超体素约简和谱聚类结合的机载LiDAR点云单木分割

为提高机载LiDAR点云数据的单木分割精度和效率,本文提出了一种基于Nystr?m的谱聚类算法。该算法基于谱聚类方法,同时引入了mean shift体素化和Nystr?m方法,在保持谱聚类算法优越表现的同时,大幅降低了谱聚类算法的空间和时间复杂度。首先,用mean shift方法将点云数据转换到体素空间以合理压缩数据量,使用带有体素权重的高斯相似度函数在体素空间中构造相似图。然后,使用Nystr?m方法计算相似度矩阵的近似特征向量和特征值。接下来,使用K-means方法在特征空间中进行聚类,并将结果映射回原始点集以获得单木的聚类点。最后,直接从单木聚类中获取单木参数。在黑龙江省孟家岗林场的实验结果表明：本算法有效改进了谱聚类算法,以牺牲5%的分割精度为代价将分割效率提升了约96倍;与K-means方法相比,本算法在分割精度和计算效率方面均表现更优;从分割结果中提取的树高参数具有较高的精度,R2和RMSE值分别为0.86和1.62 m。本文提出的基于Nystr?m的谱聚类算法是一种有效的机载LiDAR点云分割方法,可以用来进行单木点云分割和单木因子提取。     

基于DBSCAN的地面激光雷达点云单木树干分割研究

单木信息提取是当下各类森林资源调查研究、森林经营等活动的关键步骤,其效率决定着各项森林资源调查与估测的效率.针对城市区域亚热带阔叶林,利用地面激光雷达能够通过其激光和测距扫描系统直接获得高密度扫描点的点云坐标,采用DBSCAN密度聚类算法从地面激光雷达点云中识别并分割出单棵树干,将点云数据按0.2m和0.5m两类间隔进...     

基于语义推理的城区机载LiDAR分割点云分类

目前,机载LiDAR系统获取的点云数据具有多回波的特性,回波特性可以揭示地物的类型信息。本文在排除粗差、首次回波和中间次回波后,对单次回波和尾次回波形成的点云子集进行基于3DHough变换分割和滤波处理以区分地面点和非地面点(包括墙面点),然后合并首次回波、中间次回波和非地面点再次进行点云分割,利用分割面片的尺寸大小、单次回波激光脚点比例、首次回波和中间次回波激光脚点比例等三个指标区分建筑物激光脚点和植被激光脚点。实验证明,上述方法可以很好地将点云数据分类为墙面点、地面点、建筑物点和植被点。     

机载激光扫描测高中激光脚点点群分割新方法

讨论了机载激光扫描测高激光脚点点群分割的方法,提出了一种新的分割成片房屋的激光脚点点群的方法———扫描带法,并给出了新方法的算法流程。实践表明,该算法运算速度快,分割准确、可靠。     

面向地面点识别的机载LiDAR点云分割方法研究

提出一种面向地面目标识别的机载LiDAR点云分割方法。方法首先求每个激光脚点的法向量和残差,由此确定种子点和种子平面;然后对种子点进行区域生长,生长的过程中以邻接点到种子平面的距离和邻接点与种子点的法向量角度差作为相似性的度量标准;当全部的扫描点都被划分,则算法终止。实验表明,文中提出的分割方法,对于城区区域和农村区域的地面目标有很好的识别效果。     

融合LiDAR点云与高分影像的单木检测方法研究

对一种结合高分影像数据和机载LiDAR点云的单木检测方法进行研究,首先采用面向对象分类方法对高分影像上的单木区域进行分割,得到单木区域分割图;再以单木区域为约束,从机载LiDAR激光点云中分离出单木点云,构建局部冠层高度模型(CHM);最后对单木CHM采用分水岭算法探测冠层局部极值,实现对单木中心定位检测.实验结果表明该方法能够充分利用高分影像和激光雷达点云优势,提高了单木定位准确性,具有广泛的应用前景.     

