三维散乱点集Voronoi图快速生成算法研究

提出了一种高效的三维散乱点集Voronoi图的生成算法。该算法采用点-面-体数据结构存储Voronoi单元,初始化首点Voronoi单元,通过单元分裂与单元重组快速生成新增点的Voronoi单元,并完成其相邻单元的维护。实验证明,该算法可快速准确地生成任意三维散乱点集的Voronoi图。基于该算法可有效地解决逆向工程中三维散乱数据点拓扑近邻的快速准确查询问题,对产品模型的曲面重建具有重要意义。     

利用3D Voronoi图的兔子点云聚类分割

利用基于3D Voronoi多面体分割三维空间,并将其应用于具有典型三维特征的点云数据的聚类分割.通过对点云数据的离散体元表示,透过Voronoi单元的特征参数实现了三维点集的度量、提取和结构分析,揭示了点集间存在的相互关系,并通过3D Voronoi图所确定的空间邻近关系完成点集间相似度的测度和聚类.以三维兔子点云为样本数据的实验分析表明,本文所提出的思路聚类分割特征明显.     

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。     

基于kd-tree的建筑物散乱点云平面分割

应用kd-tree快速确定散乱点云数据中某一个点的邻域,不需要先验地知道点云数据之间的拓扑(邻接)关系,使得建筑物点云平面分割算法更一般化,应用面更广。根据建筑物平面特征的先验信息,并采用高效数据结构,优化了平面分割算法,给出了散乱点云平面分割的实现和相应结果,说明了基于kd-tree的建筑物散乱点云平面分割算法的有效性。     

基于CUDA的海量点云数据kNN查询算法

通过激光扫描技术获得的点云数据量十分巨大,如何利用k最近邻域(k-nearest neighbors,kNN)查询重建海量点云中各采样点间的拓扑关系,对点云数据的后续处理至关重要。在深入研究GPU编程技术的基础上,将GPU通用计算引入到点云数据的kNN查询问题中,提出一种通过CUDA实现的基于外存的双层查询结构。试验结果表明,该方法与传统算法相比在查询效率上有较大提升,最大增幅可达53.8%。     

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。     

基于球面投影的散乱点云三维建模算法实现与效果分析

介绍基于球面投影的散乱点云三维建模算法步骤,运用VC++编程语言结合OpenGL图形接口实现该算法,并结合实例说明球面投影法相对于圆柱面投影法、椭球面投影法在三维建模中的优势.     

两种地图点群综合算法的比较

通过搭建实验程序,分别对基于非加权Voronoi图和加权Voronoi图的点群自动综合算法进行验证,详细对比和分析两种算法计算结果对点群的统计信息、拓扑信息、度量信息和专题信息的传递情况,计算部分结果的相似度,从而得出加权Voronoi图点群综合算法更优的结论。     

基于切平面投影的散乱数据点快速曲面重建算法

介绍了一种快速的散乱数据点曲面重建算法(切面投影三角网法),该算法不需要已知数据点的几何、拓扑信息以及是否存在边界等先验知识。算法利用邻近点集反映出的局部几何和拓扑信息,基于切平面投影方式计算每个数据点的邻域,从而完成每个数据点的局部拓扑重构。重构中物体表面数据点的降采样或不均匀采样可能会产生伪洞,因此,在重建后进行洞的检测,进而根据洞的大小来区分物体表面上实际存在的洞和重构过程中生成的伪洞,并对伪洞进行填充。利用多组散乱数据点进行重建的结果表明,切面投影三角网法高效、稳定,可以快速、自动地重构出复杂拓扑结构物体的三角网表面模型。     

基于特征约束的点云简化算法研究

针对传统的点云简化算法导致特征区域容易丢失的问题,提出了一种新的基于特征约束的点云简化的算法。首先对散乱点云用KD—TREE建立起空间拓扑关系,在此基础上建立起单个点的K-邻域。然后对K-邻域内建立起最小二乘平面,设定合理的阈值来度量数据点的重要性。依据特征点的分布估算每个点的简化距离阈值,以此为基础对每个点进行自适应简化。实验证明该算法能满足在点云数据简化过程中检测并保留特征点的要求。     

基于共线原理的全景影像真彩色点云生成算法

常规激光点云数据通过将激光点云与彩色影像进行融合,将影像所富含的色彩信息赋给相应的激光点云、可形成一种"纹理丰富、颜色直观、位置准确"的真彩色点云成果,不同类型相机拍摄得到的影像对激光点云赋彩色的原理和过程均不相同。文中基于移动测量系统及360°全景影像的测绘高新技术,研究全景相机拍摄的影像与激光点云的匹配、融合,提出一种基于共线原理的由全景影像给激光点云赋彩色的算法。算法充分利用全景影像360°可视以及激光点云位置精确的特点,经实验验证算法推导正确,生成的真彩色点云色彩纹理细致,空间位置准确。     

大规模点云数据的二维与三维混合索引方法

为提高点云查询效率和按需提取数据,提出一种二维与三维混合索引的大规模点云数据管理方法。采用二维四叉树和三维最小外包盒结构管理原始点云,以3D-R树管理多站点云,利用对象关系数据库管理全部点云模型和相关属性数据。利用古建筑大规模点云数据在微机上实现了点云模型的数据存储与可视化。结果表明本方法能够管理超过10 GB级的点云模型数据和十亿级有效点,数据可视化效率较高。     

