基于K-近邻搜索的点云初始配准

为了使用最近点迭代算法(ICP)实现点云的精确配准,需要点云有良好的初始姿态,这可以通过点云的粗配准实现。本文结合K-近邻搜索和法向量估计,通过组建不变角度作为匹配特征,求解旋转矩阵和平移向量实现粗配准,方法由Matlab7.1编程实现。具体的实验结果表明,利用该方法能得到理想的粗配准效果,可以进一步应用ICP算法实现精确配准,该方法是有效的。     

一种八叉树和三维R树集成的激光点云数据管理方法

车载激光扫描点云数据已经成为数字城市和危机管理等领域越来越重要的三维空间信息源,针对大规模点云数据高效管理的技术瓶颈,提出一种八叉树和三维R树集成的空间索引方法——3DOR树,充分利用八叉树的良好收敛性创建R树叶节点,避免逐点插入费时过程,同时R树平衡结构保证良好的数据检索效率。并还扩展R树结构生成多细节层次(LOD)点云模型,提出一种支持缓存的多细节层次点云数据组织方法。试验证明,该方法具有良好的空间利用率和空间查询效率,支持多细节层次描述能力和数据缓存机制,可应用于大规模点云数据的后处理与综合应用。     

K-近邻长方体的点云特征提取压缩算法

针对海量点云数据存在大量冗余问题,该文提出基于K-近邻长方体的点云压缩算法。利用目标点的K近邻在非特征点云与特征点云之间的不同分布特性,基于该文算法将点云集合分为特征及非特征点集。该方法先对目标点近邻点进行坐标转换并构建K-近邻长方体,建立压缩准则,对长方体进行扁平程度筛选,结合分段采样去除大量冗余点及少量密集特征点,实现保留原始特征的点云压缩。该文方法涉及K、α、采样率β_(all)3个参数,在实验分析中,采用体积偏差、表面积偏差和Hausdorff距离对该文方法涉及的3个参数进行精度影响分析,结果表明,该方法能保留大量原始特征,在最优K值条件下β_(all)为0.4,α为0.9,此时体积偏差百分比为0.27%,表面积偏差百分比为0.5%,具有较高的压缩精度。     

车载LiDAR海量点云数据管理与可视化研究

为了支持车载移动激光扫描点云数据的高效管理与快速可视化,提出了一种适用于车载海量点云的数据组织方法。该方法将原始点云数据分段后生成轨迹信息用于快速索引,分别对每段数据建立基于八叉树结构的LOD（levels of detail）索引,并采用多线程动态调度技术实现基于视点的海量点云渲染与漫游,显著提高了车载点云数据的调度效率。实验结果证明该点云数据组织方法是一种适合车载点云数据的高效管理方法。     

基于体素栅格的建筑物三维激光点云数据抽稀方法

为了提升三维激光点云数据处理、存储、运算效率,对基于体素栅格的三维激光建筑物点云抽稀方法进行了研究。通过提取原始三维激光点云空间位置和法向量作为体素栅格存贮数据的主要信息;以三维激光点云最大外包矩形构建最大体素,并依据点云位置不断地进行空间划分,直至阈值范围内,从而实现点云数据的高效组织与管理。对体素栅格内的点云依据设定空间半径阈值检索种子点周边点云,剔除体素栅格中阈值内点云,保留种子点云,从而实现了三维激光点云数据抽稀,有效压缩了三维激光点云数据。并通过实验验证了该方法可以有效降低三维激光点云数据冗余,为海量三维激光点云数据的存储与应用等方面的研究提供参考。     

八叉树索引的三维点云数据压缩算法

针对现有的三维点云简化算法普遍存在运行效率较低、内存消耗大、处理时间过长等问题,该文利用八叉树索引的速度优势和点云数据空间分割的逻辑结构,并结合三维点云网格简化算法高效的优势,提出一种基于八叉树索引的三维点云简化算法。该算法基本满足点云简化的理想标准,计算快速、运行时间短。利用实测大雁塔数据对各种三维点云压缩算法进行比较,结果表明该文提出的新算法对点云数据的压缩简化效率和压缩率较现有算法均有较大提高。     

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。     

基于四叉树的大规模点云管理及实时渲染

三维激光扫描仪能够获取非常详尽的信息,但扫描仪的随机软件多数只能控制设备和数据显示,缺乏足够的点云后处理和空间分析功能。设计了一种基于四叉树的大规模点云管理算法,使用四叉树来对点云进行管理,以期对大规模点云进行高效管理并进行实时渲染。     