半自动机载LiDAR点云建筑物三维重建方法

针对全自动建筑物3D重建存在需要后续人工检验,且发现重建错误需要花费额外时间修改的问题,提出了一种半自动的面向对象的机载LiDAR点云建筑物3D重建方法。基于建筑物类别点云的联通分析和平面生长分割结果,提出了自动的建筑物栋数检测、单栋建筑物外轮廓提取、单栋建筑物内部结构线提取方法;同时,在计算机无法完成部分工作时,人工辅助计算机完成高程阶越线提取、识别建筑物屋顶附属物点云等工作。实验证明,该方法可以适用于高密度机载LiDAR点云数据中城区大部分建筑物的3D模型重建。     

利用机载激光点云数据生产DEM的关键技术分析

着重分析了利用机载激光点云数据提取DEM的关键技术：预处理、点云滤波与分类、高精度DEM制作与质量评价技术;建立了基于机载激光点云的DEM生产技术流程,并将其应用于宁波市地理国情普查市情专项——高精度地表模型制作项目中;构建了宁波市建成区规则格网1：2000比例尺的高精度DEM模型,为宁波市地理国情普查提供了数据基础。     

多场景机载LiDAR点云单木提取

机载激光雷达（LiDAR）测量技术点云数据采集效率高、覆盖范围大,在树木三维空间采集方面具有显著的优势。本文在城市绿化林地、农村果树林地、山区经济林地这三种典型场景中各选取了一块实验区,采用多级分类的思路,通过粗差点检测、点云滤波、高度阈值分割、平面生长等处理步骤,对整个区域的点云数据进行语义标号,相关的语义类别包括：粗差、地面、植被和建筑物,再使用谱聚类算法对植被类点云进行单木提取。实验结果表明,城市绿化林地树木分布规整,树冠彼此相对独立,检测率最高（83.6%）;而农村果树林地存在植被点与房屋点更难区分,低矮树木漏识别多于城市场景,检测率略低于城市场景（81.2%）;山区经济林地树木密度最高,树冠相互粘连、遮盖,检测率最低（76.8%）。     

基于机载激光点云的建筑物高度提取方法研究

以宁波市第一次地理国情普查中的建筑高度普查专项工作为例,提出了一条基于激光点云分类成果、大比例尺地形图和DEM,快速提取建筑物高度的技术路线。实验结果表明,该方法可快速准确提取建筑高度和顶部纹理信息,从而为城市建设和规划提供了可靠的测绘地理信息服务和保障。     

顾及几何特征的规则激光点云分割方法

三维激光扫描仪能快速地获取三维场景的高精度点云数据,已成为快速三维建模的重要工具。点云分割是三维点云模型数据预处理中的首要环节,也是影响重建效率与模型质量的重要因素。以激光点云的分割为研究切入点,以八叉树空间划分方式对数据进行组织,并用八进制编码进行命名,结合K邻近搜索法获取目标点的局部邻近点,采用加权平均目标点相邻的三角面片法向量来估算单点法向量。基于投影欧氏距离拟合曲面求取曲率。量化了规则点云集的分割约束条件,采用法向量信息来进行平面点的提取,根据曲率在两个主方向上的差异性来识别和分割柱面和球面信息。试验结果表明：①基于法矢量的平面点分割效果理想;②基于曲率差异性的规则曲面点分割效果较差;③基于几何特性的规则激光点分割方法合理可行。     

机载LiDAR点云数据精度评定方法的研究

基于机载LiDAR系统组成及工作原理,对激光点云数据精度评定方法进行研究,主要包括内插特征点对比分析法、统计分析法、斜面几何分析法、误差传播定律分析法。各种方法都有各自的优缺点,在进行具体精度评定时,几种方法要结合使用。     

机载激光点云与摄影测量点云非监督建筑物变化检测

机载激光扫描和航空摄影测量两种技术获取的点云属性差异大,变化检测易受噪声和数据误差影响。为此设计了一种非监督的建筑物变化检测方法。首先利用基于坡度信息的渐进三角网加密和基于表面生长的点云分割方法,从激光点云中提取出地面、屋顶和植被3类要素;其次以激光扫描数据为基准检测建筑物拆除和加高两类变化;并对剩下的区域以密集匹配点云为基准探测出新建的建筑物;最后对检测的变化结果进行形态学滤波。实验证明,该方法能有效克服两种点云的差异和密集匹配噪声的影响,不仅能获得锐利的建筑物变化轮廓,而且能得到建筑物增高或拆除的类别标签。     

