基于机载LiDAR数据的建筑物轮廓提取

建筑物轮廓作为建筑物三维重建的重要元素,在建立智慧城市和数字城市中至关重要。本文针对从机载激光雷达点云中提取建筑物轮廓数据处理的点云滤波、建筑物屋顶面提取、建筑物轮廓提取,以及提取精度评定各环节存在的一些问题,提出了一种综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法。该方法在对机载LiDAR点云数据去噪的基础上,首先利用改进的区域生长算法滤波地面点,并基于地物点到地面的归一化高程特征通过高度阈值去除高度较为低矮的地物点;再基于三维Hough变换算法从剩余建筑物和高大树木点云中提取建筑物平面;最后使用α-shape算法提取建筑物的轮廓信息。对使用RIEGLVQ-1560i机载激光雷达测量系统扫描的某城区点云数据进行计算,通过匹配度、形状相似度和位置精度等评价指标对提取的建筑物轮廓进行精度评定。结果表明,综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法可以准确提取建筑物的轮廓信息,对于大范围的建筑物轮廓提取具有稳定性和普遍适用性。     

基于局部不变性特征的无人机影像特征点提取

针对不同尺度影像特征点提取的问题,提出了基于局部不变性特征的算法。以经典的SIFT特征点检测算法为参照,详细分析了SURF特征点检测算法,并通过实验从特征点提取速度和适应性2个方面对Moravec、Harris、SUSAN、SIFT、SURF等算法进行了比较。结果表明,SURF算法提取影像特征点的速度较快、适应性较强。     

改进的 Hough 变换提取点云数据球面特征

提出一种改进的Hough变换用于提取点云数据中的球面特征。该方法运用"4点定位法"与Hough变换基本方法相结合,可以快速定位球心坐标和球半径并提取出球面点。为验证方法的有效性,通过Matlab建立含噪点云仿真模型,对基本方法和改进算法进行比较。实验结果表明,提取点云数据的球面特征采用改进Hough变换算法速度更快、效率更高。     

顾及三维形态特征的河流曲线化简方法

鉴于常规曲线化简方法应用于河流曲线化简时难以顾及河流要素的三维特征及其拓扑结构,提出了一种顾及三维形态特征的河流曲线化简方法。该方法利用河流曲线上散点的三维特征对散点进行选取进而实现河流曲线化简。在三维Douglas-Peucker（3D D-P）算法的基础上提出一种三维散点排队法,根据散点的三维特征对河流曲线的离散点集进行排队,并通过初始排队、"3合1"队列合并及约束点位置调整3个过程建立散点队列,然后根据压缩比从队列尾部删除相应比例的点数获得散点综合结果,将综合后的散点按照河流曲线的原始次序重构出化简后的河流曲线。实验结果表明,该方法既能最大程度地保留河流的三维形态特征,又能保证河流曲线之间的拓扑结构一致性。     

基于机载LiDAR点云的道路提取方法研究

道路是建设数字交通和数字城市的重要组成部分,也是空间地理信息的重要元素。针对传统遥感技术提取道路效率低、自动化程度不高以及易受周围环境影响等问题,基于无人机搭载LiDAR测量系统获取的某城郊结合区的点云数据,提出一种点云数据预处理、道路点云分级提取和道路边界提取算法。该算法首先对获取的LiDAR点云原始数据进行去噪处理,再结合曲面拟合滤波和点云几何特征提取包含道路在内的地面点云,然后利用点云的强度信息初提取道路点云,针对与道路材质相似的停车场等地物点云,在构建TIN的基础上,使用边长和面积约束进一步对道路点云进行精提取,最后使用α-shape算法对道路边界进行提取,并利用算法对实测的点云数据进行道路提取,以准确率和误分率对本文算法进行定量分析,结果表明提出的道路提取算法能够快速准确地提取道路点云。     

基于维度特征的RANSAC建筑物点云分割算法

提出一种以建筑物表面形状特征为分割依据的改进RANSAC点云分割算法。该算法以主成分分析算法为基础计算维度特征和熵函数,并以熵函数最小准则确定最优邻域,继而进行表面形状分类,运用法向量夹角作为约束条件对分类结果进行优化。将分类结果作为随机抽样一致性(RANSAC)点云分割算法的模型选择依据,进行建筑物表面分割,采用法向量和距离等约束条件对分割结果进行优化,从而分割出具有不同形状的特征表面。实验表明:文中提出的改进的RANSAC点云分割算法是可行的,能有效保留表面特征。     

