排序方式: 共有37条查询结果,搜索用时 932 毫秒
31.
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。 相似文献
32.
在地面三维激光点云特征提取的过程中,由于三维点云数据采集仪器、采集方法及后期处理等因素影响,依靠传统的基于曲率、法线等几何特征及统计学算法提取出的点云特征数量较多且存在较大误差,若使用其直接作为特征点数据进行点云粗配准,很难提高点云粗配准的精度及速度。因此,本文在对点云数据实际空间分布结构分析的基础上,结合特征点提取算法、法向一致化算法、PCA(Principal Component Analysis)方法及特征点聚类等方法,提出了一种三维激光点云数据虚拟特征点拟合算法。该算法生成的虚拟特征点是由点云实际的特征点拟合得到,或是由位于被测物特征线上的特征点拟合生成的特征线计算得到,该虚拟特征点并不是扫描对象上实际存在的激光反射脚点。通过实验验证,虚拟特征点拟合算法可以较准确地拟合出由于设备及操作方法等原因而未被采集到的建筑物边角点数据,得到的虚拟特征点数据较实际特征点数据具有更少的数据量及更高的精度,使用拟合得到的虚拟特征点可以减少粗配准算法的计算量,提高粗配准算法的计算效率并能获得更精确及可靠的初始配准变换参数。 相似文献
33.
本文给出了2001年8月24-25日在500hPa西北气流下产生的对流云团单体合并、加强形成中尺度对流复合体(简称MCC)的发展过程,并对其发生的环境条件进行了分析。结果表明,当低层水汽充足、局地大气具有潜在不稳定能量和适当的触发条件时,在500hPa西北气流控制的地区会出现中尺度对流复合体,产生强降水天气。本次过程主要是低层气流的辐合造成水汽、能量的聚积,低层的增暖增湿,高层的干冷空气入侵,形成了强的对流不稳定区;中尺度扰动及低空偏南气流在地面静止锋上被迫抬升,引起中尺度对流云团发展合并,是MCC生成的主要机制。 相似文献
34.
35.
云南一次切变线上中尺度低涡扰动的结构分析 总被引:5,自引:0,他引:5
利用η中尺度数值模式模拟的时空高分辨输出、常规资料、GMS红外云图及TBB资料,对2002年6月25日切变线上中-α尺度低涡扰动的结构、形成过程及冷空气来源进行研究,结果表明,低涡环流的尺度属于中-α尺度,持续时间7小时左右,低涡成熟阶段,700hPa正涡度中心与低涡环流中心相重合,低空急流及强辐合中心位于低涡的东南象限;低涡环流由三股气流构成;低涡区上空存在超强散度柱、倾斜涡柱、深厚的上升运动区及特强垂直上升运动,超强散度柱与特强垂直上升运动互耦,强辐合、辐散中心发生在南、北风辐合、辐散且有强的υ分量垂直梯度处,低层正涡度中心的上方,存在一负涡度中心;最大的水汽辐合位于700hPa及550hPa;低涡区冷空气来自500hPa的滇缅高压;大暴雨中心位于低涡中心的东侧。 相似文献
36.
37.
基于现存凸包算法较难提取建筑物立面点云中的边界特征点等问题,提出一种构建凸包三角网的建筑物立面边界特征点提取算法。首先利用k近邻搜索算法查找每个点的近邻点,并通过主成分分析方法估算各点的法向量。然后将各点的近邻点投影到局部拟合平面,使用罗德里格法进行旋转获得二维投影点。最后利用凸包算法在求解边界特征点的基础上构建凸包三角网,并获得各三角形中近邻点占地率并统计各三角形的顶角值,得到剩余边界特征点。采用模拟和实测点云数据进行试验,并与改进的凸包算法和基于点的算法进行对比,结果表明,该算法能够提高建筑立面边界特征点提取的准确性和完整性,具有较强的适用性。 相似文献