基于地物特征提取的车载激光点云数据分类方法

车载激光扫描测量方法较传统摄影测量方法具有更多优点,它能快速采集大面积、高精度的三维空间数据,具有广阔的应用前景。针对车载激光扫描数据的分类问题,提出了一种基于地物特征提取的点云数据分类方法,即采用主成分分析(PCA)方法,在提取多种街区地物点云数据几何特征和总结地物对象特征知识规则的基础上,根据选取的主特征设计一套阶层式的分类方法,并利用该方法对一套车载激光点云数据进行了分类试验。结果表明,该方法的分类效果良好,具有一定的实用性。     

古建筑激光点云-模型多层次一体化数据模型

目前,主流的激光点云数据模型仍以散乱点组织为主,且点云与模型分开组织。本文应古建筑激光点云处理建模的数据组织需要,通过点云、模型的关联组织和古建筑层次编码等方法,创建了古建筑激光点云-模型多层次一体化数据模型。并通过实例应用进行了验证,效果较好,为点云的复杂数据组织提供了借鉴。     

古建筑激光点云-模型多层次一体化数据模型

目前,主流的激光点云数据模型仍以散乱点组织为主,且点云与模型分开组织。本文应古建筑激光点云处理建模的数据组织需要,通过点云、模型的关联组织和古建筑层次编码等方法,创建了古建筑激光点云-模型多层次一体化数据模型。并通过实例应用进行了验证,效果较好,为点云的复杂数据组织提供了借鉴。     

从激光点云中提取古建筑线性和圆形特征的比较

对古建筑激光扫描点云进行分割、识别,并利用Hough变换和最小二乘法从点云中提取直线和圆,取得了较满意的结果。对两种算法的提取效果进行了比较。     

基于多维欧氏空间相似度的激光点云分割方法

点云数据分割是对激光扫描(LiDAR)场景进行三维重建的基础。针对现有基于边界、表面或聚类的点云分割方法中存在的分割不足或过度分割问题,提出了一种基于多维欧几里德空间相似度的点云数据分割方法。通过计算激光点的法向量,结合点云的光谱特征进行数学变换,计算激光点在多维空间中的欧氏距离,比较邻近点间的相似性,最终完成对激光点云数据的分割。该方法解决了常用点云分割中几何特征和光谱特征无法同时使用的问题,融合了几何分割和颜色分割的两方面优势,提高了点云分割精度。采用2组数据分别比较了基于几何特征、光谱特征和多维空间相似度的3种不同分割算法的分割结果,实验结果验证了该方法的可行性和实用性。