基于点云卷积的点云分类方法研究

基于深度学习方法,借鉴二维图像卷积的思想,设计了一种适合三维点云的卷积操作。点云卷积的作用域是局部球形邻域,输入为三维坐标和空间几何关系。通过点云卷积提取局部特征,使用最远点采样算法采集邻域中心点,根据半径构建球形局部邻域,使用多层感知器（multi-layer perceptron,MLP）网络学习空间关系权重,将学习到的关系权重和输入特征相乘,实现卷积操作。基于三维点云卷积,构建了一个多层分类网络模型实现点云分类。使用道路场景的黄石路数据集进行分类实验,结果证明了所提方法的有效性。     

真三维公路养护全资产综合管理平台研究

公路作为国家重要的基础设施和公益性资产,目前已进入大规模养护期,为使公路养护由粗放管理转变为精细化管理,提高养护管理水平,设计和开发了真三维公路养护全资产综合管理平台,实现了真三维模型、二维GIS地图、全景和资产信息属性的四联动可视化,以及公路养护信息资源的整合和共享。平台以云部署的方式为用户节省了维护成本,有效避免了管养建设的重复投资,同时逐渐积累养护数据,为大数据分析提供了基础。     

基于Open Inventor的海量点云交互式管理

针对三维激光扫描点云数据量庞大、管理复杂等不足,结合海量点云数据的特点,采用面向对象和交互式的三维图形库Open Inventor作为开发工具,实现对海量点云的三维动态展示以及法向量和空间坐标的交互式提取等功能。     

基于Geomagic的复杂实体三维点云建模研究

研究了在Geomagic环境中通过三维点云数据重建三维实体模型的过程,详细介绍了复杂实体点云数据在Geomagic中点云数据处理的全过程,包括点云匹配、点云预处理、封装形成三角面、在多边形阶段破洞修补以及优化处理,最终生成了NURBS曲面。三维重建过程表明,在Geomagic中重建三维模型不仅效率高、精度高,而且软件易于操作。本文涉及的数据处理方法也可以用于三维激光扫描技术在数字矿山、数字城市中应用。     

利用点云数据进行三维可视化建模技术研究

依据三维激光扫描仪的工作原理,阐述点云数据处理、数据提取与快速建模的全过程工作原理。以某一建筑物扫描为例,先获取其点云模型数据,并对点云数据采取不同的方法进行拼接处理,且对因拼接方法不同而产生的误差进行比对分析,选取出最优的拼接方法;然后对点云数据进行合并、去噪等处理;最后使用建模工具从点云数据模型中获取建筑物的各立面线划图,完成快速精准的三维可视化建模。     

基于三维激光扫描点云的逆向建模

本文使用三维激光扫描仪对北京观音堂燃气场站进行扫描,通过对扫描点云的拼接、去噪、抽稀、裁剪,然后使用Revit和Design X两种软件对场站进行逆向建模,分别建立了观音堂场站模型,再使用Geomagic Control软件定量分析两种软件建立模型的精度,并对比分析这两种软件建模的优劣,为以后在燃气管理系统中应用提供指导。     

车载全景影像与激光点云融合生成彩色点云方案

针对车载全景影像与激光点云数据融合的研究不足的现状,文章给出了一种适合球面全景影像的车载彩色点云生成方案:由车载POS数据及系统标定参数可获得全景影像的外方位元素,依据影像的采集视角选择激光点最佳的关联影像,然后以球面投影为成像模型获得激光点在影像上的颜色属性值,进而获得彩色点云数据;并对融合的误差进行了讨论与分析。经过融合后的彩色点云几何精度高、目视效果好,使两种数据源的优势得到了有效的结合。实验结果验证了这种方法的可行性和准确性。     

齐云塔激光点云三维重建

三维激光扫描技术可以在不接触、无损害的前提下,将珍贵古建筑的几何、颜色、纹理等信息记录下来,用于对历史遗迹的保存和修复。利用三维激光扫描仪获取国家重点保护文物——洛阳白马寺齐云塔的激光点云数据,通过对比分析Cyclone、CAD、Geornagic Studio等软件对点云数据的处理方法,制作完成齐云塔DLG图件、线框...     

