An improved segmentation approach for planar surfaces from unstructured 3D point clouds

The extraction of object features from massive unstructured point clouds with different local densities, especially in the presence of random noisy points, is not a trivial task even if that feature is a planar surface. Segmentation is the most important step in the feature extraction process. In practice, most segmentation approaches use geometrical information to segment the 3D point cloud. The features generally include the position of each point (X, Y and Z), locally estimated surface normals and residuals of best fitting surfaces; however, these features could be affected by noisy points and in consequence directly affect the segmentation results. Therefore, massive unstructured and noisy point clouds also lead to bad segmentation (over-segmentation, under-segmentation or no segmentation). While the RANSAC (random sample consensus) algorithm is effective in the presence of noise and outliers, it has two significant disadvantages, namely, its efficiency and the fact that the plane detected by RANSAC may not necessarily belong to the same object surface; that is, spurious surfaces may appear, especially in the case of parallel-gradual planar surfaces such as stairs. The innovative idea proposed in this paper is a modification for the RANSAC algorithm called Seq-NV-RANSAC. This algorithm checks the normal vector (NV) between the existing point clouds and the hypothesised RANSAC plane, which is created by three random points, under an intuitive threshold value. After extracting the first plane, this process is repeated sequentially (Seq) and automatically, until no planar surfaces can be extracted from the remaining points under the existing threshold value. This prevents the extraction of spurious surfaces, brings an improvement in quality to the computed attributes and increases the degree of automation of surface extraction. Thus the best fit is achieved for the real existing surfaces.     

一种改进的RANSAC算法提取多模型圆弧特征点云

针对传统RANSAC算法迭代次数无上限及只能识别单个模型的局限,提出一种适用于扫描线式点云数据改进的RANSAC算法。对三维激光点云数据进行二维化处理,在RANSAC算法的基础上对局外点进行预剔除,计算过程中对迭代次数进行自适应调整,采用分次识别法实现多模型圆弧点云的提取。实例证明,文中算法能够有效地提取同一场景中的多模型圆弧点云,较传统算法具有明显优势。     

基于 RA NSAC 的残缺平面标靶稳健定位方法

针对圆形有效反射区域的平面标靶拖尾点和因遮挡造成的数据缺失问题,提出一种基于RANSAC的残缺平面标靶稳健定位方法。文中采用RANSAC算法拟合标靶平面,使经过测距误差修正的反射点规整位于标靶平面;利用Givens变换将空间三维圆拟合简化为二维圆RANSAC拟合。采用两个实验分析同一平面标靶因不同遮挡对定位精度的影响。结果表明,该方法能够有效解决拖尾点和数据缺失问题,提高平面标靶定位的鲁棒性。     

基于RANSAC算法的隧道点云横断面提取

针对最小二乘法对所有点（包括"局外点"）拟合难以得到最佳线性参数的问题,本文基于RANSAC算法对观测值随机抽样进行参数估算,判断符合模型的"内部点"为一致集,并通过迭代得到足够的一致集,最后设计试验验证该算法的适用性;对隧道点云采用基于中轴线方法进行边界提取,以及三维激光扫描用于生产实践提供参考意义。     

一种基于最小广义方差估计的TLS点云抗差法向量求解方法

针对地面激光扫描点云中的粗差与不均匀采样对法向量计算的影响,基于最小广义方差估计与局部平面拟合原理提出了一种抗差法向量求解方法。首先通过快速近似最近邻居搜索算法得到最近k邻居点集,然后由确定型最小广义方差估计方法和多元马氏距离得到邻居点集协方差矩阵的抗差估计,最后根据主成分分析法（principal component analysis,PCA）计算得到抗差法向量。通过构造的模拟地面激光扫描（terrestrial laser scanning,TLS）点云数据将提出的方法分别与基于PCA、鲁棒PCA和随机抽样一致的法向量求解方法进行实验比较。结果表明,所提方法的抗差性能优异,且并行优化改进后可以满足大规模TLS点云的计算需求。将该方法应用于实际野外地形TLS点云数据,由求解的抗差法向量重建的泊松表面更符合实际地形,表明了该方法在实际应用中的有效性。     

基于稳健移动最小二乘法的点云数据拟合

针对存在噪声的点云数据,采用常规方法拟合效果精度不高的问题,提出了一种有效改善拟合精度的方法。在移动最小二乘的基础上,考虑观测量存在噪声的情况,通过设定阈值剔除噪声,从而得到精度较高的结果。通过相关实验可知:本文方法可有效剔除点云数据中的噪声,提高拟合结果的精度,稳定性更好。     

基于车载式激光扫描的地铁隧道结构检测

本文针对地铁隧道结构检测的基本内容和要求,基于车载式激光扫描技术研究了地铁隧道结构的检测方法.采用车载激光扫描系统采集地铁隧道的点云数据,采用基于RANSAC算法和大小尺度法线算法的组合滤波方法对点云数据进行预处理,通过对隧道点云数据的切片、拟合、展开等处理,计算并分析了地铁隧道的断面变形、收敛值、错台值及渗漏值等.研...     