LIDAR点云数据的建筑物特征线提取

传统的房屋建模主要采用航空航天立体影像来获取房屋的3维数据,通过在数字摄影测量系统上进行立体量测来实现。这种方式费时、费力、周期比较长,影响了成果的现势性。机载激光雷达可直接、快速获取大面积地表点的三维坐标信息,为建筑物特征线提取和建模带来了便利。以往基于LIDAR点云数据进行建筑物特征线提取,大多只是针对简单的平顶房屋和人字型房屋。本文提出了一种能够精确提取建筑物特征线的方法,通过建筑物区域确定、建筑物顶面分类,能够实现诸如平面、斜面和多层次建筑物特征线提取的方法。     

盾构隧道点云模块化提取方法

针对盾构隧道模块提取,本文提出了一种结合Hough直线检测和图像匹配的提取方法。首先基于RANSAC算法实现盾构隧道进行圆柱展开,并对张开的隧道点云二值化;然后采用带限制条件的Hough变换算法实现盾构隧道环的提取;最后基于隧道环片内封顶模块和邻接模块中部螺栓孔数和螺栓孔布局的特殊性匹配模块,结合环片构造尺寸精确提取模块点云。通过扫描某地铁获取的点云数据试验对本文算法进行验证。结果表明,本文算法可有效实现盾构隧道模块化提取。     

顾及空间特征的地形特征点提取方法

针对传统地形特征点提取方法未能全面顾及地形特征点空间特征的问题,该文提出一种顾及空间特征的地形特征点提取方法.该方法在系统分析地形特征点的空间分布差异性、空间耦合性、层次等级性的基础上,采用均值变点法确定适宜阈值,利用成熟的水文分析法提取沟谷线和山脊线.在此基础上,通过窗口分析、矢量分析等方法实现对山顶点、鞍部点、脊线源点、脊线交点、径流源点、径流节点、流域出水口点的有效提取和分级.以福建省九龙江支流吕凤溪流域30m空间分辨率数字高程模型进行实验.从目视解译、地形模型对比、分级适宜性3个角度对提取结果进行评价,同时分析了空间分辨率对地形特征点提取的影响.实验结果表明,所提方法能有效保证地形特征点提取结果的准确性,空间分辨率对地形特征点提取结果的总数目、最高级别和分级数目以及空间位置具有重要影响.     

LiDAR点云与遥感影像结合提取建筑物轮廓

结合点云数据与遥感图像数据提取建筑物轮廓提出一种新方法。首先对LiDAR点云高程栅格化,利用形态学滤波得到地物的高程图DSM;用渐进形态学对高程图进行滤波,得到地形图;通过克里金插值对地面点进行内插得到DTM;以DSM-DTM=DHM得到粗糙的高度图;通过中值滤波得到完善的高度图,进行基于高度信息和彩色信息的区域生长,最后进行基于方位梯度数据的分割,优化建筑物边缘,有效地实现了建筑物轮廓提取。     

顾及局部特征的深度学习点云分类研究

针对PointNet深度学习算法可以直接处理无序点云并取得了良好的精度,但是缺乏对局部信息学习过程的问题,该文基于图卷积模型,在PointNet基础上构造层次化的K邻域图,扩大局部感受野,获得高层次的特征抽象,有效提取了点云的局部特征从而提高了分类精度.分类实验在ModelNet40数据集上进行,取得了91.2％的测试精度.研究结果表明,该文提出的算法比PointNet分类结果高出2.0％,同时本文构造的分类网络鲁棒性优于PointNet算法,为点云分类工作提供了一种有效思路.     

