一种基于Harris-Laplace算法的亚像素角点检测方法

为了解决Harris-Laplace检测算法的角点坐标偏移与像素级角点的问题,提出了基于Harris-Laplace算法的亚像素角点检测方法。该方法首先用原始图像与高斯函数进行卷积生成多尺度空间,在原始图像和多尺度空间图像上各自提取Harris-Laplace角点;然后以多尺度空间角点为中心向原始图像投影,统计原始图像上投影区域内的角点形成角点集群,并结合多尺度空间角点响应值对集群角点进行筛选;最后采用位置(坐标)加权平均法确定角点的精确坐标。实验结果表明,该方法能够提供稳定抗噪、尺度不变的亚像素精度角点。     

基于角点检测的遥感图像几何质量评价方法

为分析图像压缩过程对遥感图像几何质量的影响,提出一种新的基于图像角点检测的图像几何质量评价方法.首先介绍经典Harris角点检测算法,然后针对Harris算法定位精度不高的缺点改进Harris算法:对角点响应函数进行曲面拟合后求拟合曲面极值点,以此作为图像亚像素级角点坐标,最后将改进的Harris算法应用到遥感图像几何...     

利用SUSAN算子提取影像角点的改进方法

角点是一种很重要的特征,在摄影测量中有广泛的应用。针对角点检测经典算法中SUSAN算法的特点,对其提出了一些改进方法,使其对角点检测的精度和敏感度有所提高。     

利用多尺度弦角尖锐度累积的自适应角点检测算子

为提高角点检测算法的定位精度和对噪声的鲁棒性,提出了基于多尺度弦角尖锐度累积的自适应角点检测算子。首先,利用Canny算法快速提取图像边缘轮廓;然后,划分轮廓支撑域并将其作为尺度,分别计算3个尺度下的弦角尖锐度均值,并将其累积作为角点响应函数;最后,根据每条轮廓各自的自适应阈值标记角点。实验结果表明,与现有的角点检测算法相比,该算法提高了噪声图像和模糊图像上角点的定位精度和抗噪声能力,并具有自适应性。     

利用角点进行高分辨率遥感影像居民地检测方法

传统的城区检测方法大多是基于影像的全局特征,如纹理、光谱、形状等。当影像出现尺度、光照等条件变化时,将导致这些特征出现变化,造成算法的稳健性下降。而局部不变特征（例如,角点）却不易受到这些因素的影响。为此,本文提出一种无监督的基于角点特征的高分辨率遥感影像城区检测方法。该方法首先在传统的Harris算子的基础上,加入局部和全局约束准则检测影像中的角点,然后根据影像中角点的分布情况,自适应地构建似然函数来度量影像中每一个像素点属于城区的概率,最后采用二值分割的方法提取影像中的城市区域。实验结果表明：该方法可以快速、可靠地检测到影像中的城市区域,具有较高的实际应用价值。     

相似像素的Harris角点检测改进算法

针对Harris算法提取的角点对尺度变化较敏感,且运行速度慢的问题,该文提出了一种基于相似像素的Harris角点检测改进算法。受SUSAN算法启发,改进算法首先计算目标像素8邻域内与之相似的像素数目,并据此筛选出候选角点;然后利用候选角点的相似像素数目改进角点响应函数;最后进行局部非极大抑制确定最终角点。实验结果表明,与Harris算法相比,改进算法所提取的角点位置更加准确,重复率较高,且角点检测时间仅为原算法的26.63%。本文所提算法提高了Harris算法的角点检测效率和稳定性。     

利用极化角点指数进行数字曲线快速多边形近似

针对曲线结构特征,引入极化角点指数作为特征角点的候选依据,提出了一种与曲线起始点位置无关的基于角点检测的多边形近似算法。实验证明,此方法快速有效,结果稳定,噪声抑制效果较好。     

