共查询到20条相似文献,搜索用时 56 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.
3.
激光雷达数据处理、信息提取与应用 总被引:1,自引:0,他引:1
用于测绘的激光雷达技术的研究与应用在国际上已经经历了二十多年的发展历程。作为一种多平台主动探测技术,激光雷达已经和光谱成像技术以及合成孔径雷达一起构成当代遥感观测的核心技术体系。文章尝试对基于激光雷达数据的数据处理、信息提取及应用等进行综述,内容涉及点云分割、地物识别、点云滤波以及实际应用的最新研究进展。 相似文献
4.
无人机倾斜摄影直接生产的成果通常包括三维模型、TDOM、DSM等,然而规划设计通常不能直接利用倾斜数据输出的DEM,需要辅以人工编辑。作为倾斜摄影影像处理的过程成果,密集匹配点云未得到充分利用。其与激光雷达点云具备相似的结构,且点云密度可自由选择,在不考虑数据量的情况下,密集匹配点云的点密度可数倍于激光雷达点云。此外,密集匹配点云无需单独赋色,即具有纹理信息,对人工目视编辑自动分类后的地面点具有一定的辅助作用。本文对比分析了同一测区的密集匹配点云与激光雷达点云,验证了密集匹配点云用于房屋建筑区及稀疏林区地面点滤波并生产DEM的可行性。 相似文献
5.
叶珉吕 《测绘与空间地理信息》2019,42(11)
针对现有方法在效率、精度等方面存在的不足,结合项目实践,本文提出直接基于点云数据的历史建筑形变信息提取方法,通过对基座、柱子等承重结构的点云数据进行拟合及计算提取历史建筑形变信息。经实例验证,该方法具有较高的可行性,形成了完整的内外业作业流程,可高效地为历史建筑的保护和修复提供准确、可靠的数据支撑。 相似文献
6.
阳经为 《测绘与空间地理信息》2023,(12):169-172
由于山区工程测绘信息提取的过程中没有对原始山区激光数据进行清洗处理,导致测绘信息提取效果较差,为此,本文提出基于激光点云技术的山区工程测绘信息提取方法。使用不规则三角渐进加密滤波方法确定地面点,采集山区工程激光数据,根据各点之间的距离,确定点云数据存在的合理性,对原始山区激光数据进行清洗处理,剔除异常数据,并将二维数据转化为三维数据,根据数据转化结果,计算山区结构参数,将其与点云数据融合,完成山区工程测绘信息提取。至此,基于激光点云技术的山区工程测绘信息提取方法设计完成。构建实验环节,实验结果证实,此方法信息提取安全性较高,工作量较少,且可有效提升测绘信息提取结果的可靠性。 相似文献
7.
对激光雷达(Li DAR)点云数据使用点云数据处理软件(Li DAR-DP)时,利用其自动分类进行处理,对其使用渐进三角加密滤波算法得到的建筑物、桥梁和高架路、植被、水体以及其他各种特色地形地物的分类情况进行分析判断,并对自动滤波效果不好的区域,给出相应的解决方案。经本次分析,在地形地物复杂区域,自动滤波效果不好。在地形简单、地物规则且大型区域滤波效果真实可靠。Li DAR-DP软件在点云数据处理过程中,使用简便,能提高作业效率。 相似文献
8.
9.
基于多分辨率方向预测的LIDAR点云滤波方法 总被引:2,自引:0,他引:2
为了快速提取LIDAR点云中的地面点,生成高精度的DTM,提出了一种基于多分辨率方向预测的LIDAR点云滤波方法。该方法首先构建多种分辨率数据集,然后基于方向预测法以分辨率由低到高的顺序逐层进行数据集的平滑处理,最后以最高分辨率数据集的平滑结果为基准标记原始LIDAR点云。本方法通过分析反距离权重插值模型的不足,利用改进的模型进行裸露地面点的插值,得到高精度的DTM。实验表明,本文方法能有效地滤除地物,并保持原有的地形特征,算法效率高,具有一定的实用价值。 相似文献
10.
针对当前城区车载LiDAR点云算法存在部分参数不易把握、需要多次人机交互、部分要素提取效果不好等问题,该文提出一种改进的TIN迭代加密滤波算法。首先,构建初始格网选取种子点,在选取种子点方面,采用邻域卷积和进行种子点的判断和虚拟种子点的构造;其次,进行TIN迭代加密滤波;最后根据滤波次数改变格网大小进行迭代滤波。采用SSW获取的北京城区某地点云数据进行试验,将实验结果与原始的TIN加密算法进行对比,并与其他两种滤波方法进行对比,结果表明,改进的方法能较好的适应城区情况,且能弥补其他方法的不足。 相似文献
11.
一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法 总被引:1,自引:0,他引:1
从LiDAR数据中高精度地提取建筑物屋顶面是构建屋顶面拓扑关系、实现建筑物三维模型重建的关键。本文针对现有算法提取复杂建筑物屋顶面适应性较差、精度较低等问题,提出了一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法。通过主成分分析计算点云特征,构建特征直方图,选取可靠种子点;利用提出的局部点云法向量分布密度聚类算法聚类种子点,快速准确地提取初始屋顶面片;构建基于邻域信息的投票模型,有效地解决屋顶面竞争现象。试验结果表明,本文方法可自动、高精度地提取屋顶面,对不同复杂程度的建筑物具有较好的适应性,能为建筑物三维模型重建提供可靠的屋顶面信息。 相似文献
12.
