利用航空影像、点云数据和矢量图进行简单房屋三维重建方法研究

采用航空影像、点云数据和矢量图进行房屋的三维重建。该方法从矢量图和三维点云数据提供的房屋高度信息中自动获取房屋模型参数的初始值,利用矢量和影像匹配技术、最小二乘平差算法实现平顶房、人字形简单房屋的自动三维重建。试验数据证明,该方法能较好地实现房屋的点云数据分割和平顶房、人字形简单房屋的几何模型自动重建。     

多站激光点云数据全自动高精度拼接方法研究

目的 针对目前多站点云数据拼接存在的效率低和自动化程度低等问题,提出了基于地面激光点云强度信息的2D-3D点云数据高精度全自动拼接方法。首先,将强度信息通过三次样条插值算法生成二维影像,采用基于图形处理器(GPU)的加速尺度不变特征变换(SIFT)算子匹配得到二维同名特征点,剔除粗差;然后,反算得到特征点在三维点云中的坐标,并通过三维空间法向量对三维同名特征点进行精炼。利用精炼的三维特征点进行多站点云数据拼接,可提高多站点云海量数据拼接的精度和效率。     

基于多源数据融合古建筑三维重建技术的研究

将无人机倾斜影像、地面三维激光点云和数码相机照片相结合,从影像数据与点云数据2个层面研究数据融合的理论及策略,通过数据预处理、坐标系统一、数据配准、影像点云融合、点云数据融合实现三维实景重建。建立的三维实景模型,能够真实全面地还原和反映目标物全貌,且具备直观表达对象整体空间信息的能力。通过点、线、体3个层面的精度验证可以得出,本文提出的多源数据融合建模方法能够建立无遮挡、无空洞、细节表达完整的三维实景模型,且模型精度良好,为古建筑数字化保护拓展了一个新的方向。     

地面三维激光扫描数据拼接方法评估

点云数据拼接方法直接关系到地面三维激光扫描仪的测量精度和效率,通过实验对5种拼接方法的精度进行评估.结果表明,50 m测量距离内,5种点云数据拼接方法的精度分别为1.33 mm、8.88 mm、2.71 mm、4.29 mm和6.07 m m,其中标靶拼接的精度最高.综合评估拼接方法的精度、效率,为实际工程提供参考方案.     

基于SGM的多分辨率影像匹配方法

分析了SGM影像匹配算法的基本思想及其不足,给出了半全局影像匹配算法的基本模型;在此基础上,对该SGM算法模型进行了多分辨率扩展,设计了一种多分辨率半全局影像匹配方法 P-SGM,并讨论了该方法的实现步骤及其技术细节;利用实际影像数据进行了P-SGM影像匹配实验。实验结果表明,该方法能够完成大场景、大幅面遥感影像的密集匹配工作,获取实验区密集匹配点云;并具有较高的匹配性能和匹配精度。     

融合语义特征与GPS位置的地面激光点云拼接方法

拼接是地面激光点云数据处理的必要步骤,但基于同名点的点云拼接方式已成为阻碍点云处理效率提升的长期瓶颈,而直接匹配点云识别同名特征的方法亦对点云重叠区域具有较高的要求。本文提出一种融合语义特征与GPS位置的地面激光点云拼接方法,通过语义知识自动识别出原始三维点云中所包含的地面特征与建筑物立面特征,并使用这两种面状特征结合点云测站中心的GPS位置作为同名标靶进行点云初始拼接,随后使用点到面最小距离约束下的ICP进行点云精确拼接。实验表明,本方法可以有效提高地面激光点云拼接的整体效率,尤其对于包含平面结构（如马路、建筑物）的场景具有良好的拼接效果。     

多源数据融合技术在古建筑三维重建中的应用

针对单一点云数据建模时自动化程度低、模型不够完整等问题,提出了一种基于多源数据融合技术的三维重建方法。其基本思路是将地面激光点云与空地影像相结合,在对多源数据进行预处理、坐标系统一、数据融合配准、目标特征提取与识别的基础上,实现模型重建。试验结果表明：采用地面激光点云+空地影像融合建模能得到更加精确、完整和美观的实景三维模型。     

基于三维激光扫描数据的实体构筑物三维建模

以高压输电铁塔为研究对象,以地面激光扫描系统TRIMBLE GX为例,探讨如何利用三维激光扫描仪获取空间数据,建立相应实体模型的技术方法,并对建模效果作了分析。     

增广扩展卡尔曼滤波的全局拼接方法研究

针对点云拼接中双站数据的拼接必然会产生拼接误差的传递,最终导致整体拼接效果不佳的问题,该文讨论了基于增广扩展卡尔曼滤波的全局拼接,通过构造系统增广模型和系统观测模型,构建转换矩阵来对数据进行全局拼接:应用增广的卡尔曼滤波原理对各站点的位置姿态进行递归地估计,以同名点偏差为依据进行估计和校正,更新位置姿态,实现数据的全局拼接。最后采用上海地铁隧道三维点云数据进行基于增广扩展卡尔曼滤波的全局拼接实验。结果表明,此方法能够提高拼接精度,降低拼接误差。     

