基于语义点云的大场景实景三维展示系统研究

在当前自然资源管理部门大力推进三维系统信息化建设的背景下,基于“三维浙江”建设需求,提出了一套基于着色点云的多源空间数据可视化的应用解决方案。基于点云数据串联其他三维数据,实现多源三维数据大场景集成展示的技术路线,设计研发了具有自主知识产权的系统,相关经验对国内类似项目的开展具有重要参考意义。     

LiDAR点云的建筑物立面空洞修复

针对树木等遮挡造成的车载LiDAR建筑物立面点云空洞,该文提出了一种基于机载和车载LiDAR数据融合的建筑物点云修复方法,即在空-地LiDAR点云融合的基础上,基于提取的机载LiDAR建筑物外轮廓线,通过缓冲区分析实现车载LiDAR建筑物点云分割;借助轮廓线信息实现了邻近建筑物间的相似性判断,基于匹配后的相似建筑物点云和空洞探测方法,实现了建筑物立面点云空洞修复。最后通过实验数据验证了该方法的可行性。     

人物雕塑模型三维表面建模方法探究

三维激光扫描是一种通过激光测距方式实现三维物体表面空间数据获取的技术。本文介绍了一种利用三维激光扫描技术并结合相应软件对人物雕塑模型三维表面进行重建的方法。该方法通过三维激光扫描仪获取目标模型表面精确的点云数据,在对点云粗拼接的基础上进行精确拼接,以三角网的形式重构雕塑表面,并结合逆向软件进行纹理映射及其接缝处理以实现3D模型表面重建。结果表明,利用该方法可以实现对人物雕塑模型3D表面的快速有效重建。     

基于特征点的点云压缩方法研究

针对现有点云数据,在VC++平台下,提出一种基于特征点的压缩方法,实现点云数据的抽稀,其中试验数据采用扫描数据以及美国斯坦福大学试验点云数据。经试验表明,该方法能够实现点云的抽稀,减少点云的数据量,提高点云后期处理的效率。     

机载和车载LiDAR点云的建筑物立面空洞修复

针对树木等遮挡造成的车载LiDAR建筑物立面点云空洞,该文提出了一种基于机载和车载LiDAR数据融合的建筑物点云修复方法,即在空-地LiDAR点云融合的基础上,基于提取的机载LiDAR建筑物外轮廓线,通过缓冲区分析实现车载LiDAR建筑物点云分割;借助轮廓线信息实现了邻近建筑物间的相似性判断,基于匹配后的相似建筑物点云和空洞探测方法,实现了建筑物立面点云空洞修复。最后通过试验数据验证了该方法的可行性。     

结合全景影像的车载点云空洞修复方法研究

针对单一利用点云数据修复空洞而缺乏真实性的问题,提出了一种结合全景影像的车载点云空洞修复方法。该方法首先探讨了基于全景球共线方程的车载点云与全景影像精配准,然后构建了三角格网提取点云空洞范围,针对全景影像变形问题,采用了球面透视模型进行纠正,最后研究了基于SIFT算法的区域种子点密集增长算法,利用前方交会法生成填补点云。实验表明,该方法生成的填补点云具有真实性和完整性,将填补点云与原始点云融合,实现了车载点云空洞修复。     

车载LiDAR海量点云数据管理与可视化研究

为了支持车载移动激光扫描点云数据的高效管理与快速可视化,提出了一种适用于车载海量点云的数据组织方法。该方法将原始点云数据分段后生成轨迹信息用于快速索引,分别对每段数据建立基于八叉树结构的LOD（levels of detail）索引,并采用多线程动态调度技术实现基于视点的海量点云渲染与漫游,显著提高了车载点云数据的调度效率。实验结果证明该点云数据组织方法是一种适合车载点云数据的高效管理方法。     

基于SQL Server Spatial的空间数据的组织与查询

论述了SQL Server Spatial技术理论,探讨了空间数据导入、索引的创建以及空间数据的查询方法。并以3维激光扫描获取的点云数据为例,采用C#连接SQL Server数据库,对点云数据进行了组织及查询,并在MapOb-ject组件下进行可视化。试验证明,建立空间索引后点云数据的检索效率较高。     

边缘系数建筑物雷达点云数据简化方法

针对基于LiDAR点云数据进行建筑物自动重建中存在的数据冗余问题,该文设计了一种定量描述激光点位于地物边缘区几率大小的指标——边缘系数,并据此提出了基于边缘系数的建筑物LiDAR点云数据简化方法。该方法利用激光点与其邻域点的位置、数量及分布计算该点的边缘系数,通过试验分析确定边缘系数的阈值并对点云数据进行分割,最后保留建筑物边缘区域的点,实现点云数据的简化。实验表明,该方法在对点云数据进行高效压缩的同时有效保留了位于地物边缘处的点云,有助于提高海量点云数据处理能力和建筑物重建效率。     

基于LiDAR点云数据索引的DEM快速提取

DEM应用日趋广泛,从LiDAR点云数据中提取DEM是一种满足应用需求的简单有效方法。由于Li-DAR点云数据的庞大性,直接提取DEM效率不高。为了提高对点云数据处理的效率,本文探索应用索引技术来优化LiDAR点云数据的处理,生成高精度DEM。该方法首先对LiDAR原始数据点建立网格分块索引;然后再利用形态学的方法对LiDAR原始数据进行滤波处理;最后用逐点内插方法生成DEM。实验结果表明应用空间数据索引技术极大地提高了点云数据滤波与DEM生成的效率。     

