激光扫描点云图像背景交互式滤除

激光扫描系统获取的数据中包含了大量背景信息,给信息提取和表面重建工作带来严重影响,需要有效滤除。依据空间点与平面的位置关系,提出了针对车载激光扫描点云图像背景信息滤除的有效方法,并以OpenGL为工具,开发了一系列点云数据处理工具,能快速、直观、准确地滤除无用背景信息,完整地保留有用的前景信息,从而为大规模三维场景快速重建提供保障。     

基于车载激光扫描的带状地物表面快速重建

根据带状地物空间形态特征以及车载激光扫描系统对带状地物数据采集的特点,提出对相邻两条扫描线数据构建三角网进而完成整个带状地物表面快速重建方法。该方法充分利用了每条扫描线获取带状地物横截面的特点,相邻两条扫描线构建的三角网能准确地反映其所覆盖的狭长条带区域的形态结构,把所有狭长条带连接起来便能准确地描述整个带状地物的形态结构。在网格构建过程中自动建立点、线、面间的拓扑关系或隐含拓扑关系,查询和动态更新操作都限制在非常狭小的范围内,便于快速重建。     

三维激光扫描技术在煤矿沉陷区监测应用

采用三维激光扫描仪与传统观测相结合的方法,获取开采沉陷区精细三维点云数据,在对激光点云数据预处理和数据分析基础上,分别对采空区地表沉降、铁路线沉降、铁路桥沉降与形变监测进行研究,并与传统观测结果进行对比分析,结果表明两者具有较好的一致性。     

基于空-地多源数据融合的建筑物精细建模研究

针对建筑物精细建模的精度问题,对同一试验区建筑物群的机载LiDAR顶面数据、航空正射影像数据和车载LiDAR立面数据进行试验研究,通过精确提取各建筑物群的顶面和底面矢量轮廓线,对矢量轮廓线间的水平间距进行定性与定量分析,研究结果对空-地多源数据融合进行建筑物精细建模提供可靠的技术支持。     

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。     

基于多源激光点云融合的建筑物BIM建模

墙体、窗户等单元构件是建筑物重要组成部分,精细提取其几何参数及位置信息对于完整表达建筑物整体模型具有重要意义。针对单一点云数据源无法获取建筑物单元构件相关参数并完整表达室内外模型重建问题,本文提出一整套融合室内外多源点云数据的BIM模型重建技术。为验证方法的有效性,选取河南理工大学测绘与国土信息工程学院教学楼为实验区域,室内外数据采集时间为2019年5月。在对实验区域机载、车载和地面点云数据进行预处理的基础上,分别选取各点集共轭特征点,以高精度的地面点云为基准,将机载和车载点云融合到地面点云。为提高后期模型重建精度及处理效率,以点云间最小空间距离的方式剔除重叠区域冗余数据。对建筑物进行整体平面与立面剖切,将剖切面在CAD中进行跟踪绘制二维线划图,将二维线划图导入Revit软件中绘制轴网与标高,并利用提取到的墙体几何参数编辑墙体族类型进行BIM模型重建。根据提取到的窗户几何参数统计其类型并编辑窗户族,将其归为有规律性和无规律性两类,有规律性窗户单元找出其重复性规律及位置控制参数,无规律性窗户单元逐个放置,二者结合优化BIM模型。为验证模型重建精度,选取建筑物代表性立面,以人工实测立面边长为参照,将由点云数据提取到的相对应立面边长及模型边长与之对比分析,其误差集中分布在0.0~0.2 m之间,存在0.2 m以上误差,但大部分在0.3 m以下。实验结果证明了该方法的准确性。     

陡坡密集点云双重滤波方法研究

用地形三维激光扫描仪监测陡坡表面的细微变化,关键技术之一是对原始点云的精确滤波,即从密集点云中准确滤除非地形点,保留真实地形点。针对地势陡峭、表面复杂、植被多、密度分布极不均匀的陡坡点云,笔者发展了一种双重滤波方法:在对原始点云进行投影面变换的基础上,采用变窗口均值限差法滤除明显的非地形点,完成粗滤波;通过局部区域增长法找出绝大多数地形点,以占优势的地形点为参考,用局部最小二乘曲面拟合法对剩余未分类数据点进行检核,分离出非地形点,完成精滤波。文中选用3个不同类型的陡坡点云实例验证了该方法对于陡坡密集点云具有良好的滤波效果。该算法对野外大场景三维激光扫描点云滤波也有一定的参考价值。     

三维激光扫描仪平缓地形分区扫描方法研究

三维激光扫描仪对平缓地形扫描作业时,存在点密度不均匀、冗余数据多、有效扫描半径小等限制。为减少上述限制,提高作业效率,在深入分析三维激光扫描仪工作原理的基础上,提出分区扫描方法:根据到扫描仪中心距离的不同,将扫描范围分为若干环状区域,每个环状区域分别对应不同的竖直扫描夹角,各区域基于扫描点密度均衡的原则,设置不同的扫描参数。试验结果表明:竖直扫描角度分别为88°~89°、85°~88°、70°~85°、45°~70°的分区扫描方法为较理想的方法,与整体扫描方式相比,前者在作业效率、有效扫描半径等方面均有明显优势,数据点密度分布得到很大改善,利用效率明显提高。     

基于车载激光扫描的公路三维信息提取

针对公路信息系统建设中数据生产成本、数据精度和生产效率间存在重要矛盾的问题,作者采用车载激光扫描方式快速获取公路及其两侧地物高精度三维表面信息,根据公路自身形态结构特征及其在车载激光扫描数据表达中的特点,实现了公路边界信息的自动提取、路面上车辆信息的自动探测与去除以及空洞的自动填补,并实现路面信息和公路边坡信息的快速获取。试验证明作者提出的方法具有较高精度和较强适应性,为解决数据生产中的矛盾指出一个新途径。     

车载LiDAR场景中路灯的提取与识别

为解决车载LiDAR城市场景中路灯提取和识别问题,文中提出基于样本的路灯提取算法。先通过人机交互的方式提取路灯的样本参数;再依据数学形态学闭运算提取点云场景中疑似路灯的位置,根据样本参数确定疑似路灯范围并提取疑似路灯点云;然后进行路灯样本和疑似路灯点云的匹配;最后,通过建立路灯样本缓冲区实现路灯判断和提取。通过试验验证,算法不仅可以快速自动提取路灯点云,还能完成路灯单一种类的识别。