基于视觉追踪技术的三维点云自动拼接方法及精度分析

三维点云拼接是三维扫描测量内业处理一个重要环节,拼接效率及精度直接影响后续点云的应用。常用的点云拼接方法需要人工通过控制点、标靶或空间特征点对不同测站的点云进行匹配、拼接。基于视觉追踪技术的三维激光扫描仪的出现,改变了传统三维激光扫描作业模式,外业无需架设标靶或控制点,点云拼接自动完成,无需人工干预,大大提高了作业效率。对基于视觉追踪技术的扫描仪进行测试,对其自动拼接的点云,与人工分别基于空间视图和特征点进行拼接的点云进行精度对比分析,得出结论:基于视觉追踪技术的三维点云自动拼接精度,与基于空间视图和特征点的点云拼接精度一致。     

基于倾斜摄影线特征的建筑物模型快速重构方法

针对以点云为基础进行建筑物三维建模时存在的点云数量庞大、构网复杂等问题,提出了一种基于倾斜影像线特征进行建筑物三维模型快速重构的方法。首先对三维线特征进行仿射平面剖分以及构建特征角点;然后以特征角点为引导基于拓扑顺序进行平面构建;接着采用各种规则构建与补充平面边界形成平面块,对模型进行精纠正后生成最后的建筑物三维模型。实验结果表明,该方法可基于线特征自动完成建筑物三维模型的重构,建模效率远高于基于点特征的三维建模,且精度符合要求,其为非精细化城市建筑模型的快速批量自动构建提供了高效且实用的解决方案。     

利用3D Voronoi图的兔子点云聚类分割

利用基于3D Voronoi多面体分割三维空间,并将其应用于具有典型三维特征的点云数据的聚类分割。通过对点云数据的离散体元表示,透过Voronoi单元的特征参数实现了三维点集的度量、提取和结构分析,揭示了点集间存在的相互关系,并通过3D Voronoi图所确定的空间邻近关系完成点集间相似度的测度和聚类。以三维兔子点云为样本数据的实验分析表明,本文所提出的思路聚类分割特征明显。     

基于栅格的点云数据的边界探测方法

分析三维激光扫描点云的数据特征,得到一种将三维点云数据转换为深度图像形式后提取边界的方法。通过原始点云数据扫描线分组分行使点云数据实现X,Y方向数据的规格化,以Z方向代表深度,将规则的点云数据转换为图像形式。采用图像边界提取方法——Canny算子来提取边缘信息,并将其转换到三维空间中显示出来。实验表明,基于栅格的点云数据的边界探测方法能快速实现三维点云边界的提取与显示,可应用在基于边界特征的点云配准、点云的角点检测、点云的三维建模等后续处理工作中。     

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。     

3D Hough Transform在激光点云特征提取中的应用

近年来,激光扫描测量技术得到了迅速的发展和广泛的应用,激光点云数据处理成为当前计算机科学和测绘科学等领域的研究热点。特征识别在图像数据处理中占有重要地位,在三维激光点云数据处理中,特征可以用于多站数据拼接、大数据量的简化压缩及建模,因此对特征的提取同样具有重要的研究价值。Hough变换最初用于二维图像的直线提取,后来被广泛应用于二维图像的特征识别,但其运算量极大,并且直接运用到三维可能会导致错误识别等问题。本文根据三维点云特征提取的需要,通过对二维和三维标准Hough变换的介绍和分析,结合激光点云数据处理特点,提出了一种依据法向计算结果进行Hough变换的新方法,该方法不仅能识别平面特征,还可将类似墙角等特征突变点进行有效分离,以便进行轮廓提取等操作。对模拟数据和激光扫描仪实测数据分别进行处理,平面提取的有效率和正确率达到要求,从而证明该方法能够满足点云中特征提取的需要。     

机载Lidar点云快速生成DEM关键技术研究

机载Lidar点云数据能快速获取DEM数据,并真实反映三维地面信息,其关键技术是地面点云的分类提取。本文主要介绍Lidar点云数据的地面点分类和地形特征线绘制等关键技术。     

无人机机载三维激光点云数据在电力线路规划设计中的应用

首先介绍了利用无人机搭载三维激光雷达获取三维激光点云数据的软硬件设备,详细阐述了利用无人机获取三维激光点云数据的外业具体流程、激光点云数据内业处理关键技术和流程,随后结合具体的线路工程,利用无人机搭载三维激光雷达获取了整条线路的点云数据并进行了内业点云解算,通过GPS和全站仪实测特征点的三维坐标并与点云中对应点的三维坐标比较,统计了三维激光点云数据的平面精度和高程精度。事实证明,三维激光点云数据的精度可满足输电线路规划设计的要求,因此,无人机机载三维激光点云数据在电力规划设计中的应用具有可行性。     

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。     

基于二维图像特征的点云配准方法

为了提高低覆盖率点云的配准精度和收敛速度,提出了一种基于二维图像特征的点云配准方法。首先采用基于区域层次的点云配准算法实现粗配准;然后将三维点云转换成二维图像,再采用SURF算法提取二维图像的特征,并求解其匹配像素点对;最后根据二维匹配点获取相应的三维点云相关点,并计算刚体变换,由此实现点云的快速精确配准。试验结果表明,与迭代最近点（ICP）算法相比,该点云配准方法的配准精度和耗时分别提高了约20%和60%,是一种快速、高精度的点云配准算法。