一种非凸包边界约束不规则三角网生成算法

数字高程模型(DEM)模拟的大多数地形区域是多种类型区域镶嵌而成的复合体,且子区域的边界一般为非凸多边形,即三角网受到边界的约束。而目前已有的各种Delaunay三角网构网算法生成的不规则三角网的边界都是区域内采样点集的凸包,不能表达复合区域和边界为非凸多边形的区域。本文作者对三角网扩张法作了扩展,使之能够在任意多边形所包围的区域内生成不规则三角网。扩展后的算法具有步骤简单、适合任意多边形边界内生成不规则三角网的优点,而且该算法可用于"分块"式生成数据量较大的三角网,同时保证各"分块"之间完整的邻接关系。     

建筑物LiDAR点云的屋顶边界提取

提出了一种建筑物LiDAR点云的屋顶边界提取方法.首先构建了离散的建筑物屋顶LiDAR点的TIN模型,在TIN模型中根据点的空间几何关系,过滤整个三角网的边界线,从而过滤出初始边界点.在初始边界点构成的边界中,过滤出边界斜率变化显著的点作为拐点.利用所有的屋顶LiDAR点将拐点扩展,得到边界的扩展点,由扩展点构成的屋顶边界为最终提取的建筑物屋顶边界.     

面向对象的车载激光扫描点云建筑物立面提取

本文利用面向对象的点云分析方法进行车载激光扫描点云数据中建筑物立面的识别。该方法对点云进行基于法向量和距离约束的点云分割,计算分割面片的倾角、面积、高程变化范围等特征,并依据建筑物立面垂直于水平面、面积比较大、高程变化范围较大等规则从点云数据中识别建筑物立面。实验表明该方法可以精确有效地进行MLS点云中建筑物立面提取。     

基于LiDAR点云的建筑物边界提取及规则化

在无需定义主方向及建筑物形状的前提下,提出了一种适合于各种类型建筑的边界提取算法。首先利用凸包算法进行建筑物边界点的提取及排序,接着利用分组的Douglas-Peucker(D-P)算法进行边界特征点的提取,最后实现建筑物边界弧段部分的拟合。     

车载激光扫描点云中建筑物边界的快速提取

以车载激光扫描点云数据为研究对象,提出一种由粗到细且快速获取点云中建筑物3维位置边界的方法。首先,通过分析格网内部点云的空间分布特征(平面距离、高程差异和点密集程度等)确定激光扫描点的权值,采用距离加权倒数IDW(Inverse Distance Weighted)内插方法生成车载激光扫描点云的特征图像。然后,采用阈值分割、轮廓提取与跟踪等手段提取特征图像中的建筑物目标的粗糙边界。最后,对粗糙边界内部的建筑物目标点云进行平面分割,提取建筑物的立面特征并构建立面不规则三角网TIN(Triangulated Irregular Network),并在建筑物先验框架知识条件下自动提取建筑物的精确3维位置边界。     

一种三维激光点云中建筑物立面渐进分割方法

针对建筑物立面分割的问题,该文提出了一种三维激光点云中建筑物立面渐进分割方法。建立三维格网索引,通过分析建筑物立面在三维格网内的空间分布特征和二维平面格网内投影的线性分布特征,确定立面种子格网和投影线的拟合点,拟合投影线并基于种子格网约束生长完成每层格网中立面粗分割;使用RANSAC算法对粗分割后的立面点云进行面拟合,实现精细分割,并将各层格网中的立面进行合并,实现建筑物立面的完整分割。实验结果表明,该方法能有效地实现建筑物立面的精细化分割,有助于后续的建筑物精细三维模型重建。     

