法对海量数据的曲面重建精度较高,并能提取变形信息,具有较高的使用价值。     

基于三维狄洛尼三角网的曲面重建算法

随着三维激光扫描技术应用领域的不断拓展,对点云数据三维建模的需求越来越迫切。曲面重建技术作为三维建模的核心技术之一,在逆向工程、计算机视觉、计算机制图以及虚拟现实等技术领域都有着非常广泛的应用前景。本文提出一种基于三维狄洛尼三角网的曲面重建算法,其本质是一种结合了曲面生长算法思想的贪心算法,即在一定约束条件下,按照最优三角形选择标准,算法从预先构建好的三维狄洛尼三角网中,逐个筛选出最优三角形添加到生长曲面上,最终输出由一系列显式三角形所组成的流形曲面。这种方法对比目前主流的隐式曲面重建算法具有参数依赖性较小、不需要计算法线等优点,并且能够重建地形扫描、建筑物扫描和精细化扫描的点云模型。利用此算法对多种点云模型进行曲面重建试验,结果表明该算法生成曲面质量好、重建效率高、实用性强,能够很好地应用于三维建模领域。     

基于八叉树细分的古建筑物点云数据分割研究

数据分割是点云数据处理中的一个重要环节,数据分割的好坏直接影响曲面重构的质量。针对古建筑场景中边界轮廓线和表面棱线特征明显、不同曲面连接处的曲率和法矢变化大的特点,采用基于八叉树细分的点云数据分割算法,对某三合院民居古建筑点云数据进行分割。实验结果表明,本方法可以较好提取该古建筑点云的外轮廓点和表面棱线点,实现对点云数据的分割。     

基于区域生长的体素滤波点云去噪算法

介绍了一种基于区域生长的体素滤波点云去噪算法。首先,使用体素滤波算法将点云数据体素化后,根据每个网格与最大密度网格的比值大小,将网格分为两类:大密度网格、小密度网格。然后对大密度网格使用区域生长法处理。最后,对全部数据进行区域生长处理。实验结果表明,该方法能够消除大、小尺度噪声,并且能够消除簇状噪声,且不改变点云的纹理信息。     

基于CGAL的盐穴表面重建研究

为了在盐穴的综合利用过程中及时掌握盐穴的形态变化,本文研究了一种基于CGAL的重建盐穴表面的方法。该方法利用格网简化与曲面拟合去除盐穴声呐测量点云重复点以及噪声,并使用聚类分析过滤溶穿盐穴的额外点云,最后采用推进前沿重建方法重建盐穴表面模型,并对模型孔洞进行修补,实现了封闭流形表面模型的重建。本文利用金坛地区的盐穴实测数据对算法进行重建实验,重建结果证明,该算法可以得到准确的重建表面,并对溶穿盐穴有较好的适应性。     

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。     

地铁隧道三维激光扫描数据配准方法

针对传统的迭代最近点算法(ICP)用于多测站点云数据配准时计算效率低的问题,该文提出了一种基于特征点的ICP改进算法,该方法利用相邻两测站数据进行配准的实现。首先采用体素化格网方法对两点云数据集进行精简处理,并计算精简处理后每一点的法向量;然后利用kd-tree最近邻查询搜索特征点之间的对应关系;并通过估计出的最优变换矩阵更新至全局变换,以提高配准精度。实验结果表明,改进的ICP算法在地铁隧道点云数据配准中的效率高于其他的配准方法,为隧道变形监测工作的进行提供保证。     

基于倾斜影像的城市场景隐式曲面重建

在基于倾斜影像的城市场景重建过程中,由于获取影像时存在场景遮蔽和大视点变化的情况,建筑物立面等区域存在着影像密集匹配点云稀疏甚至空洞的情况,自动化重建难度大,难以反映建筑物的真实形态。本文提出了一种新的基于倾斜影像的城市场景隐式曲面重建方法：首先,以倾斜影像密集匹配点云为基础建立Delaunay四面体;然后,对Delaunay四面体进行约束图割,提取出可视化的三角面,进而更加精确地估计点云的法向信息;最终,结合Screened Poisson曲面重建,实现了城市场景的隐式曲面重建。通过多种隐式曲面重建方法的对比试验,验证了本方法的准确性和适用性。     

点云内在属性因子驱动的自适应滚球算法

采用滚球算法(ball pivoting algorithm, BPA)重建非均匀点云时会产生较多孔洞或冗余三角形,对此先定义一种点云内在属性因子,提出了一种自适应BPA算法,并用重建曲面表面积定量评价曲面重建质量。首先,根据点云法向、位置、点间距离、关系等信息选取3个恰当的孤立点,构建种子三角形;其次,计算每条拓展边的点云内在属性因子,并结合拓展边长等信息,自适应地确定滚球半径r;最后,将半径为r的滚球沿着拓展边滚动,选取合适的第三点拓展三角形网格。采用龙、兔点云进行曲面重建实验,实验结果表明,无论是均匀点云还是非均匀点云,此算法均能自适应地重建出点云表面模型,重建过程无需人工干预,算法稳健、高效,重建结果质量较高。