一种利用矢量-角度法的模型点云压缩算法

针对点云数据过密、冗余信息较多的问题,提出了一种基于自适应切片与矢量-角度法的点云快速压缩算法,该算法利用包围盒将点云进行自适应分层形成切片点云,然后对每层点云使用矢量-角度法精简数据。利用该算法开展了试验研究,通过试验分别讨论分层数目、最短距离和角度参数对压缩结果的影响,并通过构建网格模型验证压缩效果。试验结果表明:该算法对目标特征复杂的部位有较好的压缩效果,在平坦部位不会因过度压缩出现失真现象;该算法能够自适应地保留反映目标特征和细节的点,实现点云的快速压缩。     

基于移动网格点云精简算法的研究

针对三维激光点云数据精简问题,提出一种基于移动网格划分的精简算法。基本思想是首先将点云模型空间网格化,再依据距离阈值对网格进行二次网格划分,利用权重值大小筛选出合适点,最后移动点云模型包围盒最小点位置,重新进行二次网格划分和点云筛选,最终完成点云的精简。实验得出,可移动网格划分的点云精简算法在精简效果与时间效率上均具有显著的优势。     

融合k-means聚类和Hausdorff距离的散乱点云精简算法

针对点云精简算法在处理点云数据时特征保留不完整和对小曲率点云精简造成数据空洞的问题,提出了一种融合k-means聚类和Hausdorff距离的点云精简算法。该算法在八叉树算法的基础上构建点云数据的拓扑关系,首先计算所有点云数据点的主曲率,然后计算点云数据点主曲率的Hausdorff距离,根据精简目标要求设定Hausdorff距离阈值,实现点云特征提取,最后对非特征区域进行k-means聚类提取特征点,并将两次提取的特征点融合得到精简结果。实验结果表明,该算法能较完整地保留模型的特征信息,并能避免形成空洞现象。     

多视点散乱点云配准及压缩改进算法研究

针对多视点散乱点云数据,提出基于控制网的球靶标特征配准办法,并对配准后的原始数据进行基于特征保留的优化压缩,最后得到完整简洁的点云模型。利用扫描仪、全站仪获取球靶标同名点坐标,并计算出每站6个转换参数,将所有数据转换到所需的控制网坐标系下;压缩算法利用点云分块技术提高散乱点邻域的搜索效率,并计算点法矢、曲率,根据精简准则保留特征点,最后以八叉树理论为基础,细化网格直至最小网格达到要求,保留最小网格中具有代表性的一个点,删除其他点,完成数据精简。试验结果表明,配准方法中控制网的采用能够实现坐标系的转换,球靶标的运用能明显提高配准模型的精度和效率,压缩算法实现了点云数据的特征保留。     

基于逐点前进法的点云数据精简

本文在道格拉斯-普克法的基础上提出利用逐点前进法对点云数据进行精简,以兔子的模型为对象进行试验研究。结果表明,逐点前进法对点云数据精简在速度和精简率上与道格拉斯-普克法相比有明显提高。     

一种基于局部曲率特征的点云精简算法

平均曲率是分析三维表面的重要几何特征之一。根据平均曲率进行海量散乱点云数据的精简,首先通过空间包围盒法建立K邻域,然后对K邻域内的点拟合二次曲面计算平均曲率,最后以邻近区域内点的平均曲率中误差为阈值,结合点的精简概率判定点是否保留。通过与传统方法对比,证实了文中方法在保留特征点和压缩上具有较好的优势。     

基于栅格划分和法向量估计的点云数据压缩

基于点云数据的栅格化和法向量估计提出一种新的点云压缩方法,数据处理由Matlab7.1编程实现。试验结果表明,使用该方法可以获得较好的压缩效果,由于该方法顾及了扫描点之间的法向量关系,所以能更好地保留点云特征,防止压缩过程中特征信息的丢失。     

