三维激光点云联合无人机影像的古建筑重建

古建筑保护是当下测绘领域的热点研究课题,非接触测量是克服传统方法数字化不足、容易造成"二次破坏"的有力举措。本文以哈尔滨红霞街99号外侨私邸为例,提出了一种将三维激光扫描技术和无人机航测技术相结合进行古建筑重建的研究方案。基于三维激光扫描仪和无人机获取的古建筑内外点云数据和影像数据,利用点云数据生成正射影像并绘制平、立、剖面图,创建三维模型,最后以实地量取的建筑物尺寸数据为参考分析得出图纸和模型误差。结果表明：利用三维激光点云联合无人机影像能够高效地进行建筑图纸恢复,创建高精度精细化的三维模型,为古建筑保护提供了一种全新的思路。     

三维激光点云联合无人机影像的三维场景重建研究

采用空-地多源数据融合技术进行三维场景精细重建研究:以三维激光扫描激光点云为基础,获取地面可视地物的三维空间信息,以无人机航拍获得的正射影像为辅助,获取地物顶部三维空间信息,以3ds Max软件为建模工具对三维场景进行重建,系统研究了数据采集、数据预处理、三维模型构建、三维场景重建等关键技术。实例结果表明,重建的三维场景及模型精度能满足小范围场景建设需要。     

基于影像的地面激光点云数据分类

为了完成地面激光点云数据的分类工作,不同于传统方法利用点云的几何特性和辐射信息,本文利用非量测相机获取影像数据实现点云的分类。首先,通过相机检校获取相机的参数,从而得到影像内方位元素;然后,将影像与点云进行配准,计算出影像的外方位元素;最后,对上述参数进行优化,实现二维影像与三维点云信息的融合,进而完成点云分类。实验表明该方案可实现地面激光点云数据的分类。     

激光点云与航空影像融合分类

为了更好地利用激光点云数据和航空影像数据信息,改善影像分类效果,提出了将激光点云数据与航空影像进行融合分类,实现面向对象的融合分类方法。在航空影像的分水岭分割算法中加入激光点云高程信息计算梯度,然后结合两种数据源的特征,建立分层分类的规则集得到地物的分类结果。试验表明,激光点云的高程信息能够改善影像分割效果,也能将地面地物与非地面地物较好地区分,对建筑和植被的分类起到了有效作用。     

基于CSF的无人机影像数据点云滤波算法实现与应用

基于无人机影像匹配点云数据技术,提出利用布料模拟滤波算法(Cloth Simnlation Filter,CSF)进行点云滤波计算,结果表明:布料模拟滤波算法在点云滤波匹配过程中,仅需要对六个参数进行简单设定就可以达到预期的地面点和非地面点的滤波匹配效果,地面点的匹配误差率为4.9％,非地面点的误差匹配率为8.4％,总...     

基于多特征的GF-2影像城市植被分类方法

城市植被是改善城市生态环境,提高城市生态质量的重要保障。针对城市植被研究中国产卫星使用较少及传统分类技术无法应用高分辨率影像的纹理特征问题。本文通过提取光谱特征、纹理特征,结合随机森林算法的方法对单时相高分二号影像进行分类。相比于只用光谱特征,分类的结果比单一光谱特征分类的效果较好,总体分类精度为85.11%,Kappa系数为0.80,比单一光谱特征分类总体精度提高了4.19%,Kappa系数提高了0.6。基于多特征的分类方法提高了分类的精度,为获取城市植被的空间分布特征提供了一种新的方法。     

基于UASMaster的影像匹配点云分类的应用分析

根据近年来对无人机航测的实践应用经验及其发展趋势,结合河南理工大学项目对基于影像匹配融合获取的点云进行点云分类,得出利用UASMaster结合分层分类思想对无人机获取的点云进行分类处理的方案是可行的。     

