基于无人机传感器数据与词袋模型的点云自动化分类

激光点云分类是Li DAR数据应用的关键步骤和重要研究课题。针对Li DAR点云数据识别率低的问题,以体素化的点云为研究对象,提出了一种基于词袋模型的城区机载Li DAR点云数据分类方法。考虑到点云数据缺乏纹理信息,文中综合分析了点云数据和影像数据的特点,以点为单位提取描述点云的几何特征和影像特征分类特征;以体素为单位分割点云数据,并以体素为基础构建描述场景信息的词袋模型;最后基于随机分类器完成场景的分类。文中以ISPRS提供的Vaihingen数据作为实验数据。实验结果表明,本文提出的模型能有效地改善点云的分类质量,分类正确率能达到93%以上。     

融合点、体素和对象特征的多基元点云分类

单一基元分类方法难以全面描述复杂的点云场景,采用多基元进行分类成为一种趋势,提出了一种融合点、体素和对象特征的点云分类方法。主要包括4个方面：① 分别确定各层面分类基元,点基元方面采用最优邻域方法,体素基元方面基于八叉树方法进行体素划分,对象基元方面使用改进的多要素分割方法进行点云分割;② 提取各基元分类特征,首先提取点基元分类特征并进行局部线性约束编码(Locality-constrained Linear Coding, LLC),然后以此为基础提取体素基元和对象基元的潜在狄利克雷分布特征(Latent Dirichlet Allocation, LDA)和最大池化特征(Max Pooling, MP);③ 降低分类特征维度,利用随机森林变量重要性算法对分类特征进行筛选与降维;④ 进行点云分类,使用随机森林算法实现点云分类。采用3种不同类型的点云数据进行试验,结果表明融合3种基元特征的分类精度相比于点基元分类分别提升了1.43%、7.02%和2.48%,分类特征降维可以有效降低特征冗余度,分类器分类时间减少约70%;通过与其他算法的对比,新算法分类精度更优,且适用于多种场景点云数据的分类。     

基于改进RANSAC算法的复杂建筑物屋顶点云分割

屋顶模型重建影响到建筑物完整模型重建质量,屋顶面点云分割质量对屋顶模型重建具有重要意义。针对传统RANSAC算法在屋顶点云面片分割时易产生错分割、过分割等问题,本文顾及点云位置信息,提出一种对点云重新分配的改进RANSAC点云分割算法。算法暂时剔除非平面内点,选取平面内点集中3个点作为初始样本,平面拟合判定邻域是否有效,从有效邻域中选取标准差值最小的3个点为初始模型。利用RANSAC算法对屋顶点云进行分割。利用K近邻算法统计误分类点与面片的距离降低误分类,优化过分割面片并进行连通性分析,利用距离及法向量一致性检验的方法重分配非平面内点。为验证本文算法有效性,选取芬兰Helsinki地区的3栋相互独立的复杂建筑物屋顶以及上海某小区的6栋建筑物群屋顶作为实验数据。在2组数据中,本文提出的改进RANSAC算法分割屋顶面片的平均准确率分别为92.17%、87.82%,78%的建筑物屋顶不存在过分割。在第2组数据中,所有分割面片上的点与其对应的最佳拟合平面的距离的标准差的平均值为0.030 m。实验结果表明,本文算法分割建筑物屋顶面片的准确率较高,较好的抑制了过分割现象,且抗噪能力强。     

利用机载LiDAR数据重建大型复杂立交桥三维模型

立交桥三维模型在交通导航、景观设计等方面具有重要价值。机载LiDAR平台能够快速、准确地获取地物三维点云,有助于立交桥的提取与重建。本文提出了一种基于机载LiDAR数据的大型立交桥三维模型重建方法。该方法首先从原始数据中提取立交桥点云,然后构建三维网格并根据连通性对立交桥点云进行分割,将连通桥面进一步分割为无分叉或交汇结构且宽度保持一致的“结构单元”,接着利用道路中心线的连续性对立交桥遮挡部分进行修复,并结合桥面中心线和宽度信息对桥面进行重建,最终获得完整的立交桥三维模型。为了验证方法的有效性,本文选取了2个立交桥数据进行实验。结果表明,重建模型的正确率和完整率达均到90%以上,质量较好。本文方法能够取得较好的大型立交桥三维重建效果。     

