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。     

面向序列影像的三维场景重建方法

针对序列影像三维场景重建过程中存在的自动化程度不高、模型精度不够等问题,该文提出了一种基于序列影像的三维场景重建方法。该方法利用尺度不变特征变换算子获得了大量稳定的特征点后,结合K-D树搜索策略以及随机抽样一致性误匹配剔除方法得到稳定的匹配点对,然后采用稀疏光束法平差获取序列影像的相对位置姿态参数,最后采用多视密集匹配方法实现场景目标的密集重建。实验结果表明:该文所提方法可以快速得到准确、完整的三维重建结果。     

采用Levenberg Marquardt的逐步递进波形分解方法

针对机载全波形Li DAR波形数据分解问题,提出一种采用Levenberg Marquardt的逐步递进波形分解方法。该方法基于Levenberg Marquardt的非线性最小二乘拟合算法,选取高斯函数模型并采用逐步递进的波形分解方式得到准确的模拟波形。对Riegl数据中的2条典型波形进行分解实验,并与普通非线性最小二乘方法的结果进行对比分析,证明该方法是可行有效的。