基于结构分析的线划角点检测

针对线划图影像的特点,设计了一种完整的基于结构分析的角点描述和检测算法,并能给出不同类型角点的标识码。     

一种基于SVM的无人机影像中单个建筑物的角点检测方法

针对目前无人机影像中单个建筑物角点的检测现状,提出了一种基于支持向量机(SVM)的无人机影像中建筑物的角点检测方法。首先对4个波段的无人机影像进行多尺度分割,计算影像的NDVI,通过植被与非植被区域的波谱差异剔除植被的影响。其次,用面向对象分类法将"建筑物块"从影像中提取出来,对"建筑物块"区域用Harris算子进行边缘检测,形成建筑物边缘点集数据。随后通过设计高斯径向基将边缘样本点映射到高维特征空间,构建特征向量,采用边缘点集训练SVM分类模型,最终通过SVM分类模型从粗提取的边缘点集中检测出正确的建筑物角点,实现了单个建筑物的角点提取。     

利用点云检测室内导航元素的方法综述

根据建筑物室内墙壁的空间姿态特征, 建立了一种自动绘制室内平面图的点云向量追踪算法。首先截取一定厚度的室内墙体点云并将其投影至水平面, 在投影平面上建立正方形格网, 对投影后的平面点进行分割管理, 并通过八邻域算法对网格内点云进行聚类。然后采用网格重心法对聚类后的点云数据进行抽稀, 并根据邻域内点间距与连线向量夹角大小对抽稀后的点进行追踪排序, 建立追踪方向的向量序列, 结合向量序列中相邻值夹角的突变情况完成不同墙面的点云分割。最后采用最小二乘算法对分割得到的相同墙面点云进行直线拟合, 求取相邻墙体直线的交点, 建立房屋墙体平面投影线段及其空间连接关系, 依序输出墙体投影线段, 完成房屋平面图的绘制并导出DXF格式数据交换文件。通过对某小区建筑物室内扫描数据的分析, 对所提算法进行验证, 结果表明所提算法可准确快速地对室内三维激光扫描点云进行分析处理, 并完成室内建筑物平面图的绘制。     

Precise, automatic and fast method for vanishing point detection

A new automated approach for vanishing point detection in images of urban scenes is described. This method is based on the theorem of Thales. The main contribution of this paper is the automatic and simultaneous detection of all vanishing points of the image, achieved by converting this problem into the detection of circles in a complex cloud of points, in which each point corresponds to a segment and is associated with an uncertainty. This extraction of circles uses a RANSAC method, modified to improve its speed by using accumulation techniques (Hough transform or otherwise). This robust estimation is then refined by least squares error propagation using the individual variances of each segment. The algorithm is robust, its accuracy is optimised and it is entirely automatic. Its successful operation has been tested on a large number of images of varied urban scenes.     

基于灭点的单片规则建筑物三维重建方法研究

为快速获取数字城市建设所需的三维信息,文中介绍了利用单张影像中规则几何建筑物在影像中的的灭点信息,在已知内方位元素的情况下,推导出在现有二维GIS数据的辅助下解求影像外方位元素公式,提出从单张影像上量测建筑物高程（或高度）数据的方法,并简要叙述了该方法的应用领域。     

基于近景单影像的房檐改正计算方法

介绍了利用地面获取的单幅房屋近景影像计算房檐改正值的方法。该方法使用数码相机倾斜影像和房屋外观的几何约束条件,根据交比不变与透视旋转原理,确立了灭点、物方直线段与影像投影直线段之间的关系,并由此计算房檐宽度。实验结果表明,该方法能够满足实际需求。     

利用车载LiDAR点云数据提取城市道路规则多边形

随着自动驾驶高精地图的发展,准确高效地提取道路规则多边形成为必要。本文以苏州市某城市快速路为研究对象,通过使用徕卡车载激光移动测量系统获得城市道路点云数据,观察了解车载点云数据各类属性信息,根据观察结果组合利用点云数据高差、点云灰度差值、点云强度差值,在此基础上再利用网格密度法实现道路规则多边形的提取,然后通过对目标的矢量化得到三维矢量规则多边形。最后对提取的矢量化结果进行精度评定。试验结果表明:该方法在提取道路规则多边形方面能得到较好的结果且能满足高精地图需求。     