基于实体化的地面点云建模技术

地面三维激光扫描点云密集,实体信息隐含,特征提取困难。根据原始点云数据的特点,提出对点云进行实体化处理,种子点生成技术可用于实体提取。完成点云实体化后,通过随机采样一致算法结合稳健估计方法,可更好地进行地物特征提取。由于现实客观世界的复杂性,采用一些先验性知识,可以减少人工处理过程,加快点云分类和实体建模速度。     

三维点云室内平面要素提取与优化

室内平面要素的准确提取与关系恢复是室内模型自动化语义重建的重要基础,本文提出了一种面向复杂三维点云的室内平面要素提取与优化方法。该方法首先利用区域增长和RANSAC平面混合分割方法分割室内点云数据;其次利用室内语义部件的空间位置信息及包围盒和法向量信息,对分割后的平面进行平面要素的精确提取;然后对提取的墙面进行优化,实现共享墙面的合并,解决室内墙面冗余的问题;最后利用门与墙的空间位置信息,恢复门墙关联关系。试验部分采用了两组试验数据：一组是深圳大学某层教学楼的激光点云数据,另一组是国际摄影测量与遥感学会（ISPRS）的标准数据,通过对试验结果进行评估,验证了本文方法的有效性和可靠性。     

基于凸包算法和抗差最小二乘法的激光扫描仪圆形标靶中心定位

针对激光扫描仪圆形平面标靶点云数据缺失或冗余时不易准确获取标靶中心的问题,提出一种稳健的中心定位算法。首先根据回光强度提取标靶点云数据;然后剔除标靶点云数据粗差点,拟合标靶的最佳平面;接着利用凸包算法提取标靶边缘点;最后利用抗差最小二乘求解标靶的中心坐标。实验表明,该算法定位精度能达到亚毫米级,可以有效解决标靶数据缺失或者冗余时标靶定位精度低的问题,提高标靶的中心定位的稳健性。     

利用三维激光扫描技术检测建筑物平整度及垂直度

利用地面三维激光扫描仪对某建筑物进行全自动高精度立体扫描,获得目标建筑物表面的三维空间点云信息,经过研究分析提出了一种根据点云提取建筑物中心轴线的方法,采用随机采样一致性算法（RANSAC）拟合直线,并采用整体最小二乘算法拟合平面。通过分析拟合平面及拟合直线的几何特征来检测建筑物的平整度和垂直度,实测数据分析结果表明,三维激光扫描技术在建筑物立面平整度及垂直度检测中具有较高的可行性和适用性。     

三维激光扫描在地铁隧道形变监测中的应用

提出利用三维激光扫描点云截取隧道横断面拟合椭圆进行形变监测的方法。方法分为隧道中轴线提取,连续断面截取和椭圆拟合。隧道中轴线通过点云在水平面上投影后搜索的上下边缘点分别拟合二次曲线求均值得到;沿隧道中轴线设定等距间隔点,在间隔点处以中轴线正交方向截取断面;对截取的断面拟合椭圆并与设计值比较进行形变分析。实验表明,方法可以充分利用点云的大数据量特征,获得隧道内任意处的断面,是对目前监测方式的有益补充。     

目标颜色和入射角对Trimble GX扫描点云精度的影响

介绍三维激光扫描仪的误差分类及近年来国外在目标反射特性对点云精度影响方面的研究进展,大量实验表明点云精度与目标表面反射特性存在较强关系。通过对纸质贴片点云分析得出如下结论:Trimble GX三维激光扫描仪所测点云标准偏差与反射激光亮度符合乘幂函数关系;目标颜色对该扫描仪测量精度有较大影响,白、绿、黄、蓝等颜色对绿色激光反射率较好;纸质贴片旋转一个较小角度可使扫描点云质量最优;纸质贴片反射特性服从朗伯余弦定律。     