结合无人机载LiDAR点云法向量的K-means++聚类精简

点云精简可有效降低无人机载Li DAR数据量,对后期点云存储和快速处理具有重要意义。采用K-means++方法对点云法向量进行聚类,以实现点云精简。首先,利用回波次数去除多次回波点云,在使用零-均值标准化方法对点云属性归一化后,利用KD树(K-dimension tree)建立点云索引构建点云K邻域;然后,采用主成分分析法估算点云法向量,借助肘方法确定最佳聚类数目;最终,通过K-means++聚类方法实现点云精简。将精简结果生成Delaunay三角网并转换为栅格数据,通过相关系数验证方法的有效性。结果表明:针对研究区69 544个点云数据,该方法可去除多次回波点云7 722个;对点云法向量进行聚类数目为8的K-means++聚类,对应的精简率为分别为81. 389%,81. 833%和85. 369%时效果较优;精简后生成Delaunay三角网的时间远低于精简前,且当按81. 833%进行精简处理时,相关系数最高,为0. 890。该方法可为点云精简提供参考。     

融合聚类算法的钢轨轮廓点云自适应精简

针对原始结构光钢轨轮廓点云数据量大、强噪声和离群杂点多的问题,本文提出了一种欧式聚类融合多种传统滤波方式的钢轨点云自适应精简的方法。采用点云欧式距离为特征量的聚类分割方法用于无效杂散点数据的识别和精简,采用统计滤波结合均匀体素下采样滤波方法实现点云初步去噪。在此基础上,通过欧式聚类分割噪点,采用自动获取滤波范围的自适应直通滤波去除轨底粘连数据,以保证点云配准的效率与准确性。本文提出的方法可有效精简无效数据和去噪,点云精简比约为94%,同时保留了原始点云的有效轮廓特征,为点云配准与磨耗点的高精度识别奠定了基础。     

点云数据直接缩减方法及缩减效果研究

分析了国外点云数据处理中数据缩减方法的研究现状,针对实际工程中三维激光扫描数据采集的过密情况,提出利用扫描间隔进行点云数据直接缩减的方法,并编程实现所提出的算法。通过对真实的三维激光扫描点云数据的缩减处理,建立点云数据直接缩减的预测模型。     

基于地面三维激光扫描两种模型重建技术

地面三维激光扫描技术可以快速地采集目标物表面海量点云数据,利用点云能够准确重建空间三维模型。本文基于完全不同形状的两组点云数据,分别采用三角网格法和提取特征线法两种不同建模方法进行实验,完成模型重建,取得较好的效果。同时探讨了点云处理和模型重建的关键问题,为工程生产提供借鉴。     

点云压缩研究进展与趋势

三维点云为物理世界精细数字化提供了高精度的三维表达方式,广泛应用于三维建模、智慧城市、自主导航系统、增强现实等领域。然而点云的数据海量、非结构化、密度不均等特点给点云的存储和传输带来了巨大挑战,因此在有限的存储空间容量和网络传输带宽中实现低比特率、低失真率的点云压缩具有重要的理论意义和实用价值。围绕点云压缩中的研究现状、标准框架和评价指标,阐述国内外点云压缩算法研究工作、运动图像专家组压缩标准框架以及几何和属性信息质量评价指标的最新进展,分析比较3种开源点云压缩算法在点云压缩公开数据集下的性能表现,并对点云压缩的主要发展方向趋势予以展望。     

基于三维狄洛尼三角网的曲面重建算法

随着三维激光扫描技术应用领域的不断拓展,对点云数据三维建模的需求越来越迫切。曲面重建技术作为三维建模的核心技术之一,在逆向工程、计算机视觉、计算机制图以及虚拟现实等技术领域都有着非常广泛的应用前景。本文提出一种基于三维狄洛尼三角网的曲面重建算法,其本质是一种结合了曲面生长算法思想的贪心算法,即在一定约束条件下,按照最优三角形选择标准,算法从预先构建好的三维狄洛尼三角网中,逐个筛选出最优三角形添加到生长曲面上,最终输出由一系列显式三角形所组成的流形曲面。这种方法对比目前主流的隐式曲面重建算法具有参数依赖性较小、不需要计算法线等优点,并且能够重建地形扫描、建筑物扫描和精细化扫描的点云模型。利用此算法对多种点云模型进行曲面重建试验,结果表明该算法生成曲面质量好、重建效率高、实用性强,能够很好地应用于三维建模领域。     