顾及航向角变化的轨迹丢失点补全方法

移动载体及其用户的轨迹数据记录相关的行为特征和运动规律,具有重要的社会研究价值,也是轨迹数据挖掘、行为特征匹配等方面的研究重点。然而,在采用GPS获取轨迹数据的过程中会因为信号丢失或者干扰等影响造成轨迹数据的缺失。在路网未知的条件下,由于缺乏快速有效的轨迹修补算法,大多数缺失轨迹会被舍弃或者简单预估处理,严重影响轨迹信息提取的准确性和可用性。针对这一问题,根据轨迹丢失具体情况,确定轨迹丢失点和分类判断规则;以航向角动态变化作为标尺,提出一种丢失轨迹点插值拟合补全算法;最后,利用该算法对采集过程中几类缺失的轨迹数据分别进行实验分析。实验结果表明,在路网未知的条件下,该算法能够快速、准确地完成缺失轨迹点的补全工作,具有一定的实用价值。     

建筑场景三维重建中影像方位元素的获取方法

基于影像的三维重建需要确定影像的内、外方位元素,影像中的灭点为其提供了重要的线索,但灭点位置的不确定性,影响了方位元素计算的结果。通过分析灭点几何,建立了影像直线段与方位元素的直接联系,根据最小二乘平差的有关理论,给出了迭代计算影像的内、外方位元素的方法,并在三维重建的实践中进行了验证。     

高度角与信号强度联合对精密单点定位的影响

针对目前对于随机模型联合定权方面没有太多研究的现状,该文以全球定位系统/格洛纳斯卫星导航系统的实测数据为例进行了实验分析。对比分析了等方差随机模型、基于高度角的随机模型和基于信噪比的信号强度随机模型,并由此提出高度角与基于信噪比的信号强度相联合的随机模型。结果表明:该模型与等方差随机模型相比,提高了精密单点定位的精度,同时也优于基于高度角和基于信噪比的信号强度随机模型。     

矢量地图点数据的盲水印算法

矢量地图点数据存储具有无序性。针对线数据的矢量地图水印算法不能直接应用于点数据的问题,该文提出了一种矢量地图点数据的盲水印算法。该算法将点数据的直角坐标转换为极坐标,自适应的划分扇形网格区域,并采用坐标映射与量化的方法嵌入水印信息。实验证明,该算法对裁剪、平移、删点、投影和坐标变换等操作,具有较好的鲁棒性,尤其是对裁剪操作,鲁棒性较强。     

基于圆增长特征的点状要素群选取算法

控制点、独立地物等在地图上呈点群状表达,如何高效、合理地实现此类要素的自动综合是地图多尺度表达的重要问题。文中在前人研究的基础上,提出一种基于圆增长特征的点状要素群结构化选取算法,实现点状要素群的自动选取。其基本原理是：根据一个点与其周围点重要性程度的比较来确定该点删除与否,从而确保其拓扑关系和几何信息的正确性。实验证明：该算法实用、有效。     

凸壳内缩法进行多密度离散点群边界检测

针对现有离散点群边界检测方法对多密度点群检测结果效果不够理想这一问题,本文提出利用凸壳内缩法检测离散点的边界:先建立离散点群凸壳结构,再定义内缩精度后通过点群凸壳结构特征实现最适内缩精度的识别.该方法对内缩扫描区域面积会随边界点密度不同而变化,因此更加适用于多密度离散点群边界的检测.通过与现有边界检测方法的对比,本文提出的方法在处理多密度离散点群的边界检测问题时具有高效性和普适性.