基于3D基元拟合的复杂屋顶点云三维重建

几何语义一体化三维建筑物模型是智慧城市建设的重要基础数据，有利于促进建筑设施的精细化管理和智能化应用。当前基于点云的三维重建算法大多关注简单屋顶结构的几何模型构建，忽略了模型的语义表达，且基于数据驱动方法的重建结果容易受噪声影响，存在几何和拓扑错误。为了解决复杂屋顶高精度三维重建难题，本文提出一种基于3D基元拟合的复杂屋顶点云三维自动化重建算法。首先，设计了一套可参数化表达的建筑物3D基元库，包含简单和复杂屋顶。其次，通过点云分割和屋顶拓扑图比较来识别点云对应的基元类型。然后，提出了一种点云与3D基元整体拟合的目标优化函数，采用序列二次规划算法估计基元的正确参数。最后，利用城市地理标记语言（City Geography Markup Language, CityGML）构建几何、语义和拓扑一体化表达的三维模型。采用几种不同屋顶风格的建筑物点云数据进行实验，定性和定量对比分析结果表明本文方法能够高效生成几何和拓扑均正确的CityGML模型，对噪声和局部点云缺失具有一定的鲁棒性，有利于促进几何语义一体化建筑物模型快速自动化构建。     

基于三维激光扫描仪的边坡形变监测研究

摘 要： 利用三维激光扫描仪获取铁路边坡形变数据，并对点云数据进行体素化处理，利用种子生长法对体素化后的数据进行分类，并拟合其空间参数；通过观测点云数据与目标数据分类结果拟合平面之间的距离，确定边坡形变的具体值；利用扩展卡尔曼滤波对多期数据进行统计分析，得到边坡形变的速率与加速率，预测边坡形变。     

基于ISCAN和CYCLONE的三维街景数据处理方法

如何快速有效地获取高精度、高分辨率的地理空间信息数据已经成为城市智慧化发展的重要问题,本文分析了三维街景地图的发展现状与目前多数街景数据采集手段存在的问题,介绍了利用中海达一体化移动三维激光测量系统采集点云数据的过程,以及结合徕卡CYCLONE软件进行建模的方法,对原始测量的点云数据进行去噪、平滑、拼接配准等处理后得到目标建筑物精准的表面信息,进而构建三维表面模型,将校正过的照片进行纹理映射得到真实的三维模型。实验证明:此方法可快速地获取较为精准的点云数据并且实现对建筑物的快速建模。     

三维海量点云数据的组织与索引方法

三维点云是三维GIS重要的数据来源,也是三维GIS对地学空间对象、现象进行表达、描述以及建模的重要手段。点云数据的高效组织是对其进行各种分析处理的基础,为此本文在对三维坐标点按照一定的规则进行排序的基础上,采用规则空间八叉树与平衡二叉树相结合的嵌套复合结构进行组织,大大加速了三维点数据基于坐标的查询检索,为海量点云数据的进一步分析操作奠定了基础。最后,文中对该复合组织结构进行了内外存相统一的设计与实现,并验证了该方法的正确性及有效性。     

