改进的分层点云数据压缩算法

针对传统点云压缩算法主要对小型物件的小数据量精细点云进行压缩,在大型地物的海量数据压缩方面存在压缩时间长、效率低的不足,提出了一种改进的分层点云数据压缩算法。基于大型地物点云空间结构特点将分层压缩算法的速度优势和距离压缩算法的高效优势相结合,解决了传统压缩算法在大型地物点云压缩方面的不足,实现了海量点云的快速高效压缩。西安市大雁塔三维激光点云压缩实验结果表明:该算法可以快速地完成海量点云的压缩,较之传统压缩算法极大地缩短了压缩时间,提高压缩效率。     

八叉树索引的三维点云数据压缩算法

针对现有的三维点云简化算法普遍存在运行效率较低、内存消耗大、处理时间过长等问题,该文利用八叉树索引的速度优势和点云数据空间分割的逻辑结构,并结合三维点云网格简化算法高效的优势,提出一种基于八叉树索引的三维点云简化算法。该算法基本满足点云简化的理想标准,计算快速、运行时间短。利用实测大雁塔数据对各种三维点云压缩算法进行比较,结果表明该文提出的新算法对点云数据的压缩简化效率和压缩率较现有算法均有较大提高。     

一种利用矢量-角度法的模型点云压缩算法

针对点云数据过密、冗余信息较多的问题,提出了一种基于自适应切片与矢量-角度法的点云快速压缩算法,该算法利用包围盒将点云进行自适应分层形成切片点云,然后对每层点云使用矢量-角度法精简数据。利用该算法开展了试验研究,通过试验分别讨论分层数目、最短距离和角度参数对压缩结果的影响,并通过构建网格模型验证压缩效果。试验结果表明:该算法对目标特征复杂的部位有较好的压缩效果,在平坦部位不会因过度压缩出现失真现象;该算法能够自适应地保留反映目标特征和细节的点,实现点云的快速压缩。     

K-近邻长方体的点云特征提取压缩算法

针对海量点云数据存在大量冗余问题,该文提出基于K-近邻长方体的点云压缩算法。利用目标点的K近邻在非特征点云与特征点云之间的不同分布特性,基于该文算法将点云集合分为特征及非特征点集。该方法先对目标点近邻点进行坐标转换并构建K-近邻长方体,建立压缩准则,对长方体进行扁平程度筛选,结合分段采样去除大量冗余点及少量密集特征点,实现保留原始特征的点云压缩。该文方法涉及K、α、采样率β_(all)3个参数,在实验分析中,采用体积偏差、表面积偏差和Hausdorff距离对该文方法涉及的3个参数进行精度影响分析,结果表明,该方法能保留大量原始特征,在最优K值条件下β_(all)为0.4,α为0.9,此时体积偏差百分比为0.27%,表面积偏差百分比为0.5%,具有较高的压缩精度。     

一种基于点法矢的三维非均匀栅格压缩算法

提出一种适用于散乱点云的基于点云法矢量的三维非均匀栅格压缩算法,通过求取k邻近构造出点云的法矢量以反映曲面形状信息,并构造八叉树数据结构对栅格进行细分,通过比较分析,该方法取得了较好的压缩效果。     

基于扫描线间隔的点云压缩方法

针对地铁隧道中地面三维激光扫描仪扫描密度不均的问题,提出了基于扫描线点间距的点云压缩算法。该算法利用扫描仪逐线扫描的特性,滤除同一扫描线上点间距小于给定阈值的扫描点,使压缩后的点云呈现较为均匀的分布。通过实验分析了算法中阈值与压缩率之间的函数关系,建立压缩率与给定阈值倒数的多项式拟合模型并验证了模型的精度。     

点云压缩研究进展与趋势

三维点云为物理世界精细数字化提供了高精度的三维表达方式,广泛应用于三维建模、智慧城市、自主导航系统、增强现实等领域。然而点云的数据海量、非结构化、密度不均等特点给点云的存储和传输带来了巨大挑战,因此在有限的存储空间容量和网络传输带宽中实现低比特率、低失真率的点云压缩具有重要的理论意义和实用价值。围绕点云压缩中的研究现状、标准框架和评价指标,阐述国内外点云压缩算法研究工作、运动图像专家组压缩标准框架以及几何和属性信息质量评价指标的最新进展,分析比较3种开源点云压缩算法在点云压缩公开数据集下的性能表现,并对点云压缩的主要发展方向趋势予以展望。     