改进的分层点云数据压缩算法

针对传统点云压缩算法主要对小型物件的小数据量精细点云进行压缩,在大型地物的海量数据压缩方面存在压缩时间长、效率低的不足,提出了一种改进的分层点云数据压缩算法。基于大型地物点云空间结构特点将分层压缩算法的速度优势和距离压缩算法的高效优势相结合,解决了传统压缩算法在大型地物点云压缩方面的不足,实现了海量点云的快速高效压缩。西安市大雁塔三维激光点云压缩实验结果表明:该算法可以快速地完成海量点云的压缩,较之传统压缩算法极大地缩短了压缩时间,提高压缩效率。     

基于Oracle SDO_PC的点云数据存储管理技术的应用研究

基于Oracle SDO_PC的存储模型和功能结构研究点云的数据库导入、存储、检索等操作,并针对不同的点云数据量、点云类型、存储分块大小,以及多用户并发情况,分别进行点云数据存储和检索效率的试验对比.试验结果表明,SDO_PC模型可以胜任不同类型点云数据的存储、检索工作,并具有良好的数据存储可扩展能力和高效的多用户并发处理能力.本研究可为后续海量点云数据存储管理及应用、服务提供有价值的参考.     

基于PCL的点云数据空间管理及近邻搜索

由三维激光扫描技术获取的点云数据仅包含点的三维坐标,缺乏点对应的几何拓扑信息,同时为了在计算机中更高效的管理和处理点云数据,本文结合PCL开源库为点云数据建立K-D树和八叉树两种数据结构,并实现基于K-D树和八叉树的快速邻域搜索。     

基于特征点的点云压缩方法研究

针对现有点云数据,在VC++平台下,提出一种基于特征点的压缩方法,实现点云数据的抽稀,其中试验数据采用扫描数据以及美国斯坦福大学试验点云数据。经试验表明,该方法能够实现点云的抽稀,减少点云的数据量,提高点云后期处理的效率。     

基于边界保留的点云精简算法研究

传统的栅格法与曲率法对数据模型进行精简时很容易剔除特征点,但是误判率较高,导致精简后的数据不能较好地突出点云数据的特征,使重构后的实体模型精度下降。针对以上问题,本文算法首先使用改进的Kmeans进行质心初始化;然后,使用X-Y边界提取算法来保留边界完整性;最后,根据Hausdorff距离对簇进行细分,在高曲率区域保留必要多的点,在低曲率地方保留一些均匀分布的点。实验验结果证明该方法优于传统的栅格法与曲率法。     

基于扫描模式的点云修复技术研究

在现有3维激光扫描点云数据基础上,本文在VC＋＋平台下,对点云数据进行了处理,实现了点云数据的修复,其中数据采用美国斯坦福大学试验点云数据。经实验表明,程序能够实现点云的修复,减少了外业扫描过程中因遮挡引起的点云缺失。     

基于散乱点云特征提取算法研究

三维激光扫描测量技术是当前测绘领域研究的热点。点云各个要素特征提取在三维建模中是非常重要的一个环节,也逐渐成为三维点云数据处理中的一个研究重点。目前对点云数据特征提取仍然存在一些问题,大多数算法的研究是针对栅格点云数据进行的,存在容易受到噪声数据的影响以及适应性不强等问题。本文在研究了现有的点云数据特征提取的方法的基础上,将法线差分算法应用到场景内地物提取中,从而实现场景中地物的特征提取。     

车载激光彩色点云的道路标志线提取方法

以车载激光扫描点云数据为研究对象,提取了车载激光扫描系统获取的路面道路标志信息;利用点云数据的坐标、RGB、强度等属性信息,提出了一种适用于城区街道道路标志线的自动提取方法流程;提出了点云高差法、灰度差值法、强度差值法和动态网格密度法配合使用解决问题,实现了目标物的提取。通过SSW激光建模测量车扫描的多个路段的点云数据试验,道路标志线点云的提取成功率达到90%以上,达到了算法的预期目标,具有较高的实际应用价值。     

基于双向切片的点云孔洞修补方法研究

点云的孔洞修补是点云数据处理的重要一环。传统方法对孔洞区域包含多种曲面的孔洞,修补方法会产生失效或修补效果不理想的情况。本文引入了切片方法来进行复杂孔洞的修补,并在此基础上使用双向切片方法,修补的效果及精度良好。     

基于点云数据的改进四叉树空间索引研究

随着测绘行业的不断发展,三维激光扫描技术已经成为地理信息产业中不可或缺的重要组成部分^[1],然而点云庞大的数据量给处理带来了一定的困难。本文针对运用车载移动测量系统所获取的海量点云数据,采用了一种基于编码改进四叉树索引的点云数据组织处理方法。结果证明该方法提高了创建索引的速度,减少了树的深度以及数据的冗余量,并基于此编码进行最邻近查找,具有可行性和有效性。