机载激光点云数据中电力线自动提取方法

提出了一种从机载激光点云数据中自动提取电力线的方法。首先利用顾及地形起伏特征的机载激光点云自动滤波方法移除地面点,利用维数特征以及方向特征自非地面点中分割获得电力线激光点云;然后对获取的电力线点采用二维霍夫变换和最小二乘拟合的方法求取每条电力线的中心线方程,根据中心线方程求取每条电力线上的激光点完成单电力线目标提取,并考虑了电力线在水平投影面内重叠时的情况;最后根据分块质心解算方法生成每条电力线上的三维节点,输出电力线矢量。采用实际线路巡检实验采集的机载激光点云数据进行实验,实验结果表明,该方法能从机载激光点云数据中提取出完整的电力线,并具有较好的鲁棒性,对电力巡线具有一定的实际意义。     

机载LiDAR数据建筑物顶面点云分割方法研究

建筑物顶部面片的精确分割是机载LIDAR点云数据中建筑物三维重建的关键。本文在LIDAR点云数据法向量分析及曲率计算的基础上,采用曲率最小点作为种子点,以点云法向量角度差和灰度值差作为生长条件,构建了LIDAR点云数据的建筑物顶面面片区域增长分割方法,并进一步对分割面片的邻接点进行处理,用于建筑物三维模型的重建。实验结果表明,本文建立的算法可准确的分割不同结构类型的建筑物顶面,并能够有效区分植被点云。     

机载LiDAR点云密度对DEM精度的影响

机载激光雷达技术(LiDAR)作为一项先进的遥感技术,是植被覆盖区DEM获取的重要手段之一,而不同地形坡度条件及点云密度对DEM产品质量有重要影响。本文以辽宁省某市的机载LiDAR数据为基础,选取5种不同地形坡度的点云数据,通过随机、等间距及基于曲率3种不同的点云抽稀方法,按照点云保留率为80%、60%、40%、20%和10%共5个不同梯度的抽稀倍数对原始点云进行抽稀简化处理,生成与之对应的DEM并对其进行精度评价,以此研究地形坡度、点云抽稀方法、抽稀倍数对DEM精度的影响。结果表明,DEM精度与地形坡度呈负相关关系,即RMSE随地形坡度升高不断增加;基于曲率的抽稀方法在地形坡度＞30°时,相较于其他两种方法RMSE较小,具有明显优势;40%的点云保留率是平衡DEM精度与数据存储效率的一个节点,当点云保留率<40%时,DEM的高程RMSE会迅速增大。该研究对于利用机载LiDAR进行大范围DEM生产具有一定的指导和借鉴意义。     

三维激光点云配电房结构及设备语义分割方法

针对配电房点云场景的三维重建需求问题,该文提出了一种配电房结构及设备点云的自动化语义分割方法。对于配电房主体结构点云,先采用区域增长的方法获取所有结构面的点云块,再基于随机采样一致性平面拟合的方法,对属于同一结构面的点云进行精准合并;对配电房内部设备点云,先采用欧式聚类的方法对每个设备点云进行聚类分割,再采用点云投影与栅格化的方法生成每个设备的主面图像,最后基于深度残差网络搭建深度神经网络对每个设备主面图像进行分类,得到每个设备点云的语义信息。实验证明,该文提出的方法对配电房点云分割的正确率优于0.9,设备识别的正确率优于96%,能够满足后续配电房及设备三维重建的要求。     

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。     

一种高压输电走廊机载激光点云分类方法

针对输电线路现有点云分类方法存在的分类效率较低及精度不高等问题,该文从高压输电走廊的地物分布特点出发,提出一种基于JointBoost的高压输电走廊点云分类方法。该方法将三维点云转换为二维影像并基于Hough变换在影像上检测输电走廊候选区域;对候选区域每个点定义并计算多尺度局部特征向量,包括高程特征、连通特征、张量特征和平面特征;根据多尺度局部特征用JointBoost分类器将待分类点云分为地面、植被、电力线和电力塔4类。实验数据表明,该方法能有效地减少高压输电走廊的点云处理数量,提高分类效率,且选取的多尺度特征能有效地表达输电走廊内地物的分布特点,具有较高的分类精度。