旋转形体的轴线提取属于高精度的工业测量范围,三维激光扫描测量方式应用于此方面具有一定的优势,在数据的准备阶段尚存在若干问题。本文从测量仪器的选取、数据采集、多站拼接处理及数据分析等阶段出发,以火箭发动机喷管为例,分析制约火箭发动机喷管点云旋转轴提取精度的若干因素及其相应的解决办法,并利用实测数据对相关问题做了验证。 相似文献
13.
提出了一种基于点云特征图像和特征值分析的车载LiDAR点云建筑物立面位置边界的自动提取方法。首先利用车载LiDAR点云数据生成扫描区域的点云特征图像,并通过图像处理手段提取可能的建筑物目标点云;然后对提取的目标点云进行剖面分析和特征值分析,识别建筑物目标;最后对建筑物点云进行平面分割,提取建筑物立面,并对立面点云进行特征值分析,得到建筑物立面与地面交接的三维位置边界。实验结果表明,该方法能快速有效地提取车载LiDAR点云数据中的建筑物目标,同时提取的建筑物立面位置边界与原始点云能准确符合。 相似文献
14.
针对电力巡线需求,提出一种基于机载LiDAR点云数据的电力线自动提取方法。首先采用高程滤波方法去除地面点及低矮地物点,采用顾及邻域尺度的自适应半径主成分分析法确定各点维度特性,利用维度特性从滤波后的点云中粗提取电力线点;然后根据电力线点空间分布特征,引入密度聚类算法实现单根电力线点精确提取;最后采用抛物线模型在三维空间中重构每根电力线。选取两组典型代表性的实测数据进行实验,结果表明:该方法能够从电力线走廊机载激光点云中快速提取出完整的单根电力线点,具有抗噪性强和提取精度高的特点,单根电力线提取误差率在0.06%以下,电力线提取结果能够直接应用于三维模型重建中。 相似文献
15.
16.
针对车载移动测量系统数据采集特点,构建车载激光点云扫描线索引,提出了一种基于扫描线索引的道路路面与路边点云稳健分类法。首先通过分析扫描线上不同地物剖面的空间分布特征,进行剖面激光点生长聚类,形成完整的地物剖面目标点集;然后根据点集的几何特征因子判断点集类型;最后利用相邻多条扫描线上路边点分布规律进行去噪。对车载移动测量系统获取的两份点云数据进行实验,路面与路边提取的平均完整率分别为94.4%、86%,平均准确率分别为98.9%、99.1%。实验分析表明,该方法能有效减少粗糙路面点的错误分类,适应不同的道路路边条件,降低独立地物对路边提取的干扰。 相似文献
17.
对地面三维激光扫描仪所获取的海量点云进行建筑物立面数据的提取,有利于提高后续分割拟合、三维建模及变化检测等处理的效率和稳定性。因此本文针对建筑立面点云数据的特点,提出了一种基于相邻扫描点角度间隔直方图的提取方法。首先介绍了固定式三维激光扫描获取的数据特点,然后对基于扫描线的建筑物立面数据提取方法应用于固定式三维激光扫描数据的局限性进行了分析,在此基础上提出了统计扫描角度范围内指定大小(如1°×1°)格网内扫描点的个数,以生成相邻扫描点角度间隔的二维直方图并转换成灰度图像,通过二值化和连通区域标记方法提取了建筑立面数据。试验证明本文方法是行之有效的。 相似文献
18.
谭金石 《测绘与空间地理信息》2015,(6):81-83
机载LiDAR作为一种新兴的对地观测技术,能够快速地获取地表三维信息。如何从海量LiDAR点云数据中提取建筑物是数据处理中的一项关键工作。本文结合LiDAR数据和航空影像的数据特点,提出了一种航空影像辅助的LiDAR点云建筑物提取方法,首先,采用面向对象方法从航空影像中提取建筑物的轮廓;然后,以建筑轮廓信息为参考,从LiDAR点云中提取建筑物的点云数据;最后,通过实验证明该方法的有效性与可行性。 相似文献
19.
基于GLCM纹理特征的LiDAR点云建筑物自动提取 总被引:1,自引:0,他引:1
LiDAR技术可以快速获取高精度的地形表面三维点云数据。利用LiDAR点云进行建筑物自动提取时,有些建筑物与树木连在一起,有些区域还有大片树林,在此情况下,很难将二者区分开来。在没有其他辅助数据时,LiDAR点云中点的高程及其变化所表现出来的高程纹理特征是区分建筑物与树木的惟一可用特征。基于灰度级共生矩阵(gray level co-occurrence matrix,GLCM)的纹理特征是对物体表面纹理很好的描述,对上述纹理特征进行分类,可以区分建筑物与树木。介绍基于GLCM纹理特征的Li-DAR点云建筑物自动提取方法。实验结果证明,在没有辅助数据的情况下,该方法也能够自动提取出建筑物。 相似文献
20.
以自动生成测地线活动轮廓(geodesic active contour,GAC)模型的初始曲线及改进其外力为出发点,提出一种基于LiDAR点云和随机影像数据,利用改进的GAC模型进行建筑物边界提取的方案。首先利用形态学交替序贯滤波自动获得模型演化的初始曲线;进而利用LiDAR深度梯度影像改进模型演化的外力,得到了改进的测地线活动轮廓(improved geodesic active contour,IGAC)模型。仿真试验表明,采用IGAC模型,可抑制弱边界泄漏,并提高建筑物边界提取的完整性和形状精确度。 相似文献