两种高速铁路激光点云的采集拼接方法

研究围绕地面三维激光扫描点云数据的拼接问题,在某段高速铁路设计并实施了标靶拼接和控制点拼接两种不同模式下的点云数据采集和拼接试验,结合点云处理软件对点云数据进行拼接处理,分析了拼接精度和数据采集拼接的整体作业工作量等。结果表明,在相同的扫描条件下,基于控制点拼接的点云数据,精度优于基于标靶拼接的点云数据;在高速铁路等带状工程点云采集拼接中,控制点拼接模式下整体工作效率高于标靶拼接。本次试验所显现的控制点拼接的高精度和高效率等的优势,可为三维激光扫描仪在铁路点云采集和拼接作业提供有利参考。     

基于LIDAR数据的建筑物自动化重建

对基于LIDAR数据的建筑物重建进行研究,提出了一种自动化的建筑物重建方法。根据建筑物的边缘线通常互相垂直或平行这一特点对提取的轮廓线进行规则化。然后在屋顶三角网中随机选取种子三角形进行区域生长,将屋顶分割成不同的平面,通过平面相交得到建筑物的屋脊线。最后通过搜索离建筑物轮廓点最近的LIDAR点云,将搜索到的LIDAR点云高程值赋给该轮廓点。实验结果表明:利用该方法进行建筑物重建具有较高的精度。     

三维激光扫描技术在建筑立面改造中的应用

当前,如何高效、准确地获取建筑立面图成为在城市的快速更新与发展过程中的热点.三维激光扫描技术因其高效率和高精度特点,日益成为建筑立面改造的首选技术.本文结合项目实例,分析总结了三维激光扫描激光技术在应用于建筑立面改造项目中的一般流程,并介绍了三维激光扫描测量系统原理、涉及的硬软件技术和关键扫描数据的处理方法,可为同类项...     

结合机载和地面LiDAR数据的建筑物重建技术

机载LiDAR数据虽然能够快速地获取建筑的顶面信息,但是不能够有效地获取建筑物的侧面信息。地面三维激光扫描仪能够有效地获取建筑物的立面信息,但获取建筑的顶面信息较困难。针对机载和地面LiDAR数据在精细建模中存在的问题,采用机载地面LiDAR数据相结合的方式对建筑物进行精细的建模,实验结果表明,采用该法能够实现建筑物的精细建模。     

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。     

机载LiDAR点云数据的建筑物重建研究

提出了利用机载LiDAR点云数据进行复杂平面建筑物重建的方法。首先,将提取出的建筑物点云聚类到不同的平面点集;然后,对各个平面点集进行平面拟合,采用平面相交确定平面边界,并解算出各平面边界角点的三维坐标,从而重建建筑物模型。某区域的机载LiDAR点云数据的实验结果表明,该方法能有效地重建出较复杂的平面建筑物。     

地面固定式激光扫描点云中建筑物墙面信息的识别提取

地面固定式激光扫描系统能够获取大面积高分辨率的被测对象表面三维数据,本研究通过对固定式LiDAR激光数据做初分类,从地面点中粗提取具有少量噪声的建筑墙面数据,然后利用平面区域分割算法和立面约束条件提取建筑物墙面数据。在对两份固定式三维激光扫描点云的实验中,通过对不同分辨率的数据利用本文所提算法都取得了较好的墙面提取效果,实验证明了该方法的有效性。     

倾斜摄影测量与SketchUp二次开发技术相结合的建筑三维重建

结合SketchUp建模灵活、简单易学及摄影测量精度高的优势,利用SketchUp Ruby二次开发技术,对倾斜摄影测量单像建模、摄影测量模块与SketchUp Ruby脚本插件的通信、建模效果等方面进行深入研究,解决了用C++和Ruby联合开发SketchUp三维建模插件的关键技术问题。     

基于非量测相机的复杂物体三维重建

针对复杂物体的三维重建,提出了利用非量测相机进行复杂物体的三维表面几何信息的获取和几何建模。为了便于获取影像,设计了一个旋转平台,可以利用旋转平台上的平面控制格网板方便地进行相机标定;对于获取的重建影像,采用多基线影像匹配自动获取影像间的同名特征,随后利用区域网光束法平差进行相关的解算,得到物体表面密集的点云;最后利用基于特征点在影像上的可见性信息构建物体的表面模型。实际数据的试验表明,该方法是可行的、有效的。     

广义点摄影测量在建筑物立面轮廓重构中的应用

采用广义点摄影测量理论对建筑物立面框架轮廓进行重构。广义点是对当代线摄影测量以及无穷远点（灭点）理论的升华。实验结果表明,采用线面基元进行立面重构相比于经典的点云重构方法,不仅简洁、高效,还能获得清晰的三维边缘轮廓,且自动化程度较高。