DBSCAN聚类和改进的双边滤波算法在点云去噪中的应用

采用基于密度的DBSCAN聚类算法对点云数据进行去噪处理,然后通过改进的双边滤波方法进行光顺处理实现点云平滑效果,最终的结果不仅有效去除了噪声点,还保留了点云模型的特征。以沈阳民国时期代表性的建筑——沈阳金融博物馆为试验模型进行试验,结果表明：通过DBSCAN聚类算法处理后得到的点云数据,再经改进的双边滤波处理所得到的数据远远比原点云数据直接运用改进的双边滤波处理得到的数据精度高,点云去噪效果更好。     

一种多尺度自适应点云坡度滤波算法

点云坡度滤波算法原理简单、易于实现,为进一步提升坡度滤波算法的自适应性,提出了一种多尺度自适应点云坡度滤波算法.首先,在数据预处理的基础上引入虚拟网格对点云数据进行分割;然后,利用距离加权的方式逐次计算网格点的坡度角,结合k均值聚类和正态分布自适应确定滤波阈值;最后,使用多尺度策略逐级缩小网格尺寸实现点云数据的精细滤波...     

车载激光扫描数据的高速道路自动提取方法

针对车载激光扫描技术存在数据量大、点云散乱、目标复杂以及地物相互遮挡等问题,该文提出一种从车载激光扫描数据中高速道路自动提取方法。①对激光点云进行基于扫描线的自适应滤波,剔除路面点。②对于滤波后激光点云数据,使用平滑度约束下的欧式聚类算法进行聚类。③对道路边界进行优化追踪,提取出完整的道路边界和道路面。实验结果表明,本文方法能够快速准确地提取高速公路道路边界和路面点云,提取结果的准确率、完整率和检测质量分别为97.52%、94.23%和92.69%。     

多尺度点云滤波去噪方法

通过三维激光扫描仪获取的点云数据具有大体量、高冗余且非结构化的特点。在使用传统滤波方法进行去噪时,不能兼顾滤波效果与保留细节特征,会造成精度丢失。本文针对以上问题,将噪声划分为远距离的大尺度噪声以及近距离的小尺度噪声,研究基于统计分析结合图像引导滤波的多尺度点云滤波去噪方法。经过实验验证,本文算法可以在不丢失点云细节特征的前提下,实现点云数据的优化以及精简。     

面向对象的车载LiDAR点云滤波方法

针对经典的机载LiDAR点云数据滤波方法不适用于车载LiDAR点云数据滤波的问题,该文提出了一种基于点云分割的不规则三角网渐进加密滤波方法。首先,剔除粗差;然后,进行点云分割;最后,以分割对象为基本判别单元,迭代地进行地面对象的识别。采用两个场景的车载LiDAR点云进行滤波实验。实验结果表明,本文滤波方法的总误差明显小于经典的不规则三角网渐进加密滤波方法。     

基于点云强度的公园乔木检测方法

利用树干石灰涂层在激光点云中的高反射特性,本文提出一种基于点云强度的公园乔木检测方法。首先,使用三维激光扫描仪采集点云,并对点云进行去噪以及地面滤波。接着,对非地面点进行阈值分割,高强度部分包含了涂有石灰的树干。最后,对高强度点实施欧式聚类算法,通过尺寸与点数的约束,得到树干的聚类单元。通过实验证明,该方法具有自动化程度高、检测率高、误检率低等优势,满足公园调查的技术要求。     

基于多特征聚类的复杂环境机载点云层次滤波方法

机载激光雷达(LiDAR)点云滤波是点云数据处理的关键步骤,决定着后续派生品应用的精细程度。针对复杂场景区各种地物的交错性和多态性、地形的突变(断裂)性、相邻地物和地面点高程的相似性等导致的难以区分地物点和地面点瓶颈,本文提出了一种基于多特征聚类的点云层次滤波方法。本文方法首先耦合点云几何和物理信息进行多特征点云聚类,然后发展一种顾及地形断裂的地面点簇识别方法捕捉各类地面点,最后利用捕捉到的地面点构建初始地面参考面,并借助多尺度层次点云滤波方法进一步查找原始点云中的地面点。以4组地形复杂且建筑物和植被混杂区点云数据为试验数据,将本文方法与6种代表性滤波算法对比表明,本文方法的平均总误差最小、滤波性能最优、稳定性最高。     