基于Gradient Boosting的车载LiDAR点云分类

车载LiDAR点云中包含地面、建筑物、行道树、路灯等丰富地物类别,自动对这些不同类别点云进行分类,对点云中目标的识别、提取及重建都具有重要意义。本文提出了一种基于Gradient Boosting的自动分类方法。该方法首先对车载激光点云进行数据预处理,然后计算点云的协方差矩阵、密度比、高程相关特征、局部平面特征、投影特征等,再计算点云特征直方图与垂直分布直方图,采用K-means方法对这两者分别进行聚类,并将其聚类类别值也作为特征,从而构建出20维的点云特征向量,应用Gradient Boosting分类方法进行自动分类。为了验证本文方法的有效性,从某城镇场景的车载激光点云数据中选取部分代表区域共144W点作为训练数据集,然后选取另一较大区域的点云共312W点作为测试数据集。使用训练好的分类器对测试数据集进行分类,分类结果总体准确率达到了93.38%,耗时631s,说明此分类方法具有较高的分类准确率,同时也具备较高的效率。     

一种邻接区域平面元融合的桥面分割方法

针对桥梁点云的桥面分割问题,提出一种邻接区域平面元融合的桥面分割方法。首先对点云进行体素化处理获得体素点云,利用超体素空间和法线约束准则进行桥梁点云过分割;然后利用面片法线的方向和模长进行面片过滤,获得包含桥面的候选面片;最后对候选面片进行邻接区域平面元融合,使用统计分布方法筛选融合区域,获得桥面点云。实验证明,该方法可以有效分割桥梁点云的桥面,稳定性较高且能保留体素化前的原始数据。相较于区域生长法和超体素区域生长法,该方法在跨区域融合方面有较好的抑制作用,更适用于桥梁点云的桥面分割。     

回波强度约束下的无人机LiDAR点云K-means聚类滤波

针对目前无人机激光雷达点云滤波过程中存在的效率低、误分割和精度差等问题,本文在对点云三维坐标进行K-means聚类得到不同聚类结果的基础上,引入最大-最小标准化方法对不同聚类结果的点云回波强度原始值进行标准化,得到 0-1范围回波强度规则值。针对不同聚类结果选择不同范围的回波强度规则值得到对应地面点云,以提升研究区点云的滤波精度并减少其地面点云的数据量。同时,对比利用K-means聚类对三维坐标和回波强度原始值进行滤波的结果。结果表明：对研究区点云去噪、抽稀预处理后得到107 372个点云数,利用K-means方法对三维坐标和回波强度原始值进行聚类滤波得到地面点数为66 713个,占点云总数的62.133%。通过使用本文方法可剔除过分割地表植被点13 648个,得到地面点云占点云总数的49.422%。该方法能够较好地保持地形轮廓并降低地面点云的数据量,从而为后期快速建立高精度DEM奠定基础。     

基于车载激光点云的街景立面自动提取

街道景观图是城市规划设计和城市管理的重要参考依据,车载点云数据能够提供沿街建筑的三维点信息,精度高,覆盖范围广泛,为街景立面整治提供了新的解决方案。为此,本文提出一种适用于车载点云的街景立面的自动提取方法,提取立面点云的具体步骤为：对原始数据去噪滤波;选取非地面点构建规则格网并二值化,依据语义特征筛选出建筑物点云;用POS数据拟合直线段帮助选取参考向量与参考平面;计算点云到参考面的距离,按距离分类点云数据,并对前述步骤中未分类点另行提取,合并面点集得到以沿街建筑物立面为主的街景立面点云。为了验证这一方法的可行性和有效性,采用点云数据进行实验,实验结果表明本方法在一定程度上提高了数据处理效率,能得到较理想的结果。     

基于区域特征分割的密集匹配点云渐进形态学滤波

随着计算机视觉和遥感技术的进步,基于遥感影像的密集匹配也成为目前获取高精度点云的重要手段之一。与LiDAR点云类似,点云数据处理的基础步骤就是点云滤波。在数据特征上,密集匹配生成的点云与LiDAR获取的点云既类似但又有区别。本文在渐进形态学滤波算法上添加了特征条件,将点云和图像结合成深度图像,并对深度图像按典型地物类型进行语义分割,从而对与图像平面坐标一致的点云进行标记和首次滤波;然后按几何特征将场景简单分类,按分类结果对应的参数滤波构建地面点三角网;最后综合初滤波结果和语义分割类型标记对特征相似的区域进行优化确认,得到最终的滤波结果,并与布料模拟滤波（CSF）算法进行了对比验证实验。结果表明,基于特征的渐进形态学滤波其I类误差在1.98%以内,Ⅱ类误差在2.33%以内,较适宜对精度要求较高的应用,尤其是混合地形的滤波。     