三维散乱点云的Voronoi拓扑近邻点集查询算法

提出一种三维散乱点云的Voronoi拓扑近邻点集查询算法,该算法改进R*-tree建立三维散乱点云的空间索引结构,采用动态扩展空心球算法获取样点的k近邻点集,通过偏心扩展和自适应扩展获取样点拓扑近邻参考数据,生成该局部点集的Voronoi图,查询样点Voronoi邻域获取样点拓扑近邻点集。通过算法时间复杂度分析及相关实验,证明该算法可快速、准确地获取任意复杂散乱点云的Voronoi拓扑近邻点集。     

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。     

基于空间曲线重建的点云模型精化方法

提出一种将数字影像和激光点云结合进行文物精细三维重建的方法。该方法采用形态学理论在多张影像上精确提取文物轮廓,进行多视曲线匹配,并拟合成空间曲线。影像与激光点云配准后,将重建出的空间轮廓线加入激光点云中,进行轮廓约束的三角网构建,纹理映射后完成重建。该方法解决了激光点云模型边缘轮廓线缺失的问题,能够快速地重建出完整精细的三维模型。     

基于彩色点云的公路资产管理研究

随着中国基础设施建设的蓬勃发展,对高速公路资产信息化管理的需求也越来越多。针对国家公路局中的道路资产的监管问题,研究了以B/S架构为基础,采用开源OpenLayers和CityMaker平台等技术构建了基于WebGIS的道路养护管理系统。实现了对点云的采集、整理及制作,把点云作为公路资产的真三维对象,达到的对公路资产在虚拟平台上的管理。该系统能够有效降低道路资产管理的成本,有效避免对管养资产的重复投资,同时可作为未来大数据分析的基础。     

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.     

定标器表面点云的格网构建分割方法

机载激光雷达安置角偏差对测量结果影响较大。针对安置角偏差标定中的同名点获取问题,设计了一种金字塔形状的定标器和提取定标器顶点的算法流程。对算法流程中的点云分割问题,结合定标器模型参数和格网法向量,提出了一种基于格网构建的分割方法。对实验数据进行处理,得到了很好的点云分割效果。     

基于搜索空间构造模糊度搜索方法的可靠性

整周模糊度的正确求解关系到GPS精密定位结果的正确性，搜索法解算整周模糊度的原则是获得目标函数的整数解作为模糊度参数的解，文中分析了各种不同搜索方法构造搜索空间的特性，比较了不同搜索方法对模糊度解算可靠性的影响，即通过搜索，不同的方法能否获得满足目标函数的一组整数解。     

基于搜索空间构造模糊度搜索方法的可靠性

整周模糊度的正确求解关系到GPS精密定位结果的正确性,搜索法解算整周模糊度的原则是获得目标函数的整数解作为模糊度参数的解,文中分析了各种不同搜索方法构造搜索空间的特性,比较了不同搜索方法对模糊度解算可靠性的影响,即通过搜索,不同的方法能否获得满足目标函数的一组整数解.     

地下空间激光扫描点云精度对比分析

利用4种激光扫描设备对地下空间扫描,针对获得的点云数据,用全站仪测量研究区内特征点三维坐标,统一点云空间参考;并从点云数据中获取特征点坐标,与测量的三维坐标对比分析。结果显示：推扫式激光扫描设备比架站式精度略低,最弱方向中误差为0.128 m,而架站式为0.039 m;用推扫式激光扫描设备对地下空间进行测量,能满足1∶500数字线划图的测量精度要求。     

基于Laspy的点云数据检查方法

基于laspy开源、灵活、简单、效率高的特性,可按照实际需要利用Python语言编写读取点云位置、强度、分层信息、颜色等已有属性值,运用空间分析、自动提取实现对点云数据的范围、分类等信息的批量快速检查工具.其本身作为Phython程序设计语言的延伸,适合于编程初学者,能较快地实现代码编写.通过测试数据验证,利用lasp...     

基于切片技术的激光点云粗差探测

借鉴数据挖掘领域内的离群点探测技术,提出适合于海量点云数据的、基于切片技术的粗差探测算法,该算法将三维点云经过切片降为二维点,有效解决了三维环境下邻域搜索和粗差指标计算效率低下的问题,使算法整体效率和易用性得以显著提高.