基于改进凸包算法的树冠轮廓点提取与体积计算

针对城市中树木数量多、树冠结构复杂、形态多变、难以测量等特点,为解决传统凸包算法在提取树冠轮廓时误差较大的问题,并实现树冠轮廓点提取和树冠体积自动计算,提出迭代渐进的凸包算法。以三维激光扫描仪获取的点云为原始数据,基于所提出的算法获取树冠轮廓点,结合格林公式及不规则台体体积法计算树冠体积。为验证算法的准确性,采用人工交互的方式提取树冠外轮廓点计算树冠体积,以此为参照对迭代渐进的凸包算法进行相关性与均方根误差的验证,并将该算法分别与几何体模型法、体元模拟法、Graham扫描线法计算的树冠体积进行对比分析,结果表明,迭代渐进的凸包算法计算出的树冠体积更接近于树冠的真实体积,为树冠信息的精细提取与建模提供一种新的方法。     

基于PCA法矢估计的建筑点云立面边界提取

针对建筑物点云在工程应用中存在大量数据不产生作用,只需保留建筑边界点云的问题,本文提出一种基于主成分分析法向量估计的建筑点云立面边界提取方法.该方法首先采样统计离群值去除算法对点云数据进行滤波去噪,然后采用主成分分析法估计样点表面的法线方向,最后使用角度阈值确定建筑物点云立面的边界.通过实例分析,此法能够较完整地提取建...     

建筑物立面分类与DIM点云滤波

针对目前基于近景摄影测量方法构建建筑物立面模型过程中因密集影像匹配(DIM)点云噪声所引起的建筑物立面TIN网格模型畸变问题,本文借鉴机器学习中样本学习的思想,对建筑物立面进行了分类并对DIM点云提出了相应的滤波方法,以达到去除DIM点云噪声和改善其TIN网格模型畸变的目的.其中,针对平面结构立面,采取先对点云样本进行...     

一种多尺度拟合曲面的LiDAR数据建筑物脚点提取方法

针对现有的建筑物点云提取方法,提出一种基于多尺度拟合曲面算法的LiDAR数据建筑物脚点提取方法。采用顾及地形的TIN滤波算法对地面点和非地面点进行分类;对非地面点集进行多尺度曲面拟合,提取建筑物候选点云;通过分析最大重叠边界矩阵MOBR和阈值条件(如距地高程和最小面积等)剔除具有类似几何和表面特性的人造物(如桥梁、车辆和防护堤等),实现建筑物点云的提取。使用国际摄影测量与遥感协会(ISPRS)提供的Vaihingen和Toronto两块测试数据进行评估,基于面积和目标的平均质量分别达到91.6%、93.1%、84.8%和86.5%。实验结果表明,该方法能够稳健地提取建筑物点云,具有较高的正确性和完整性。     

一种利用点云数据提取建筑物屋顶面的方法

提出一种利用点云数据提取屋顶面的方法。首先通过Alpha Shapes算法提取屋顶面轮廓,再计算点云的法向量和曲率特征并设置阈值筛选种子点,然后利用区域增长算法进行生长提取屋顶面,最后利用张量投票进行后处理解决屋顶面竞争的问题。实验表明,提出的建筑物提取方法能很好地实现屋顶面提取,满足工程实际应用的需要,具有较好的应用价值。     

一种基于LiDAR点云的建筑物提取方法

从机载雷达点云数据中快速准确提取建筑物是当前研究的难点和热点。在对现有建筑物点云提取方法充分研究和分析的基础上,本文提出了一种基于LiDAR点云的建筑物提取方法。首先根据建筑物的几何特性提取初始建筑物轮廓点;然后构建局部协方差矩阵计算点云分布特征,剔除非建筑物轮廓点;最后利用DBSCAN聚类算法对建筑物轮廓点聚类,以聚类结果为基础构建缓冲区,以缓冲区内所有建筑物轮廓点为初始种子点,采用圆柱体邻域进行多种子点区域增长,实现建筑物点云的提取。通过两组试验,共5组数据验证本文算法的性能。试验结果表明,该方法能够准确、有效地提取多层复杂的建筑物点云,效率高,且具有一定的适用性。     

