排序方式: 共有39条查询结果,搜索用时 202 毫秒
1.
基元是影响点云滤波精度和效率的关键因素之一。本文提出了一种基于多基元的三角网渐进加密(MPTPD)滤波方法。它包括点云分割、对象关键点提取、基于关键点的对象类别判别3个主要阶段,且3个阶段的基元分别为点、对象、关键点。使用了4景机载激光雷达和摄影测量点云数据对MPTPD、三角网渐进加密(TPD)、基于对象的三角网渐进加密(OTPD)3种滤波方法进行了性能测试。试验表明,MPTPD方法具有整体上最优的性能:在精度方面,MPTPD与OTPD两种方法的精度相当,MPTPD方法的一类误差I、总误差T比TPD的相应误差分别低约22.07%和8.44%;在效率方面,多数情况下TPD、MPTPD、OTPD方法的效率依次降低,且MPTPD的平均耗时是OTPD平均耗时的57.93%。 相似文献
2.
目前,机载LiDAR系统获取的点云数据具有多回波的特性,回波特性可以揭示地物的类型信息。本文在排除粗差、首次回波和中间次回波后,对单次回波和尾次回波形成的点云子集进行基于3DHough变换分割和滤波处理以区分地面点和非地面点(包括墙面点),然后合并首次回波、中间次回波和非地面点再次进行点云分割,利用分割面片的尺寸大小、单次回波激光脚点比例、首次回波和中间次回波激光脚点比例等三个指标区分建筑物激光脚点和植被激光脚点。实验证明,上述方法可以很好地将点云数据分类为墙面点、地面点、建筑物点和植被点。 相似文献
3.
改进角度纹理特征提取高分辨率遥感影像带状道路 总被引:2,自引:0,他引:2
针对目前高分辨率遥感影像的道路自动提取算法研究中的不足,该文提出了一种基于并行角度纹理特征的半自动道路提取算法:用户输入完成道路中心线上的起始点、道路方向、道路宽度等初始化工作,利用并行角度纹理特征获取道路前进方向,用抛物线参数方程构建道路轨迹模型来预测道路轨迹点,使用角度纹理特征值构建的紧质度系数和抛物线的曲率变化来约束道路轨迹点,验证失败则转入手工跟踪;往复执行以提取道路中心线。试验证明,本算法是一种稳健的道路半自动提取算法。 相似文献
4.
5.
6.
电力线三维重建是直升机激光雷达(light detection and ranging,LiDAR)电力巡线的一项重要内容。提出了两种基于直升机LiDAR点云的电力线三维重建模型,包括直线段与悬链线段相结合的模型(简称为"模型一")、直线段与抛物线段相结合的模型(简称为"模型二")。其中,直线段位于xy平面,悬链线段和抛物线段位于过直线段的铅垂面。模型的创新之处在于两者均使用了电力线LiDAR点水平坐标进一步投影到xy平面上相应的拟合直线产生的比例因子作为悬链线、抛物线方程的参数。使用6个有代表性的实验数据、4个评价指标对6种重建模型(已有的4种和上述提出的两种)的性能进行评价和对比。实验结果表明,模型二具有最高的重建效率和最高的重建精度。另外,实验结果进一步说明铅垂面及铅垂面上投影模型的选择、误差因素的考虑等3个因素对重建模型性能有着显著影响。 相似文献
7.
本文通过分析机载LiDAR系统获取的激光数据的多回波特性,阐述了多回波信息对地物类型信息的揭示作用,并将多回波特性用于减少参与滤波的激光脚点数量。实验证明,本文提出的滤波方案,可以预先剔除掉大部分的植被激光脚点和部分的建筑物激光脚点,既减少了参与滤波的数据量,又可以改善滤波算法对建筑物和植被的滤除效果。 相似文献
8.
本文通过分析机载LiDAR系统获取的激光数据的多回波特性,阐述了多回波信息对地物类型信息的揭示作用,并将多回波特性用于减少参与滤波的激光脚点数量。实验证明,本文提出的滤波方案,可以预先剔除掉大部分的植被激光脚点和部分的建筑物激光脚点,既减少了参与滤波的数据量,又可以改善滤波算法对建筑物和植被的滤除效果。 相似文献
9.
面向对象的形态学建筑物指数及其高分辨率遥感影像建筑物提取应用 总被引:3,自引:3,他引:0
高分辨率遥感影像建筑物提取是摄影测量与遥感领域的一个热门研究主题。本文综合利用影像分割、基于图的数学形态学top-hat重建技术,提出了面向对象的形态学建筑物指数OBMBI,并将其应用于高分辨率遥感影像建筑物提取。首先,建立像素-对象-图节点的双向映射关系;然后,基于图的白top-hat重建和上述映射关系来构建OBMBI图像;接着,对该OBMBI图像二值化、矢量化以获取建筑物多边形;最后,对结果进行后处理优化。使用一景航空、一景卫星全色影像对本文方法和PanTex方法进行性能测试。试验表明,本文方法的建筑物提取精度显著的优于PanTex方法。其中,本文方法平均比PanTex方法的正确率高9.49%、完整率高11.26%、质量高14.11%。 相似文献
10.
针对基于直升机激光雷达(LiDAR)测量技术的电力巡线对全自动电力线三维重建的迫切需求,该文提出了一种基于分层随机抽样和电力线三维重建数学模型约束的单档电力线LiDAR点云聚类方法。其中,利用了直线段和悬链线段相结合的电力线三维数学模型描述了现实三维场景中的电力线形态,并以此约束点云分层随机抽样的结果。聚类过程中,首先进行数据预处理和分段组织;接着进行标号。实验表明,该文的聚类方法具有对电力线根数、电力线类型、电力线空间构型、长度、两端电塔高差、点云不规则断裂、粗差等因素不敏感的优势。 相似文献