基于区域生长的体素滤波点云去噪算法

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...     

基于点云空间扩展的盾构隧道整体去噪方法

盾构隧道点云数据的去噪工作是后续隧道结构分析的前提。本文结合点云空间扩展理论与盾构隧道呈圆柱形的特点,提出了一种盾构隧道的整体去噪方法。首先将盾构隧道空间扩展后得到新的拓扑结构,使盾构隧道的去噪工作能够使用现有成熟的地面滤波算法。经过直通滤波、坡度滤波后的隧道点云保留完整的衬砌结构,隧道的附属设施被滤除。使用直线段与曲线段隧道进行试验,试验结果表明,该方法能够实现隧道的整体去噪,去噪效果显著。     

基于三角网光滑规则的LiDAR点云噪声剔除算法

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。     

步进式区域生长的城区摄影测量点云分类

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。     

利用贝叶斯抽样一致性的点云特征面拟合

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。     

基于Otsu方法点云粗分类的渐进三角网滤波算法研究

针对传统渐进三角网滤波方法需要针对不同的地形条件频繁调整滤波参数,并且对低矮地物滤波效果较差等问题,结合图像分割中的Otsu方法,提出一种基于Otsu方法点云粗分类的渐进三角网滤波算法。在对原始点云数据粗分类的基础上,以点云类别属性引导滤波过程。实验结果表明,方法简单可行,可以有效地控制低矮点被误分类成地面点的可能性,提高滤波处理结果的准确性。     

基于罗德里格矩阵的三维激光扫描点云配准算法

本文提出了一种基于罗德里格矩阵的激光扫描点云配准直接计算方法。利用反对称矩阵和罗德里格矩阵的性质,用3个独立参数代替3个旋转角参数建立一种新旋转矩阵解算模型,推导出旋转变换误差方程,确定平移参数的计算公式。通过实验分析了坐标转换模型的精度和点云配准效果,结果表明该算法精度高,计算过程简单,可以准确地解算出三维坐标转换参数。     

自适应移动盒子的机载LiDAR点云去噪算法

针对现有LiDAR点云去噪算法难以实现自适应的问题,该文提出了基于空间盒子结构的自适应移动盒子去噪算法。基于经验模型建立盒子自适应准则,较好规避了现有算法的去噪阈值确定问题;采用聚类分析实现噪声点与有效点的精确标示。基于不同类型噪声的点云数据实验结果表明:与现有去噪算法相比,基于自适应移动盒子的去噪算法具有更好的适应性和去噪效果。     

TLS三维点云聚类滤波算法应用研究

现有地面三维激光扫描点云数据滤波算法较少,针对地形复杂区域的点云滤波效果更是不甚理想,因此对二维聚类算法进行改进,提出三维点云聚类滤波算法,并对其在地形复杂区域的TLS数据滤波中的应用进行研究。以重庆鸡冠岭危岩体的TLS数据为例,分别采用曲率平滑滤波方法和文中提出的点云聚类滤波方法处理,并对两种方法处理过的数据进行形变量计算和分析。实验证明,针对植被覆盖茂密、地形复杂的山体,该方法的点云滤波效果较好,且处理速度有较大提升,能为点云后期形变量计算提供较好的基础。     

基于机载LiDAR数据的建筑物轮廓规则化方法

在点云数据分类和建筑物轮廓提取的基础上,提出一种基于最小外包矩形的建筑物轮廓规则化方法。以任意两相邻轮廓点构建初始外包矩形,以迭代的方式将内点数最多者作为最终外包矩形,继而以面积比率、距离和均方根作为指标对规则化结果给出评判,最后以实际数据进行实验。实验结果表明,文中提出的方法能够有效对分类后的建筑物轮廓点进行规则化。     

巡线式激光雷达点云的电力线重构

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。     

一种改进的去噪阈值混合滤波算法

中值滤波和均值滤波通常被分别用来处理脉冲噪声和高斯噪声,但当图像同时存在高斯噪声和脉冲噪声时,单独用任何一种滤波方法都不能达到最好的去噪效果。针对这一问题,本文提出了一种改进的基于去噪阈值的图像混合滤波算法,可以更有效地减少噪声,又可以较好地保持图像的边缘细节信息。