从车载激光扫描数据中提取复杂建筑物立面的方法

提出一种从车载激光扫描数据中提取复杂建筑物立面的新方法。该方法首先利用"维数特征"方法确定每个扫描点的最佳邻域,进而计算得到每个扫描点精确的局部几何特征(法向量、主方向、维数特征);然后基于"维数特征"对扫描点进行粗分类,并设置相应的生长准则对不同类别的扫描数据分别进行分割;最后综合建筑物立面的语义知识对建筑物立面区域进行精确提取。试验结果和比较分析表明,本文的方法不但能提取建筑物平面和非平面立面,而且可消除点密度差异(变化)对建筑物立面提取结果的影响,提高建筑物立面提取的正确率和完整性。     

三维激光扫描建筑物立面数据的自动提取

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。     

车载LiDAR点云中建筑物立面的自动分割

将建筑物立面数据从散乱无序的车载LiDAR点云中分割出来是一项繁琐而艰巨的任务。本文提出基于基础地理数据辅助的分割方法:首先对基础地理数据进行要素精简,提取有效的建筑物轮廓数据;然后将提取数据转换到车载LiDAR点云数据所在坐标系中,实现坐标基准的统一;再根据建筑物立面特征设置合理的建筑物轮廓缓冲阈值,对建筑物立面点云进行自动分割;最后采用合理的质量评价机制,对分割结果进行检核和评价,实现分割结果的质量控制。实验表明文中方法简单有效。     

利用目标区域拓扑关系图提取建筑物点云

建筑物提取一直是机载激光点云数据处理研究的热点,其中建筑物和其他地物之间的区分是研究的核心和难点。为提高建筑物与其他地物在机载激光点云中的区分能力,提出了一种建筑物点云层次提取方法。首先,在点云滤波后,从非地面点云中提取建筑物候选区域;然后,通过形态学重建和点云平面分割方法对建筑物候选区域构建多尺度空间,并建立目标区域的拓扑关系图;最后,在拓扑关系图基础上,利用5种特征量对目标区域分类,并精确提取建筑物点云。为了测试算法的有效性和可靠性,利用国际摄影测量与遥感学会（International Society for Photogrammetry and Remote Sensing,ISPRS）提供的Vaihingen和Toronto两组测试数据集进行实验,并由ISPRS对结果进行评估,其中基于面积和目标的完整度、正确率和提取质量分别都大于87.8%、94.7%、87.3%。与其他建筑物提取方法相比,该方法在基于面积和目标的质量指标方面最为稳定。实验结果表明,在不同的城市场景下,该算法能够稳健地提取建筑物,并保持很高的正确率。     

改进GAC模型在点云和影像自动提取建筑物边界中的应用

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。     

基于车载LiDAR的建筑物立面采集方法与精度分析

为解决传统测量方法在建筑物立面数据采集中存在的效率低、复杂建筑物测量难度大、无法反映异形建筑物精细结构等问题,结合项目实践,将车载激光雷达测量新技术应用于建筑物立面数据的采集、处理与立面图的生产过程中,并与传统测量方法采集的数据进行精度对比分析。结果表明,基于车载激光雷达测量技术构建的三维点云模型平面位置中误差为4.3 cm,高程中误差为5.6 cm,立面相对中误差为1.1 cm,能够满足1∶500国家基本比例尺地形图的精度要求。     

一种基于NAMPD的快速边界提取算法

The nonsymmetry and antipacking pattern representation model(NAM) ,inspired by the concept of the packing problem,uses a set of subpatterns to represent an original pattern.The NAM is a promising method for image representation because of its ability to focus on the interesting subsets of an image.In this paper,we develop a new method for gray-scale image representation based on NAM,called NAM-structured plane decomposition(NAMPD) ,in which each subpattern is associated with a rectangular region in the imag...     

一种基于凸包的Delaunay三角网算法设计

Delaunay三角网算法的设计与研究对DTM的建立有着重要的作用,本文在分析已有三角网算法的基础上,根据逐点插入算法的思想与凸包算法相结合,提出了自己的算法:先绘制凸包,然后构建初始三角网,最后用LOP方法整体优化。该算法尽可能的减少了对一条边的优化次数,从而提高了算法的运行效率。