车载联合机载LiDAR点云数据的建筑物立面精细分割

从数据量庞大且散乱的车载LiDAR点云中分割出建筑物立面数据是一项繁琐而艰巨的工作。本文提出一种结合机载LiDAR点云的车载LiDAR点云建筑物立面分割方法。该方法在空-地点云严格配准的基础上,从机载LiDAR点云中分割出每栋建筑物的顶部点云,提取建筑物顶部外轮廓线并进行规则矢量化处理,设置轮廓线缓冲区实现立面点云的粗分割;再采用基于稳健特征值的平面拟合法对单栋建筑物的每个立面进行去噪滤波,实现建筑物立面的精细分割。试验结果证明了该算法对城市场景中车载LiDAR点云处理的有效性。     

车载LiDAR点云相连行道树精细分割

针对车载激光雷达获取的行道树树冠点云相连问题,该文提出了基于树木生长模型的距离加权分割方法。首先通过等距原则将相连树粗分割为单株树木,采用求差和拟合算法获得树木高度、胸径等属性信息;再根据树木的理论和实际生长模型,计算得到树冠距离加权值;最后在此基础上对树冠进行迭代处理,实现邻接行道树点云的精确分割。经过不同树种试验验证,该算法能够实现对多棵相连树点云的进一步精确分割。     

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。