以直角方式转折的面状要素图形简化方法

讨论了面状要素图形轮廓简化的一些规则以及面的空间知识获取方法,结合以直角方式转折的面状要素图形轮廓的特点,重点讨论了其图形渐进式简化方法。     

利用稀少卫星影像控制点生产1:10 000 DOM

针对在野外像控点测量困难区域如何使用控制点快速纠正高分辨率卫星影像的问题,本文提出了基于稀少像控点的区域网平差方法,以实现在高精度、强现势性DEM的限制下,利用卫星影像快速制作1:10 000 DOM。并以阿拉善盟测区为例,进行了精度评价。结果表明,使用稀少像控点即可满足1:10 000 DOM的精度,可实现基于稀少控制点的遥感影像快速生产,有效地解决控制点难以获取时,造成DOM精度低且生产进度缓慢的问题。该方法能够为沙漠、林区等控制点缺乏地区提供一定的借鉴与参考。     

矢量数据压缩的角度分段道格拉斯算法研究

本文提出了一种矢量数据压缩方法：角度分段道格拉斯算法。该方法以道格拉斯—普克法为基础，通过对角度和距离的判断，取出代表曲率变化的特征点，对曲线进行分段，然后使用道格拉斯—普克法进行化简。在所需要化简的曲线弯曲程度变化较大的情况下，该方法可以规避其它压缩方法产生的压缩程度不够、丢失曲率变化特征点的问题。     

制图综合中偏角限制道格拉斯算法研究

提出了一种矢量数据压缩方法:偏角限制道格拉斯———普克法。该方法以道格拉斯———普克法为基础,通过角度测定的方法,取出代表曲率变化的特征点,然后使用道格拉斯———普克法进行化简。在所需要化简的曲线曲率变化频繁的情况下,该方法可以规避其他压缩方法产生的压缩程度不够、丢失曲率变化特征点的情况。     

主成分分析的匹配点对提纯方法

传统的匹配点对提纯算法通常需要寻找小部分点集作为初始输入,再迭代求解出能够满足大多数点对约束要求的最优解,其提纯结果易陷入局部极值,造成正确匹配点对的遗漏。针对这一问题,本文引入了主成分分析思想,将整体点集作为初始输入,逐步剔除误匹配点对,稳健求解,得到更为准确的全局最优解,降低正确匹配点对的遗漏率,达到较好的提纯效果。试验表明,本文方法在一定的原始误匹配率下,能够得到整体最优解,在剔除误匹配点对的同时,能够避免或减少正确匹配点对的遗漏。     

一种附约束的单频单历元GPS双差相位解算方法

在各类变形观测中，存在着2次观测的变形值不大及各种变形方向和大小可以比较精确预测等特点，可以把这些特征作为约束条件，对GPS单历元相位观测方程进行求解。基于以上几点，提出了一种含约束条件的单频单历元GPS相位求解算法和简单实用的模糊度搜索方法，本方法据观测值直接估计模糊度参数，并根据求出的模糊度估值进行搜索，还分析了最优解的获得和检验方法，最后用2个实例说明了该法的有效性和实用性。     

基于Cook距离的协方差函数拟合点优选

进行最小二乘配置中的协方差函数拟合时,选取的拟合点应尽可能反映该区域的异常位的实际情况。提出基于Cook距离的协方差函数拟合点优选,计算所有拟合点的Cook距离,剔除拟合模型中的强扰动点,再进行协方差函数拟合。结合GPS高程拟合实例分析,文中方法可以有效提高高程拟合精度,并且通过Cook距离可以对拟合点进行精简和检出拟合点中误差较大点或粗差点。     

基于Kohonen网络的点群综合研究

基于Kohonen网络模型，对标准的SOM（self-organizing feature map）算法进行了改进，在保持点群原有空间分布特征的情况下研究点群的选取和典型化。实践表明，该方法适合任意空间分布类型的点群综合。     

顾及空间上下文关系的JointBoost点云分类及特征降维

随着激光雷达技术的发展及广泛应用,点云数据的分类及理解成为了目前一个研究热点。本文研究了较复杂的电力线路走廊场景的点云自动分类方法,目标类别为地面、植被、建筑物、电力塔、电力线等。本文首先归纳、定义了点云分类所需的关键特征,并利用JointBoost实现地物分类;同时,考虑到点云数据量大,其分类速度较慢,本文结合地物空间上的相互关联关系,提出了一种序列化的点云分类及特征降维方法。该方法在保证分类精度的前提下,使分类所需特征维数降低,缩短了分类所需时间。实际的电力线路走廊的激光扫描点云数据分类实验证明本文研究的分类方法的有效性。     

改进的GNSS/水准点优化选择的逐步剔除法

GNSS/水准联测点的合理选择对GNSS高程拟合至关重要，剔除法是一种较好的优化选点方法，传统的剔除法是以高程异常拟合误差最小为目标函数进行优化选点，可能会出现选点不均匀情况。鉴于此，提出根据GNSS/水准点生成的泰森多边形面积大小进行优化选点，并在此基础上对传统优化选点的方法进行改进，即同时考虑高程异常拟合误差大小及由泰森法生成的多边形面积大小进行优化选点（称为综合法）。以1~3次多项式拟合模型为研究对象，实验结果表明，GNSS/水准点优化选择的综合法可在改善点分布的同时获得稳定性好、精度较高的高程异常拟合结果。