利用原始激光雷达点云数据提取渐进式建筑物轮廓线

建筑物是城市三维建模的重要元素,其轮廓信息的提取既是难点又是重点。本文提出了原始激光雷达点云数据的渐进式建筑物轮廓线提取方法。首先对原始点云数据采用渐进数学形态学滤波分离非地面点;然后使用改进的三维Hough转换分类出建筑物点云;进一步提取建筑物轮廓点,并根据相邻点方位角阈值确定建筑点云轮廓的关键点,以此简化并拟合建筑物轮廓线;最后基于轮廓线长度加权方向将建筑物轮廓规则化。结果表明,该方法大大提高了点云处理的效率和精度,可以直接从采集到的初始数据中自动化渐进式得到建筑物轮廓线信息。同时该方法对解决中小城镇建筑物体积小,距离近和屋顶坡度较大等问题具有较好的效果。     

利用局部自适应阈值方法提取ORB-SLAM特征点

智能驾驶车辆的定位和建图是智能驾驶车辆的关键技术之一,针对ORB-SLAM中的特征点提取为固定阈值的问题,本文提出了一种局部自适应阈值方法提取特征点.首先,对局部自适应阈值的计算方法进行了阐述,主要利用图像对比度设置自适应阈值;然后,在FAST算法基础上构建了高斯图像金字塔,采用灰度质心法解决特征点的尺度不变和旋转问题...     

几何与Gabor纹理特征的机载LiDAR点云建筑物提取

针对仅基于LiDAR点云的几何特征难以区分高程相似地物,且建筑物轮廓边缘信息提取精度不高的问题,该文提出一种基于几何特征与纹理特征的建筑物点云提取方法。利用圆柱体邻域计算16个与强度、高程、平面和密度相关的空间几何特征;通过Gabor滤波器提取24个纹理特征;再通过ReliefF特征选择前10个最优特征训练随机森林分类器,实现建筑物点分类。通过3组机载点云数据试验,对比仅使用点云几何特征(OP)、几何与纹理特征(OP+TE)、几何与纹理特征并特征选择(OP+TE+FS)3种方法的建筑物提取效果。实验结果表明,加入点云纹理特征并进行特征选择,能够进一步减少点云建筑物的漏提取和误提取现象,具有更高的完整率和准确率。     

利用三维激光点云重构建筑物模型

随着三维激光点云数据获取能力的提升,基于三维激光点云进行建筑物模型重建与立面测绘成为工程应用中常用的方法。三维激光点云数据能够体现建筑物丰富和直观的细节信息,然而海量数据处理给建筑物模型构建带来了极大挑战。本文通过对建筑物的三维激光点云数据进行横切得到建筑物轮廓点,并采用基于遗传算法的TSP算法对轮廓点进行处理以获取建筑物各立面的方程系数,最终实现建筑物模型的构建和获取详细的建筑物立面数据。试验结果表明,此方法可以较好地实现LOD1级建筑物模型的构建,进而为更高(LOD3)级别的建筑物模型构建提供依据。     

一种基于室内点云数据的建筑墙线提取

针对室内点云数据无结构化属性、数据间无连接、不承载语义信息且数据点密度高的特点,结合建筑物点云几何特征和室内导航需求,通过数据降维简化建筑几何特征提取的复杂性,提出一种基于室内点云数据提取建筑物墙线的方法.该方法首先通过向特定方向投影,利用点云密度直方图完成天花板面、地板面和房间墙面的初步分割;然后将房间墙面点云数据向...     

特征保持的三维复杂建筑物模型多分辨率表达

提出了一种基于体技术的改进的三维复杂建筑物模型多分辨率表达方法。该方法首先将原始表面模型转化为体元表达,并存储在一棵八叉树中;然后基于二次误差度量对八叉树体元进行聚类简化,生成不同分辨率的体元简化模型;最后从多分辨率体元模型中提取等值面,并利用法向量重建原始模型的特征,得到所需的LOD模型。实验结果表明,该方法计算量小,生成的LOD模型能有效保持原始建筑物的主要结构特征。     

基于Hough变换的建筑物半自动提取

提出了一种基于Hough变换的建筑物半自动提取方法.该方法针对由人工给定建筑物的初始角点并通过统计屋顶主方向对Hough变换的搜索范围和搜索角度进行限制,从而稳定快速地提取出屋顶的边缘.然后利用最小二乘的方法对提取出的屋顶边缘进行精确对中,实现了对平顶直角建筑物以及人字形建筑物的有效提取.     

基于Hough变换的建筑物半自动提取

提出了一种基于Hough变换的建筑物半自动提取方法。该方法针对由人工给定建筑物的初始角点并通过统计屋顶主方向对Hough变换的搜索范围和搜索角度进行限制,从而稳定快速地提取出屋顶的边缘。然后利用最小二乘的方法对提取出的屋顶边缘进行精确对中,实现了对平顶直角建筑物以及人字形建筑物的有效提取。