迭代切片算法在点云曲面拟合中的应用

根据点云散乱无序的特点,提出基于点云密度和厚度变化的切片拟合方法。在考虑点云特征的情况下,先对整体散乱点云进行分割,再根据点云的局部特征进行迭代计算,确定该处的切片宽度,然后进行拟合。结果表明,采用迭代切片算法能将原始无序数据点转化为有序的组织形式,很好地保留了局部特征,确定了点与点之间的相互关系,提高了曲面拟合的精度。     

顾及几何特征的规则激光点云分割方法

三维激光扫描仪能快速地获取三维场景的高精度点云数据,已成为快速三维建模的重要工具。点云分割是三维点云模型数据预处理中的首要环节,也是影响重建效率与模型质量的重要因素。以激光点云的分割为研究切入点,以八叉树空间划分方式对数据进行组织,并用八进制编码进行命名,结合K邻近搜索法获取目标点的局部邻近点,采用加权平均目标点相邻的三角面片法向量来估算单点法向量。基于投影欧氏距离拟合曲面求取曲率。量化了规则点云集的分割约束条件,采用法向量信息来进行平面点的提取,根据曲率在两个主方向上的差异性来识别和分割柱面和球面信息。试验结果表明：①基于法矢量的平面点分割效果理想;②基于曲率差异性的规则曲面点分割效果较差;③基于几何特性的规则激光点分割方法合理可行。     

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。     

机载LiDAR点云自适应滤波算法

针对传统移动曲面拟合滤波算法难以使用单一且具有自适应性阈值滤波的问题,提出一种改进自适应阈值滤波算法.首先将点云格网化,利用混合最小二乘曲面拟合对多级移动曲面滤波算法进行部分优化;其次利用离散点云数据分布特征计算一级滤波阈值;最后计算格网中最大真实高程值与最小真实高程值之差,利用曲率极限点为该值设定一个自适应系数,对滤波阈值算法进行自适应改进后二级滤波.实验采用国际摄影测量和遥感学会(ISPRS)公布的激光雷达数据集验证算法,结果表明,该算法滤波总误差平均值达到6.26％,连续地形滤波总误差达到4％以下,可以较精确地区分地面点与地物点,精确度较高且适应性较强.     

用于公路勘测设计的LiDAR点云抽稀算法

传统的抽稀算法应用于公路点云数据抽稀时,往往存在不能很好地顾及地形特征,或者出现大面积点云空洞的缺陷。本文提出了一种改进的基于平均曲率算法,用于公路勘测设计中的点云数据的抽稀,该算法首先通过局部二次曲面拟合,依次求出所有点的平均曲率;然后根据平均曲率判断地形特征,并作为判别点云数据抽稀的主要准则;最后利用标记法解决了平坦路面出现大面积空洞的问题。通过试验与分析,证明了本文抽稀算法的可靠性和适用性。     

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。     

基于地面激光点云数据的NURBS曲面重建

通过研究相关理论和方法,提出一个直接针对散乱点云数据重构NURBS曲面的解决方案,即依据点云分块及其拟合的四边界,构建孔斯曲面作为基面,通过基面投影实现散乱点云的参数化,并以最小二乘法完成分块数据的NURBS曲面拟合。曲面验证实例表明,通过该方法所拟合的NURBS曲面是有效的。     

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...     

一种基于移动曲面拟合的机载LIDAR点云数据滤波方法

针对机载LIDAR点云数据滤波问题,在分析张小红教授提出的移动曲面拟合法滤波的基础上,结合机载LIDAR点云数据的特点,引入虚拟格网技术,提出一种基于移动曲面拟合的机载LIDAR点云数据滤波方法,并通过实验验证了该方法的可行性和适用性。     

一种基于局部曲率特征的点云精简算法

平均曲率是分析三维表面的重要几何特征之一。根据平均曲率进行海量散乱点云数据的精简,首先通过空间包围盒法建立K邻域,然后对K邻域内的点拟合二次曲面计算平均曲率,最后以邻近区域内点的平均曲率中误差为阈值,结合点的精简概率判定点是否保留。通过与传统方法对比,证实了文中方法在保留特征点和压缩上具有较好的优势。     

基于区域特征的快速城区机载LiDAR数据分类方法

提出了一种基于区域特征的快速城区Li DAR点云数据分类方法。首先进行数据滤波处理,去除地面点。然后对非地面点,利用二次多项式进行区域曲面拟合,拟合曲面的参数作为特征构造区域特征向量,通过投票方式判断每个点的局部区域属性。最后,利用模糊逻辑技术实现最终分类。实验结果表明,该分类方法能够高效实现城区建筑物及树木的分类。     

DEM坡度计算的适宜窗口分析

局部分析窗口大小是DEM坡度计算的关键因素之一.首先建立不同分析窗口下的坡度精度模型,讨论拟合曲面和DEM地形曲面匹配程度的分析方法,然后以分布在不同地貌类型和地形特征部位的样点为研究对象,分析不同窗口大小对坡度计算的影响规律;通过X2检验法,研究不同分析窗口下拟合曲面和DEM曲面的匹配程度,最后综合考虑两个方面的影响,探讨基于DEM坡度计算的适宜窗口.研究主要结论为:①坡度计算精度随着分析窗口的增大而提高;②随着分析窗口的增大,拟合曲面与DEM地形曲面之间匹配性逐步减弱;③坡度计算的精度应该在拟合曲面和DEM地形曲面相匹配的前提下,通过适当扩大局部窗口来获得,推荐5×5局部分析窗口为DEM坡度计算的适宜窗口;④DEM地形参数计算中,不应过分的追求计算精度而忽视形态的相似性,否则尽管地形参数的精度很高,但只具备数学意义而没有地形意义.     