八叉树与三维R*树集成的激光点云数据存储结构

针对海量激光点云数据组织与管理困难等问题,结合八叉树在三维空间上的快速收敛能力以及三维R^*树对不规则分布的多维点数据性能稳定的优势,提出了一种八叉树与三维R^*树集成的空间混合索引结构—3DOR^*树。首先,通过对激光点云数据进行八叉树划分;然后,对八叉树叶子节点构建三维R^*树,进而实现3DOR^*树索引结构的构建;最后,对激光点云数据进行特征分析,构建基于3DOR^*树的激光点云数据存储结构,实现基于3DOR^*树的激光点云存储与管理。本文以江西理工大学图书馆激光点云数据为例,进行实验对比分析,证明了基于3DOR^*树的激光点云数据存储结构比三维R^*树、八叉树与三维R树混合树等其他树形结构,具有高效的空间存储与查询等优势,可应用于海量激光点云数据存储、管理与分析应用。     

室内三维点云与BIM集成的建筑施工进度监测方法

施工阶段是建筑生命周期的重要阶段,施工进度如果存在拖延会影响整个建筑工程项目的完成。传统的施工进度监测主要依靠人工方式进行实地检查记录,而项目施工现场的数据丰富,信息量大,只依靠人手工采集耗时耗力。因此提出一种室内三维点云与BIM集成的建筑施工进度监测方法。该方法首先通过BIM数据解析将BIM模型转化为三角网表达;其次手动选取BIM模型与三维点云间匹配点,采用最小二乘优化方法计算三维变换矩阵,实现两者的精确配准与融合;根据BIM组件语义进行门窗部件筛选并提取部件轮廓信息并填充均匀点云,最后采用三维点云变化检测方法对门窗部件的施工进度进行核查。以Revit数据与Geo SLAM系统采集的三维点云作为数据来源,对该方法进行了实验验证,实验结果显示该方法可实现建筑施工进度半自动核查。     

基于监督与非监督分割评价方法提取高分辨率遥感影像特定目标地物的对比研究

基于地理对象的影像分析方法已成为高分辨率遥感影像分析的重要手段。影像分割作为其关键步骤,如何设置合适的分割算法参数对后续分割和分类结果有重要的影响。目前分割参数优选方法的探讨分别从非监督与监督分割质量评价2个方面展开,而何者更适合高分辨率遥感影像特定目标地物分析仍缺乏对比研究。本文以城镇和乡村为例,选取多源遥感数据Quickbird、WorldView-2和ALOS影像中共有的3种典型土地覆被为研究对象,基于2种具有代表性的非监督与监督方法ESP2 (Estimation of Scale Parameter 2)与ED2 (Euclidean distance 2) 进行实验,对最优分割和分类的结果进行全面的对比分析。结果表明：① 相同实验参数下,监督方法均能以较少的分割数据集获得目标地物的最优分割结果,且与真实地理对象吻合度更高;② 非监督方法依靠影像自身特征分析进行分割参数优选,无法克服不同景观格局和影像分辨率的影响,而监督方法可通过改变参考数据集的面积和空间分布模式等来降低其影响;③ 非监督方法往往因为欠分割而漏分小目标地物,这样会严重影响局部分类结果。虽然本文中非监督与监督方法的整体分类精度均可达90.08%以上,但非监督方法的漏分率却是监督方法的1.43~4.65倍。因此,本研究认为监督方法更适合分析高分辨率遥感影像特定小目标地物。     

