共查询到12条相似文献,搜索用时 31 毫秒
1.
介绍了一种基于区域生长的体素滤波点云去噪算法.首先,使用体素滤波算法将点云数据体素化后,根据每个网格与最大密度网格的比值大小,将网格分为两类:大密度网格、小密度网格.然后对大密度网格使用区域生长法处理.最后,对全部数据进行区域生长处理.实验结果表明,该方法能够消除大、小尺度噪声,并且能够消除簇状噪声,且不改变点云的纹理... 相似文献
2.
3.
基于三角网光滑规则的LiDAR点云噪声剔除算法 总被引:1,自引:0,他引:1
通过对传统移动均值法、频率域信号分析等离散点云噪声剔除算法局限性的分析,结合LiDAR点云离散空间分布特性,本文提出一种基于三角网光滑规则的点云噪声剔除算法。该算法先快速生成离散点云的二维Delaunay三角网,并构建任意点的邻接拓扑关系,然后依据设定的光滑规则进行噪声信号点检测,并输出非噪声点信号。针对条带数据进行实验,结论表明本文算法适合离散点状噪声剔除,可较大程度提高点云数据的信噪比。 相似文献
4.
《测绘科学》2020,(1)
针对面向对象点云分类中单一分割算法无法满足复杂场景分割需求的问题,该文提出了一种步进式区域生长的倾斜摄影测量点云分割算法。该算法首先进行粗分割,获取光滑分割面片,然后将点云丰富的纹理信息引入精细分割过程,最后,利用可见光波段差异植被指数(VDVI)约束下的连通成分分析合并分割面片,得到最终的分割结果,并在两景具有较强代表性的城区场景下完成了倾斜摄影测量点云的分割分类实验。实验结果表明,该文算法分割的面片形态规则、数量较少,且分类精度高达96.45%、94.44%,相比于单点和传统单一分割算法的分类结果更优,研究结果适用于复杂场景下倾斜摄影测量点云的分类。 相似文献
5.
针对传统随机抽样一致性算法在拟合特征面时对种子点的选择具有一定的随机性,造成循环次数过多、效率低下的问题,该文提出一种改进的随机抽样一致性算法——贝叶斯抽样一致性算法。首先建立柱面、球面、圆环面、平面的数学模型;然后用贝叶斯抽样一致性算法提高抗噪性,并用二维直方图统计方法对贝叶斯抽样一致性算法中的局内点先验概率估计进行改进;最后,对局内点用非线性最小二乘进行拟合。将该方法与基于随机抽样一致性算法的特征面拟合方法进行了对比和分析,实验结果证明,贝叶斯抽样一致性算法能够更高效地实现局部特征面拟合。 相似文献
6.
7.
8.
9.
10.
11.
针对高压输电线构造日趋复杂且向崎岖地形延伸,给电网的检测和重构带来的诸多挑战,该文基于巡线式激光雷达点云提出了一种电力线重构方法。该方法无须复杂的滤波算法就可以快速去除地面点;按照POS数据建立提取模型将电力线点划分到不同区域,分区内电力线点数量少、线性特征明显、线数确定,因此非常有利于子导线的提取。实际线路实验验证了该文方法的可行性和有效性;实验场实验验证了该文方法在提取分裂导线方面的优越性。通过构建新的激光雷达点云采集模式,提出一种新的电力线重构方法,实现了电力线的快速提取和建模,满足了未来高压电网对精细巡检的需求。 相似文献