基于k-d树的机载LIDAR点云滤波处理

点云数据滤波处理是获取高精度数字地面模型的关键,而滤波的基本原理是基于某一邻域内高程的突变。在海量、离散的点云数据中,搜索某一邻域的速度将直接影响滤波处理的效率。应用k-d树组织点云数据,不需要先验地知道点云数据间的拓扑关系便可以快速确定其中某一点的邻域点集,从而大大地提高滤波速度。     

机载LiDAR建筑物点云渐进提取算法

针对机载LiDAR建筑物点云提取过程中易受植被的影响的问题,本文提出了一种机载LiDAR建筑物点云的渐进提取算法。首先通过布料模拟滤波算法对地面点云与非地面点云进行区分,在此基础上利用最大类间方差法算法（Otsu）对非地面点云进行阈值分割,提取初始建筑物点云;然后根据点云的连通性对初始建筑物点云进行密度聚类分割（DBSCAN）,剔除离群噪声点;最后通过Alpha Shape算法实现建筑物点云的边缘提取。本文选取ISPRS官网提供的3组典型城区LiDAR点云数据进行试验,试验结果表明,本文算法可达到较好的建筑物点云提取效果。     

多核CPU的海量点云并行kNN算法

提出基于多核CPU的海量点云k最近邻(kNN)快速搜索算法。该算法先将点云数据按格网方式进行组织存储于外存;在搜索kNN点时,从搜索点所在的块向外扩张搜索;在多核CPU环境下采用多线程模式进行数据的内外存调度和kNN点搜索。当内存达到设定上限时,采用距离搜索点最远策略释放内存,降低内外存数据交换的频率。将该方法应用于基于kNN的滤波和格网化方法中,处理速度显著提高。     

潜在连接点集下拓扑推进三维建模算法研究

通过三维激光扫描仪可以获取到表示空间对象的点云数据。通过设置仪器的采样间隔可以获取到表示对象不同精密程度的点集。但是由于离散点之间缺乏相应的拓扑关系,限制了以点为基本图元的模型的应用。以空间离散特征点集为研究对象,研究了一种三维建模算法。算法基于距离较近的点之间比距离较远的点之间存在拓扑连接的可能性更大的前提,对点集进行预处理,然后在此基础上进行快速建模,最终获取到以三角形为基本面片的格网模型。所建立的模型易于进行各项空间分析和操作。该算法也能够有效地应用于更为复杂的建模任务中,以达到一体化建模的目的。     

基于等高线的三角网快速构建与处理

采用一种利用等高线数据，快速处理和优化TIN的方法。该方法首先将等高线离散成数据点集；然后利用凸壳技术快速地进行三角形构网；再利用TIN的拓扑结构快速内插入等高线，形成约束TIN；最后利用三角形与特征边的关系及TIN的拓扑结构，从而快速消除平坦三角形，提高TIN的质量。     

对偶图节点重要度的道路网自动选取方法

采用对偶拓扑方法构建基于广义路网拓扑的复杂交通网络,通过引入m阶邻居节点概念,考虑复杂交通网络中节点度、介中心及节点间距离等因素,顾及节点自身及1到m阶邻居节点的重要度贡献,定义了节点重要度评价模型,进而提出一种基于m阶邻居节点重要度贡献的道路网自动选取方法,并基于网络最小规模原则保持选取道路的连通性。为检验方法的有效性,引入度分布评价所选取道路对路网整体结构及拓扑特性的保持程度,并采用实际城市路网进行试验,结果表明本文方法选取的路网能较好地保持了原始路网的整体结构、拓扑特性及道路连通性,且算法稳定、可靠。     

一种基于最小广义方差估计的TLS点云抗差法向量求解方法

针对地面激光扫描点云中的粗差与不均匀采样对法向量计算的影响,基于最小广义方差估计与局部平面拟合原理提出了一种抗差法向量求解方法。首先通过快速近似最近邻居搜索算法得到最近k邻居点集,然后由确定型最小广义方差估计方法和多元马氏距离得到邻居点集协方差矩阵的抗差估计,最后根据主成分分析法（principal component analysis,PCA）计算得到抗差法向量。通过构造的模拟地面激光扫描（terrestrial laser scanning,TLS）点云数据将提出的方法分别与基于PCA、鲁棒PCA和随机抽样一致的法向量求解方法进行实验比较。结果表明,所提方法的抗差性能优异,且并行优化改进后可以满足大规模TLS点云的计算需求。将该方法应用于实际野外地形TLS点云数据,由求解的抗差法向量重建的泊松表面更符合实际地形,表明了该方法在实际应用中的有效性。     

四面体格网模型的三维拓扑关系计算

四面体格网(TEN)模型是一种重要的空间数据构模方法,侧重于三维空间对象内部的表达,但是存在着数据量大、计算速度慢的问题。三维拓扑关系是三维GIS的重要研究内容,为此,该文提出了面向TEN的三维拓扑关系计算方法。基于点集拓扑学理论,将TEN分解为内部、边界和外部3个集合,并使用9交模型描述了TEN/TEN的8种拓扑关系;设计了面向TEN的三维拓扑关系计算流程,详细阐述了面向TEN的三维拓扑关系计算的核心算法;基于提出的三维拓扑关系算法,设计了面向TEN的拓扑关系计算实验。实验结果表明:该文提出的面向TEN的三维拓扑关系计算方法,能够满足TEN之间拓扑关系计算的需求。