无人机影像点云与地面激光点云配准的三维建模方法

地面激光扫描仪(Terrestrial Laser Scanner,TLS)能够快速地获取高大建筑物侧面点云数据,但较难获取其顶部点云数据。无人机(unmanned aerial vehicles,UAV)通过搭载五镜头倾斜摄影相机,能在短时间内获取高大建筑物的顶部影像,并基于摄影测量原理生成建筑物顶部的三维点云。文中针对高大建筑物的三维建模,首先通过UAV影像构建三维点云信息,然后将UVA影像点云与TLS点云数据进行配准后构建其三维模型。以云南师范大学呈贡校区武之楼为例,分别采用单一源的两种数据进行三维建模,并与两种配准后的数据进行三维建模作比较,实例结果表明,配准后的数据建模更完整,效果更好,能更完整地表现出建筑物的信息。     

基于无人机影像的城市用地分类系统设计与实现

在分析现有土地利用现状数据调查方法缺陷的基础上,提出了一套基于无人机影像计算城市规划相关指标的解决方案。以无人机影像、地形图为数据源,使用ArcGIS Engine和GDAL技术完成了城市用地分类系统的开发。系统集影像数据读取、显示、图像分类、城市指标计算等功能于一体,能简便快捷地获取土地利用现状资料并得到部分相关城市规划指标。ArcGIS Engine与GDAL技术的结合为用户提供了良好的交互效果。     

激光点云与影像点云辨析

正一、引言三维激光扫描技术是一种获取城市三维空间数据的新手段,20世纪末出现后,该技术逐渐成为摄影测量、遥感等领域的研究热点。按照载荷平台的差异,三维激光扫描主要分为地面、车载和机载3类。其中,地面激光扫描仪如国外的Faro Focos3D、国内的LS300等通常被安置在地面三脚架上,车载激光扫描仪如iScan移动测量系统等安置在汽车上,机载激光雷达主要在飞机、热气球等移动搭载平台上应用。随着光学、电子学的不断发展,以及GPS技术、惯性导航技术、CCD影像及激光测量技术的发展与成熟,多平台和多传感器集成技术成为获取地球空     

利用倾斜影像重建点云的建筑物变化检测

城镇空间建筑物的变化检测是分析城市空间格局变化的一项重要内容。针对利用卫星影像检测建筑物变化过程中噪声、复杂边界等干扰难题,本文从不同期倾斜影像重建点云中自动提取建筑物平面和高度两个维度的准确变化信息。首先采用布料模拟滤波算法较大程度上减少地形点的影响;然后利用一种动态图神经网络深度学习方法,有效地检测出点云中的建筑物,通过前后两期点云分类后结果对比提取出建筑物的三维变化信息;最后选取杭州市萧山区局部区域的两期倾斜摄影测量密集匹配点云数据开展分析验证。结果表明,本文方法能够在大范围内快速实现可靠的建筑物变化检测,建筑物平面和高程两个维度的变化信息均有很好的反映,为城市精细化管理提供了一种有效方法。     

基于点云卷积的点云分类方法研究

基于深度学习方法,借鉴二维图像卷积的思想,设计了一种适合三维点云的卷积操作。点云卷积的作用域是局部球形邻域,输入为三维坐标和空间几何关系。通过点云卷积提取局部特征,使用最远点采样算法采集邻域中心点,根据半径构建球形局部邻域,使用多层感知器（multi-layer perceptron,MLP）网络学习空间关系权重,将学习到的关系权重和输入特征相乘,实现卷积操作。基于三维点云卷积,构建了一个多层分类网络模型实现点云分类。使用道路场景的黄石路数据集进行分类实验,结果证明了所提方法的有效性。     

基于非固定初始面元的无人机影像点云优化算法

获取平台的不稳定性容易导致无人机影像的几何变形增大。如何高精度匹配这类影像是当前摄影测量与遥感领域的研究热点之一。针对这个问题,提出基于非固定初始面元的无人机点云优化算法,采用差分代替微分计算地物表面局部正切平面的近似法向量,以此为初值建立初始物方面元进行匹配计算,并用两组数据进行实验验证。结果表明,基于非固定初始面元的无人机影像点云优化算法改进了基于物方面元的最小二乘匹配方法,优于基于面元的多视立体匹配(patch-based multi-view stereo matching and reconstruction,PMVS)中的点云优化方法,提高了点云优化的效率和精度。     