顾及点云邻域特征的道路里程推算方法实现

提出车载测量系统获取点云进行公路里程推算方法,基于布料模拟滤波算法分类路面、非路面点云,以点云强度信息为标量并顾及点云邻域几何特征分割地面点云,采用八叉树连通聚类方法提取特征标线点云并以此构造路面中心线,制作ArcToolbox里程桩点提取工具来推算道路里程.实验表明本方法可快速分割标线特征点云并准确提取路面中心线,相比于传统的方法可更加准确地实现道路里程推算和桩点坐标提取.     

基于车载LiDAR点云的车辆目标自动检测

以武汉市三环线内主要道路夜间停车调查项目为背景,利用车载三维激光扫描技术获取了武汉市三环线内夜间某道路沿线的点云数据,提出了一种基于知识规则的车辆目标自动检测方法.该方法首先采用基于欧式距离分割的聚类方法将点云分割为簇,再分析车辆目标的点云特征和空间几何特征等相关特点,然后建立车辆目标检测的知识规则,最后根据知识规则实...     

点云剖面特征描述的路面坑槽提取方法

提出一种基于点云剖面特征描述的路面坑槽提取方法,首先对原始点云进行滤波获得路面点云,根据路面点云的扫描线获取道路横向和纵向剖面;采用道格拉斯-普克算法拟合道路剖面轮廓,根据坑槽剖面的积分不变性和微分特性构建坑槽的特征描述算子,自动识别路面坑槽;通过点云的连续性和点云间的距离进行聚类去噪,最后通过形状约束分析进一步确定坑槽.以车载移动测量系统获取的某段道路点云数据进行实验,结果表明该方法对于轻微变形的坑槽提取效果良好,并且对不同形状,不同变形程度的坑槽识别具有较强的抗干扰性、较高的准确度和精度.     

车载LiDAR点云中建筑物立面的自动分割

将建筑物立面数据从散乱无序的车载LiDAR点云中分割出来是一项繁琐而艰巨的任务。本文提出基于基础地理数据辅助的分割方法:首先对基础地理数据进行要素精简,提取有效的建筑物轮廓数据;然后将提取数据转换到车载LiDAR点云数据所在坐标系中,实现坐标基准的统一;再根据建筑物立面特征设置合理的建筑物轮廓缓冲阈值,对建筑物立面点云进行自动分割;最后采用合理的质量评价机制,对分割结果进行检核和评价,实现分割结果的质量控制。实验表明文中方法简单有效。     

基于聚类与重构的河流区域滤波方法

研究河流区域水体点云的分布特征与相互关系,提出基于特征聚类的点云分割与基于LLE算法的邻近点点云重构滤波方法。通过统计网格内点云的特征参数,进行点云分割并滤除水面点,再利用LLE算法的邻近点构建约束条件进行点云重构,分离近岸船只点云与岸堤点云的边缘,最后利用船只点云的独立性进行二值连通域标记与滤除,从而实现河流区域的点云滤波。实验表明,该方法能够滤除90%以上的水面点云与大部分船只点云。     

基于图像分割技术的城区机载LiDAR数据滤波方法

为了获取高精度的DEM数据,采用了一种基于图像分割技术的方法对机载LiDAR数据进行滤波处理。该方法针对原始激光点云数据,首先运用边缘检测技术进行点云分割,准确提取建筑物的边缘信息,确定地面种子点;然后按照一定的准则进行区域生长,最终得到裸露地面点集。针对几组不同地貌特征的城区实测数据进行滤波实验,通过定性和定量分析,验证了该算法不但计算速度快、精度高,而且还具有较强的稳健性。     

