复杂城区车载激光扫描点云分层路段定位与数据纠正实验研究

高精度的车载点云数据是实现各种城市地物要素提取的前提,但在复杂城市环境下车载作业时信号遮挡、衰减和多径效应频繁发生,进而造成点云数据精度严重降低,如何对复杂环境下的点云数据进行分析和纠正就显得至关重要.现有的质量分析方法多从测距误差、仪器安装误差和数据处理误差方面出发,虽然可以在一定程度上改化数据,但在如何快速定位出分...     

车载激光点云纠正技术研究

随着智慧城市建设发展需求的不断扩大,移动扫描技术在项目应用中的频率不断提升,车载三维激光扫描技术以其高效率、高精度的特点已在项目实践中占有一席之地.但车载三维激光扫描技术受限于卫星信号等情况影响,点云数据为确保达到高精度,通常需进行远超车载扫描本身工作量的点云精度改善工作,即点云纠正,本文使用多个实例数据,通过对不同纠...     

隧道移动三维扫描点云纠正的控制方案研究

随着城市的发展,交通拥堵、地表空间匮乏促使地下空间的开发利用快速发展.地下空间三维信息的采集、处理、建模、管理需求促使三维激光扫描应用向地下空间延伸.移动三维扫描系统通过GNSS实时定位、IMU惯导系统定姿解算每个时刻扫描仪的位置和姿态,进而得到准确的三维点云数据,在GNSS完全失锁时,还需进行标靶纠正.对隧道内控制标靶布设方案进行了研究,通过纠正IMU的漂移和位置偏差,得到高精度点云数据.     

依据点云强度校正的壁画纠正

壁画纠正能消除数字壁画影像的变形并赋予其空间参数特性,是壁画数字化保护中的关键步骤之一。激光扫描数据作为壁画影像与三维空间的媒介,在壁画影像的纹理映射和纠正中具有重要的意义。然而,激光点云强度的近距离反常现象给壁画纠正中特征点的提取带来了困难。本文针对基于点云的壁画纠正中强度信息的近距离反常问题,研究了激光成像原理,推导了顾及激光接收系统散焦效应的强度函数,并采集样本数据进行模型参数估计,通过对估计模型和实际采集数据进行比较,生成不受距离和入射角影响的相对反射率,从而有效校正了强度异常的点云数据。试验表明,在壁画影像纠正过程中,该方法能有效解决强度影像提取特征点少且分布不均的问题,效果明显优于通用的数字图像处理方法。     

面向三维城市建模的多点云数据融合方法综述

多细节层次的三维城市模型是数字城市和智慧社会的关键空间数据基础设施,从基于稀疏点线特征的交互式半自动化建模到基于密集点云的自动化智能化建模已经成为国际学术界和工业界的热点前沿。由于立体城市空间结构的复杂性,多类型、多站点和多时相的点云数据融合处理是三维城市建模的基本途径,其基本思想是将具有不同视角、密度、精度、尺度、细节、时间历元等特征的多点云数据进行一致性融合表达与集成处理,建立可直接面向计算分析的智能化表达的多点云模型。归纳总结了多点云数据的主要特点,针对时空基准与精度、尺度、语义3个层面的一致性处理,分析了多点云数据融合的主要发展趋势,并凝练了面向三维城市建模的多点云数据融合关键问题。     

激光与倾斜点云精确配准与无缝融合

广泛使用的传统激光点云与倾斜摄影等城市空间建模方法存在各自的优缺点,将不同来源的数据进行有效融合并用于城市三维模型的构建是当前城市建模的难点。因此,本文首先提出了一种激光与倾斜点云精确配准与无缝融合的方法,该方法可以克服不同来源点云数据在尺度与精度上不一致的问题,精确计算不同来源数据的空间变换关系;然后在此基础上剔除数据冗余,完成多源点云数据的无缝融合;最后采用3组实际场景中获取的数据对本文剔除方法的有效性及精度进行验证。试验结果表明,通过本文方法获取的融合数据相较于单一平台获取的数据具有更好的完整性和数据精度。     

一种自动提取控制点的多源兴趣点位置纠正方法

针对目前多源数据融合过程中使用传统控制点选取方法存在着效率低下且精度难以保障等问题,本文提出了一种基于网格划分自动提取控制点的多源兴趣点位置纠正方法,采用中文语义匹配的方式自动获取每个网格内的控制点与精度检核点,通过多项式变换与粗差剔除过程计算出相应网格内的坐标变换系数,以实现整个目标范围的点群位置纠正。实验表明,该方法有效地提高了纠正的效率和精度。     

谈兴趣点在城市管理信息系统中的具体应用

"万米单元网格城市管理新模式"是高科技信息集成技术在政府城市管理创新方面的一次重大突破,城市部件数据作为城市管理信息系统的基础数据发挥着至关重要的作用,而城市部件及事件的准确和快速定位则依赖于兴趣点的有效使用。作者通过对西城区城市管理信息系统中兴趣点具体使用经验的总结,对兴趣点的选择、使用、维护、测量方法进行了全面阐述。     

线目标特征点相似性匹配

针对地图制图数据库更新中多源数据匹配问题,通过提取线目标中的特征点,建立一种基于空间位置和拓扑关系的匹配模型,对特征点进行相似性匹配。实验证明该模型匹配效果良好,基本满足数据更新中图形纠正的需要。     

顾及法向量的点云语义分割方法

针对在复杂场景下激光雷达点云数据的语义分割研究中,存在点云特征损失大、点云语义挖掘不足和分割精度不高等问题,该文提出了一种将法向量和RandLA-Net相结合的点云语义分割方法。把点云法向量与RandLA-Net网络的局部特征聚合模块融合,提取局部语义聚合特征,利用softmax分类器对每个点进行分类。实现了复杂场景下LiDAR点云数据的语义分割。通过对Oakland点云数据集和德国Vaihingen城市语义数据集进行实验分析,验证了本文算法具有较强的泛化能力,本文算法在Oakland点云数据集和Vaihingen城市语义数据集上的平均交并比分别为96.38%和92.49%,与RandLA-Net网络相比,该算法充分利用了激光点云数据的语义特征,有效地提高了点云语义分割的准确性。