联合点云压缩的多特征融合点云语义分割方法

针对PointNet++对点云空间相关性特征提取能力不足,同时难以适用于大场景高密度LiDAR点云语义分割的问题,提出一种联合点云压缩的多特征融合LiDAR点云语义分割方法。首先利用点云压缩算法降低点云密度,并使用PointNet++提取简化点云的深度语义特征,再利用拟合算法计算完整点云的深度特征;之后提取人工设计的空间相关性特征与深度特征进行串联;最后利用随机森林算法对完整点云进行语义分割。通过在ISPRS提供的LiDAR点云语义分割标准数据集进行实验,证明提出方法的有效性,总体精度较PointNet++提升了5.3%。     

基于栅格划分和法向量估计的点云数据压缩

基于点云数据的栅格化和法向量估计提出一种新的点云压缩方法,数据处理由Matlab7.1编程实现。试验结果表明,使用该方法可以获得较好的压缩效果,由于该方法顾及了扫描点之间的法向量关系,所以能更好地保留点云特征,防止压缩过程中特征信息的丢失。     

基于约束点的无拓扑多边形数据压缩算法

分析了常规压缩算法(如Douglas-Peucker算法)压缩无拓扑多边形数据会产生公共边界不一致现象,认为出现此现象的原因是多边形公共边界的压缩起始点选择不一致,进而提出了一种新的基于约束点的无拓扑多边形数据压缩算法。算法原理包括:首先将多边形公共边界的两个端点作为约束点处理,使得多边形从约束点处逻辑上分成几段;然后利用常规压缩算法进行分段压缩,使每一多边形公共边界的压缩初始点一致,从而保证了无拓扑多边形数据的一致性压缩;最后大量试验验证了此算法的有效性。     

点云场景认知模式——泛化点云EI北大核心CSCD

随着传感器技术和观测平台的迅速发展,点云大数据作为新型遥感的主要数据形式,已经逐渐成为场景感知的重要信息载体,并在地质灾害态势感知、自然资源定量调查和道路交通安全服务等国家重大战略需求中发挥了越来越显著的作用。与此同时,点云观测装备和国家重大战略需求的双重驱动促使空间场景从感知迈向了认知,也对认知处理的算法和算力提出了新的要求。为此,本文以点云场景认知的基本框架为线索,分析了多源点云耦合观测的研究现状,总结了点云场景认知处理的关键进展及其在国家重大战略需求中的典型应用,并凝练了点云场景认知当前面临的主要问题。在此基础上,本文聚焦点云场景认知的前沿挑战,避开传统欧氏空间而转到高维张量流形空间进行点云数据处理,提出了“泛化点云”的科学概念和技术框架,为突破点云场景认知处理的算法和算力提供研究思路。     

车载激光点云数据的栅格化处理

车载激光点云由于车辆的震动和点云的融合,得到的数据为散乱空间点云。本文通过对空间点云进行两个方向的排序,得到以x值为主排序,z值为次排序的点云图,然后设置栅格,对于每个栅格点,找到投影在XOZ投影面内与其距离最近的激光点,将该激光点的y值赋给栅格点,得到与该区域空间点云相对应的栅格化点云。在按照X值排序时,根据点云的特点给出了一种插入排序算法。实验结果表明栅格化后的点云与原点云在表现建筑结构上效果一致。散乱点云栅格化后为点云的进一步分析打下基础。     

融合激光点云与影像点云的精细化DEM生成

针对地面激光扫描及无人机航摄技术在实际外业测量中受视场角限制或遮挡等因素的影响而难以获取待测区域完整的点云数据的问题,本文在经典ICP算法的基础上,提出了一种顾及高程差异和点云密度的激光点云与影像点云融合方法。通过差分数字高程模型对点云进行分块,并基于点云密度选取融合范围,将分块后的影像点云配准到激光点云的孔洞和稀疏区域。本文方法能够提高激光点云与影像点云的融合效果,保持激光点云的精度并保留更多的细节特征,实现激光点云与影像点云的高质量融合。     