一种基于LiDAR点云的建筑物提取方法

从机载雷达点云数据中快速准确提取建筑物是当前研究的难点和热点。在对现有建筑物点云提取方法充分研究和分析的基础上,本文提出了一种基于LiDAR点云的建筑物提取方法。首先根据建筑物的几何特性提取初始建筑物轮廓点;然后构建局部协方差矩阵计算点云分布特征,剔除非建筑物轮廓点;最后利用DBSCAN聚类算法对建筑物轮廓点聚类,以聚类结果为基础构建缓冲区,以缓冲区内所有建筑物轮廓点为初始种子点,采用圆柱体邻域进行多种子点区域增长,实现建筑物点云的提取。通过两组试验,共5组数据验证本文算法的性能。试验结果表明,该方法能够准确、有效地提取多层复杂的建筑物点云,效率高,且具有一定的适用性。     

基于车载点云数据的树木提取与分析

本文基于高速公路高精度点云数据,首先通过点云数据的分类处理实现对树木点云数据的提取,将树木点云投影到水平面,采用DBSCAN密度聚类算法实现单根树木的提取;然后在数据密集区域存在树木树冠点云重叠的区域,本文结合树干几何特征提取树干的位置信息,计算所有点云到树干中心的欧氏距离,将所有点云归类到最近的树干进行粗分割;最后根据粗分割的树木轮廓特征确定树冠模型与树冠中心,提出了采用基于密度特征的格网竞争算法对重叠的区域进行精细分割。试验表明,本文采用的树木分割方法能够实现单棵树木精确提取。     

基于地面三维激光扫描仪点云数据的去噪算法研究

原始三维激光点云数据中存在由于仪器本身、外界环境、实体表面特征等因素导致的噪点,严重影响点云质量以及后处理效果。针对地面三维激光扫描仪原始激光点云数据的去噪问题,本文进行了3种有序点云去噪算法的研究,并采用VC++编程语言进行算法的功能实现,最后选取某区域单站地面原始三维激光点云数据进行实验分析,总结了各算法的优缺点及适用条件。     

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。     

三维激光扫描地形点云的分层去噪方法

针对三维激光扫描采集的地形点云,提出在高程方向进行切片分层的去噪方法。将分层提取的点云投影在平面上,对点云进行网格划分,把网格内的点云转换为二值图像,采用数字图像处理方法过滤离散的网格噪点;然后对分层提取的点云轮廓特征格网,通过对上下层轮廓边缘特征比较,获取点云的地面轮廓网格点,删除孤立噪点与非地面点。根据对不同地形的点云进行去噪实验,通过分层过滤非地面点可以得到很好的去噪效果。     

一种顾及地形复杂度的LiDAR点云多尺度滤波方法

针对复杂地形区域的机载LiDAR数据滤波方法中自适应阈值设置问题,根据地形多尺度效应,提出一种自适应阈值的机载LiDAR点云多尺度滤波方法。该方法采用影像金字塔策略按分辨率从高至低逐级构建LiDAR点云分层格网,滤波过程则从最大尺度格网(顶层格网,最低分辨率)开始,采用局部统计分析的方法自适应地确定高差阈值,同时结合薄板样条内插出下层各格网控制点的高程值,直至最底层格网完成原始激光点云滤波。通过我国某山区城市复杂地形的LiDAR数据实验表明顾及地形复杂度的LiDAR点云多尺度滤波方法能够快速有效地提取高精度DEM,能够满足实际生产需求。     

基于法向量模糊聚类的道路面点云数据滤波

针对道路面三维激光扫描的特点,结合点云法向量分布特征,提出了基于法向量模糊聚类的点云数据滤波算法。通过对3种不同类型实测道路面数据的实验表明,该算法对于路面扫描过程中产生的非路面冗余数据有较好的滤波效果,为点云数据滤波提供了一种新的手段。