非直视区域的普通平面镜辅助地面三维激光扫描方法

地面三维激光扫描是获取对象表面几何信息的主要方法之一,扫描对象的完整性是三维激光扫描数据获取的基本要求。为解决实际扫描过程中,因作业空间受限等原因引起的扫描死角而导致点云缺失的问题,本文根据平面镜反射光线原理提出了针对非直视区域的普通平面镜辅助激光扫描数据的获取方法。分析了普通平面镜对激光光束传播路径与距离的影响机理,推导了激光扫描经普通平面镜反射像点对应的物点坐标解算方程;顾及激光扫描特性,设计了包含球标靶和普通平面镜的镜面反射系统,阐述了系统构建、系统检校与系统坐标系构建方法;并通过试验验证了本方法的可行性和精度。     

Automated Detection of 3D Roof Planes from Lidar Data

The purpose of this study is to derive vectoral 3D roof planes from the LIDAR point cloud of the detected buildings. For segmentation of the LIDAR point cloud, the RANSAC algorithm has been used. Because the RANSAC algorithm is sensitive to the used parameters, and results in over- or under-segmentation of the clusters, a refinement method has been proposed. The detection of roof planes has been improved with use of the refinement method. Therefore, similar plane surfaces have been combined, followed by the region-growing algorithm, to split the under-segmented plane surfaces. The digitization of the roof boundaries is performed using the alpha-shapes algorithm, followed by line fitting to generalize the roof edges. The quality assessment has been done using the reference vector dataset with comparison using four different criteria.     

多尺度点云噪声检测的密度分析法

当前机载激光雷达数据和影像匹配得到的点云是密集点云数据的两类主要来源,但都不可避免存在着噪声点。本文提出一种新的点云去噪算法,可适用于这两类数据中所包含的噪声点的去除。算法主要包括两步:第1步利用多尺度的密度算法去除孤立噪声和小的簇状噪声;第2步利用三角网约束将第1步中误检测为噪声的点重新归为正常点。针对真实数据进行了剔噪试验,结果表明本文提出的基于密度分析的多尺度噪声检测算法对孤立噪声和簇状噪声都有较为效,且对于质量较差的影像匹配点云的检测也能有效处理。本文算法检测率达到97%以上。     

基于三维激光扫描数据的地铁隧道断面测量

地铁主体施工完毕后为了对线路进行调线调坡,需要对地铁隧道进行断面测量,三维激光扫描与常规测量方法相比具有非接触式测量,可高密度采集空间三维点云数据等特点,为地铁断面测量提供了新的途径。本文基于Leica Scanstation 2扫描仪分析了三维激光扫描点云数据采集步骤和数据处理流程,阐述了基于点云数据的地铁断面测量方法,分析了三维激光扫描技术在隧道断面测量中应用的可行性。研究结果表明,这种高密度、高精度的隧道断面能够满足地铁调线调坡等方面的技术要求。     

三维激光扫描技术在天津市历史文化街区三维模型库建立中的应用探讨

利用地面三维激光扫描技术,获取历史文化街区内建筑、场景的高精细的点云数据,将点云与1∶500比例尺的DLG平面文件进行匹配,获取建筑的平面及高程信息。根据获取成果制作天津市历史文化街区重点保护建筑、场景的高精细三维建模,实现历史文化街区内各类建筑、场景的三维仿真,建立数字化档案库。为历史建筑的保护提供数字化档案信息,可以永久的记录城市面貌、建筑风貌以及文化底蕴,实现历史文化街区的保护、复原、修缮、规划及研究等工作。     

抗差趋势面的机载LiDAR点云滤波方法

传统曲面约束滤波算法中,利用最小二乘拟合地形曲面易受种子点粗差影响。针对这一问题,提出基于抗差趋势面的机载激光雷达点云数据滤波方法,首先构建格网索引组织数据,引入抗差趋势面拟合合理的区块地形,通过自适应阈值的设置实现不同区域的自动灵活处理,最终滤除孤立点完善滤波结果。使用ISPRS提供的测区数据进行实验,与传统曲面拟合方法进行对比,实验结果证明,该方法较传统移动曲面拟合法能够得到更加可靠的滤波结果,具备较高实用价值。     

一种基于点云数据的建筑物平面精细分割方法

针对现有大规模点云数据平面特征分割方法中存在的错误识别、效率低、抗噪性差等问题,该文提出一种基于2D霍夫变换和八叉树的建筑物平面精细分割方法。该方法首先,对原始点云进行空间均匀降采样并向X-Y面投影,利用改进的2D霍夫变换算法提取投影后的点云线段,使用选权迭代法精确计算线段所在直线的方程及端点坐标,进一步确定立面的空间几何方程;接下来,建立原始点云数据的八叉树结构,利用端点坐标设计立方体并分割出立方体内的立面点云;最后,将立面点云从原始点云中剔除,对余下点云降采样并向X-Z面投影,重复以上过程分割水平面点云。试验验证了该文方法对建筑物面状特征分割的有效性。