工作基点的位移对观测点的影响分析

在基坑变形监测工作中,受场地条件的限制,工作基点往往只能埋设在基坑边相对稳定的地方,因此,工作基点也会产生位移。针对在施工现场进行变形观测时工作基点易于发生变动的情况,分析和讨论了工作基点位移的确定以及其位移给观测点带来的影响,提出相应的修正方法,并结合工程实例进行了分析。     

车载激光点云道路边界提取的Snake方法

针对车载激光点云中道路边界提取困难,自动化程度低的问题,提出一种基于离散点Snake的车载激光点云道路边界提取方法。不同于传统基于图像建立Snake,本文直接基于离散点建立Snake模型。先利用伪轨迹点数据,确定初始轮廓位置,参数化不同类型的道路边界初始轮廓;然后基于离散点构建适合多类型道路边界的Snake模型,定义模型内部、外部和约束能量,通过能量函数最小化推动轮廓曲线移动到显著道路边界特征点处,实现不同道路边界的精细提取。本文试验采用3份不同城市场景的车载激光点云数据验证本文方法的有效性,道路边界提取结果的准确率达到97.62%,召回率达到98.04%,F1-Measure值达到97.83%以上,且提取的道路边界结果与软件交互提取的结果有较好的吻合度。试验结果表明,本文方法能够修正噪声、断裂等数据质量对道路边界提取的影响,能够实现各类复杂城市环境中不同形状道路边界的提取,具有较强的稳健性和适用性。     

求某点坐标

注：１本成果,经多年工作实践研究而形成;２属专利成果,简便易算,只会简单算术即可。&&求某点坐标@于忠$七台河市规划局!黑龙江七台河154600 @于晓佳$七台河市规划局!黑龙江七台河154600     

车载全景影像与激光点云融合生成彩色点云方案

针对车载全景影像与激光点云数据融合的研究不足的现状,文章给出了一种适合球面全景影像的车载彩色点云生成方案:由车载POS数据及系统标定参数可获得全景影像的外方位元素,依据影像的采集视角选择激光点最佳的关联影像,然后以球面投影为成像模型获得激光点在影像上的颜色属性值,进而获得彩色点云数据;并对融合的误差进行了讨论与分析。经过融合后的彩色点云几何精度高、目视效果好,使两种数据源的优势得到了有效的结合。实验结果验证了这种方法的可行性和准确性。     

顾及工作基点沉降影响的测点沉降修正方法研究

沉降监测时,工作基点一般接近变形区埋设,为了防止工作基点发生沉降而不被发觉,通常要定期进行工作基点的复测检查.如果位于变形区附近的工作基点发生沉降,而在沉降监测的平差计算时不加以考虑,就会使测点的高程平差结果产生偏差,不能得出准确的沉降分析结论.文中以附合水准路线进行沉降监测为例,以工作基点发生沉降为前提,研究测点沉降的两种修正方法,并结合实例进行计算和比较.研究结果表明:顾及工作基点的沉降变化,采用合理的方法对测点的沉降进行修正,将使测点的沉降监测成果更加真实可靠.     

建筑物立面重复模式的点云投影直方图分割方法

针对建筑物的门、窗、梁、柱等具有规则几何形状的重复模式,提出基于投影点云特征直方图(PPFH)的边界语义分割方法.该方法首先利用PC A方法确定立面的主方向,然后根据点云分布特点,分别进行正立面、侧立面投影得到点云分布直方图,根据直方图的极值点对重复结构边界进行提取和语义分割,最后利用LS-TLS方法进行规则化及误差分析.通过对某建筑物立面窗户提取的算例表明:该方法直接利用重复结构的几何特性,算法简洁,对边缘部分遮蔽和缺失的点云也适用,通过对50个窗户的统计分析,长度和宽度平均误差约6 m m,可广泛用于建筑高精度BIM建模.