GIS专业云计算人才培养模式探索

云计算技术的出现对传统GIS行业带来了巨大的影响以及良好的发展前景,结合云计算技术发展GIS系统及服务已成为GIS行业的发展趋势。因此,云计算技术的培养在GIS专业人才培养中十分重要,然而目前GIS专业的传统课程却没有涉及云计算技术方面,学生无法掌握目前行业所需要的云计算相关知识及技能。为解决这一问题,本文根据云计算技术在GIS中的知识模块,分析了通过竞赛提高学生云计算能力的方式,探索了"以赛促学"的培养模式,为培养高素质GIS专业云计算人才培养提供了新的方法。     

基于云GIS与大数据的区划地名云服务平台设计

随着云GIS和大数据的深入应用,为用户提供区划地名云服务成为当前研究的热点。本文提出了区划地名云服务平台,采用基于遥感的地名数据更新、地名地址数据清洗与融合、地名数据挖掘等关键技术,设计了全新的区划地名云计算环境,实现了区划地名信息资源随时获取,为区划地名信息服务提供了创新的技术模式。     

铁路沿线地物参数化三维建模方法研究

提出了一种利用DOM和Li DAR点云数据的参数化建模方法,利用DOM分析地物的模型特征,通过Li DAR点云数据获取地物特征点坐标,采用特定的三角网连接方法构建出地物的三维模型,最后对模型进行贴图显示。这里所构建地物模型的方法不仅快速高效,而且自动化程度高,能够满足铁路三维GIS展示的要求;同时,由于是通过点云数据构建模型,在后期导入三维地形过程中能够大量减少安放地物模型工作。     

基于WiFi信号室内定位技术的研究

主要对基于WiFi信号的室内定位技术中的三角形定位法进行了研究。鉴于现有的三角形定位模型受信号强度和环境干扰的约束影响,定位精度不高,提出了一种结合室内影响因素约束的权重改正定位模型,更加切合复杂的室内定位环境。通过试验测试和数据分析,经过加权去噪模型改正后的定位精度更高,适用性更广。     

基于激光扫描技术的铜尾矿库三维建模及综合应用分析

以安徽铜陵某铜尾矿库为研究对象,从扫描系统选取、外业数据采集、点云数据处理以及成果输出四个方面对铜尾矿库的激光扫描三维建模技术进行了详细分析,构建能够真实反映尾矿库地形起伏条件的三维模型;然后基于建模成果,通过编程和数据格式转换,将点云数据导入数值分析软件,模拟分析了尾矿库在溃坝过后不同时刻的尾矿砂运动演化过程,可为科...     

徕卡三维激光扫描系统在建筑物精细建模中的应用

三维激光扫描技术作为一种新的测绘技术手段改变了传统的测量模式,利用三维激光扫描技术可以快速、高效、连续地获取海量的点云数据,通过处理可以快速得到被测目标的三维模型。本文主要结合徕卡Scan Station P40三维激光扫描系统介绍其在复杂建筑物精细建模中的应用,通过对点云数据及建模精度分析,得出了有益的结论。     

一种局部稀疏地面点云与已有DEM的融合方法

机载LiDAR采集的点云数据中会存在一些局部区域地面点稀疏的情况,利用这些稀疏地面点构建DEM时会出现“三角面片化”的问题,严重影响DEM的质量。为此,本文提出了一种局部稀疏地面点云与已有DEM的融合方法：将稀疏点云作为高精度控制点,在尽量保持原始DEM的地形形态特征的前提下,通过高斯核函数加权迭代插值算法对DEM进行高程局部改正,实现稀疏点云与DEM的一致性融合。试验分析表明,融合后的点云数据得到了较好的补充,由此构建的DEM地形形态自然,在精度上相对于融合前的稀疏地面点云有一定改善,在弱精度区域的可靠性有显著提升。