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。     

基于最小二乘拟合的三维激光扫描点云滤波

针对传统的使用单一拟合法滤波的不足,提出组合曲面拟合滤波方法。方法在对点云分割选取拟合点的基础上,先进行二次曲面拟合,去除误差较大点,然后在剩余的点云中,选取较为准确的多面函数拟合点,利用多面函数曲面可更好地表达地形细节,进一步逼近真实的地形表面的优点,进行二次滤波。实例表明,本文组合最小二乘拟合的点云滤波效果较好,去噪后的点云可用于生成准确的DEM。     

连续曲率张力样条方法参数选取

连续曲率张力样条方法在最小曲率格网化方程中引入张力参数,可以消除最小曲率拟合曲面在已知数据点之间的区域存在的较大波动和无关变形点,张力参数的取值在区间[0,1)。针对海面高数据,研究了张力参数取不同值的结果,得到了张力参数的最佳取值范围。     

空间边界缓冲区切片曲线拟合在点云空洞修补中的应用

针对现存的点云空洞修补算法中先精确提取空洞边界,再根据边界邻域点集信息修补空洞的过程,提出了一种基于空洞边界缓冲区切片曲线拟合的空洞修补方法。该方法首先基于不同K邻域内点集的重心变化和密度聚类提取空洞边界缓冲区点集,建立提取点集的局部坐标系;然后采用Householder变换使点集局部坐标系z轴与全局坐标系Z轴平行;最后沿着两个正交的方向切片,根据切片上的点进行曲线拟合并插值出空洞区域点。采用斯坦福大学三维扫描库中的bunny点云数据进行计算分析,基于修补后新增点集到原始空洞内被裁剪点集拟合曲面的距离来定量分析空洞的修补精度,其中闭合空洞和岛屿空洞修补后新增点集到曲面的平均距离分别为0.001 7和0.001 2 m。将本文方法与商用软件Geomagic的修补效果进行对比,结果表明本文方法在闭合空洞类型和岛屿空洞类型中的修补结果可以更好地保存局部区域特征。     

混合整体最小二乘曲面拟合在点云滤波中的应用

针对传统点云滤波过程中拟合曲面不连续，参数求解不合理及高差阈值不明确的问题，本文提出一种基于混合整体最小二乘的曲面拟合约束法。利用中心网格加权坡度值构建了多尺度格网，探讨了依据网格邻域选取地面种子点的标准，分析了混合整体最小二乘曲面方程求解和根据滤波结果逐级调整高差阈值的方法和步骤。试验结果表明，该方法提高了复杂区域的点云滤波精度，为构建数字高程模型提供了精确数据。     

融合k-means聚类和Hausdorff距离的散乱点云精简算法

针对点云精简算法在处理点云数据时特征保留不完整和对小曲率点云精简造成数据空洞的问题,提出了一种融合k-means聚类和Hausdorff距离的点云精简算法。该算法在八叉树算法的基础上构建点云数据的拓扑关系,首先计算所有点云数据点的主曲率,然后计算点云数据点主曲率的Hausdorff距离,根据精简目标要求设定Hausdorff距离阈值,实现点云特征提取,最后对非特征区域进行k-means聚类提取特征点,并将两次提取的特征点融合得到精简结果。实验结果表明,该算法能较完整地保留模型的特征信息,并能避免形成空洞现象。     

基于体元的机载LiDAR点云数据建筑物提取算法

针对目前机载LiDAR点云数据存在的数据组织效率低下以及不利于查询等问题,本文提出了一种基于体元的建筑物提取算法。首先,构建体元模型实现机载LiDAR数据的真三维描述;然后,计算局部邻域曲面拟合残差,将残差最小的体元视作种子体元;最后,根据局部邻域法向量夹角准则来实现种子体元的区域增长,从而获得建筑物点。本文选取ISPRS公开的点云滤波测试数据中的8种复杂场景进行实验,实验结果表明:本文算法不仅原理简单、容易实现,而且具有较好的鲁棒性,不会受地形以及建筑物类型和尺寸的限制,Kappa系数达到80%以上,实现了复杂场景下建筑物的提取。     

最邻近曲面约束的近景光学影像与地面激光点云几何配准

提出一种以最邻近曲面为约束的近景光学影像与地面激光点云高精度配准方法。根据光学影像生成三维稀疏点云,以影像三维稀疏点邻近的激光点拟合的曲面为约束,结合共线条件方程建立影像三维稀疏点云与三维激光点云间变换模型,通过平差迭代解算实现光学影像与激光点云的高精度几何配准。该方法只需提供初始配准参数,无需对激光点云数据进行特征提取和分割,并且基于曲面约束有效地解决了两个点集之间难以精确确定同名点的问题。通过实际数据试验表明该方法能获得很好的配准精度。