融合航空影像的LiDAR地物点云分类

点云滤波分类是LiDAR后续应用的基础工作,在点云滤波的基础上,以航空影像为辅助条件,结合点云高程信息,设计一套地物点云的分类方法.该方法首先融合航空影像与LiDAR数据,将对应RGB值赋予每个点,根据植被的光谱特征提取出部分植被点云;然后再根据文中定义的点云高程纹理,在剩余地物点云中提取出建筑物点,最后根据回波次数信息分离出剩余植被点,完成地物点云的分类.采用北京凤凰岭地区一组机载LiDAR数据进行实验.实验结果表明,该方法能够有效地将地物点云进行分类并且满足一定的精度要求,具有一定的实用价值.     

基于深度学习理论的无人机影像分类

针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。     

面向对象的植被与建筑物重叠区域的点云分类方法

在分析LiDAR点云数据分类现状的基础上,针对植被与建筑物重叠区域分类困难的问题,提出了一种基于面向对象的点云分类方法.首先采用三角网渐进内插的滤波方法将点云分为地面点和非地面点,并得到DTM;然后对高出DTM一定高度的非地面点建立三角网,删除较长的三角网的边(地物间的边),从而将非地面点云分割成多个对象;再利用各个对象内的三角网坡度信息熵大小判断该对象属于植被或建筑物;最后对于难以区分的对象(植被与建筑物重叠区)根据建筑物几何规则形状延伸扩充,从而提高植被和建筑物重叠区的点云分类准确率.实验结果表明,该方法能够很好地区分建筑物和植被点,分类准确率达到87％.     

无人机影像匹配点云的露天矿台阶高度计算方法

计算露天矿台阶高度是矿山测量验收工作的重要部分,对加强矿山生产监控和成本管理具有重要意义。针对传统台阶高度量测方法工作量大、效率差,难以保障测绘人员安全等问题,本文基于无人机倾斜摄影获取的露天矿点云提出了一种顾及边坡分层结构的台阶高度计算方法。该方法通过面元划分剔除平坦区域,再利用密度聚类处理坡面点云,最后通过随机抽样一致性获取台阶坡顶线和坡底线,计算台阶高度。试验结果表明,该方法可以高效、精确地量测露天矿台阶高度,对于矿区的开采作业和安全防范具有重要的应用价值。     

无人机低空摄影构建影像点云的线路巡检方法

针对当前架空输电线路人工巡检方法存在的劳动强度大、条件艰苦、危险性高且效率低等问题,提出了一种基于无人机低空摄影构建影像点云的输电线路巡检方法。首先阐述了总体技术路线,研究了架空线路无人机影像拍摄方法、航线敷设方法及山区变高飞行航高设计方法,然后利用影像数据进行电力线量测及重建、线路通道场景三维重建以及架空线路障碍物探测,通过试验案例详细对本文方法进行精度分析。试验结果证明,该方法仅依靠低成本设备即可实现可靠的线路巡检,大大降低了现有输电线路的巡检成本,提升树障检测的质量和效率,能保证线路安全运维。     

使用安置参数优化的无人机点云与影像精配准

针对现有的无人机激光点云与影像配准方法主要基于仿射变换建立点云与影像之间的配准模型,无法描述激光点云与影像之间的复杂变换关系问题,该文提出一种基于安置参数优化的无人机激光点云与光学影像精确配准方法.以相机安置参数为优化参数,以归一化互信息作为点云特征影像与光学影像之间的相似性测度,采用改进Powell算法作为优化策略,获得最优配准参数,实现无人机激光点云与无人机影像之间的精确配准.基于实验数据与现有两种配准方法进行精度对比.实验表明,基于相机安置参数优化的配准方法优于两种常规配准方法,可以实现无人机激光点云与光学影像之间的自动化配准,并达到像素级的配准精度.