基于改进的角度偏差法的采空区点云数据精简

在保证采空区几何特征不变的前提下,有必要对点云数据进行精简,提高三维建模及其应用的效率.介绍了点云数据精简算法的评价体系,探讨了空区探测系统扫测采空区的点云数据特点;在对比最小距离法、平均距离法、角度偏差法、弦高偏差法等采空区点云数据精简方法的基础上,提出了保留采空区几何特征更为有效的点云数据精简方法———改进的角度偏差法.通过对比精简前后的扫描线周长、面积及标准差等指标,认为该方法不但保持了扫描线的细节,而且使精简后扫描线上的点分布较均匀,为后续三维建模及应用打下良好基础.     

一种新的散乱点云数据多级空间索引

散乱点云数据具有数据量大（海量性）、数据表达精细（高空间分辨率）、空间三维点之间无拓扑关系（散乱性）等特征,在对其进行应用前必须进行数据预处理（如去噪、配准、分割等）。而在这些数据处理过程中需频繁的进行邻域查找,如果没有高效的查询索引机制,很难实现数据自动处理。因此,如何进行数据的组织和索引,以提高后续邻域检索和查询等操作的速度,是目前点云数据处理中的一个研究热点。针对现有点云数据采用的空间索引方式的优缺点,本文提出了一种多级格网和KD树混合的空间索引,该索引提出变分辨率格网索引与KD树的混合索引模式,简称MultiGrid-KD树索引。该方法在保持网格索引算法实现简单查询效率高等优点的同时,解决了单一分辨率数据冗余的问题。以故宫太和殿的点云数据为例,对本文提出的MultiGrid-KD树索引算法和KD树、八叉树等经典算法做对比。结果表明,本文索引方法在最邻近点查询以及四邻域查询的效率上均优于KD树,以及八叉树索引。     

大型石窟遗产海量点云快速可视化

文化遗产数字化是实现遗产保护与修复、传承与活化的重要手段。三维激光扫描技术是近年来被广泛应用于遗产数字化的有效手段,其能够以非接触方式获得高精度、高密度三维点云,但是这些文化遗产(尤其是大型石窟)的海量三维点云,为快速处理及应用带来了严峻挑战。为实现普通计算机配置下石窟遗产海量点云的快速浏览与展示处理,构建了基于文化遗产本体综合价值的点云分块策略,通过八叉树数据结构对每一数据分块进行组织管理,并采用开源引擎Potree.js搭建可视化场景,进而完成海量石窟点云的快速可视化处理。以某一大型石窟遗产三维点云开展可视化处理实验,并与3DHOP、Cesiumlab等可视化解决方案进行对比分析,结果表明本文方法简单易操作,处理时间和渲染效果都得到了有效改善。     

基于地面三维激光扫描强度数据的潮滩表层含水量估算

大面积潮滩表层含水量的测定是潮滩研究中的难题,传统的测量方法难以同时满足高效和精度的要求。地面三维激光扫描技术凭借其高精度、高分辨率以及主动性强等优点,已经高效运用在潮滩地形研究中。但是,对潮滩含水量进行有效分析,仅利用点云的空间几何信息是不够的,还需要对点云的强度数据进行挖掘。地面激光扫描仪提供了包含目标表面光谱反射特性的点云强度数据,利用强度数据可以有效地进行目标表面特性提取。本文提出了一种新的长距离地面激光扫描仪强度数据改正方法,对入射角和距离效应进行有效改正。利用Riegl VZ-4000长距离地面激光扫描仪建立室内含水量模型并对上海市崇明岛一处潮滩进行测试分析,同时收集26个潮滩沉积物样品并利用传统干湿称重法进行含水量验证计算。结果表明：相比于传统技术,利用改正后的激光强度值估算大面积潮滩沉积物表层含水量是一种精确和高效的方法。改正后的激光强度值与潮滩表层含水量存在幂函数关系,相关系数为0.961,估算精度为91.94%。