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%。     

点云智能研究进展与趋势

随着以激光扫描、倾斜摄影为主的各种现实采集(reality capture)装备的快速发展,点云已成为继矢量地图和影像数据之后的第三类重要的时空数据源,并在地球科学、空间认知、智慧城市等科学研究和工程建设中发挥越来越重要的作用。如何从点云大数据中快速、准确获取精准有效的三维地理信息成为测绘地理信息领域的科学前沿和地学应用研究的迫切需求,也是三维地理信息获取与建模面临的重大难题。点云智能应运而生,并成为突破上述难题的科学途径。本文围绕点云智能中的三个重要方向:点云大数据处理的理论方法,点云大数据智能处理关键技术和重大工程应用,阐述点云采集装备、智能化处理,以及科学研究与工程应用的最新进展,最后对点云智能的重要发展方向趋势予以展望,希望为点云研究相关人员提供科学参考。     

智能驾驶中点云目标快速检测与跟踪

利用实时车载激光点云,实现城市环境下的多目标快速检测与跟踪。动态目标跟踪是实现城市环境下自动驾驶的关键,是三维城市场景感知的研究难点。相比于图像,三维激光点云数据更适合用于目标三维形状估计和运动预测,所以广泛应用于无人驾驶方案中。使用基于目标模型和卡尔曼滤波的目标跟踪框架,针对稀疏点云数据中常见的过分割和欠分割问题,提出一种关联历史跟踪结果和目标检测的快速跟踪算法。将跟踪结果作为先验知识,与下一时刻的目标检测关联,增强目标检测的稳定性。该算法已经应用到搭载三维激光扫描仪的自动驾驶汽车中,实验证明,该算法适用于城市交通场景,且满足实时解算需求,单帧处理平均耗时58 ms。     

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。     

基于散乱点云特征提取算法研究

三维激光扫描测量技术是当前测绘领域研究的热点。点云各个要素特征提取在三维建模中是非常重要的一个环节,也逐渐成为三维点云数据处理中的一个研究重点。目前对点云数据特征提取仍然存在一些问题,大多数算法的研究是针对栅格点云数据进行的,存在容易受到噪声数据的影响以及适应性不强等问题。本文在研究了现有的点云数据特征提取的方法的基础上,将法线差分算法应用到场景内地物提取中,从而实现场景中地物的特征提取。     

基于点云卷积的点云分类方法研究

基于深度学习方法,借鉴二维图像卷积的思想,设计了一种适合三维点云的卷积操作。点云卷积的作用域是局部球形邻域,输入为三维坐标和空间几何关系。通过点云卷积提取局部特征,使用最远点采样算法采集邻域中心点,根据半径构建球形局部邻域,使用多层感知器（multi-layer perceptron,MLP）网络学习空间关系权重,将学习到的关系权重和输入特征相乘,实现卷积操作。基于三维点云卷积,构建了一个多层分类网络模型实现点云分类。使用道路场景的黄石路数据集进行分类实验,结果证明了所提方法的有效性。     

面向滩涂DEM构建的机载LiDAR点云滤波方法

在基于激光点云构建DEM的过程中,用于区分地面点和非地面点的点云滤波处理至关重要。本文面向基于机载LiDAR点云的沿海滩涂DEM高精度的构建需求,提出了一种机载LiDAR点云的改进坡度滤波算法。首先,采用统计异常值剔除法(SOR)去除原始机载LiDAR点云数据中的噪声;然后,利用规则格网的坡度和高程阈值,设计了适用于滩涂点云数据的地面点坡度滤波方法;最后,选取如东市长沙港的滩涂机载LiDAR点云作为试验数据,构建滩涂DEM,并进行精度检验。试验结果表明,利用本文方法处理后的LiDAR点云构建的DEM精度满足国家与行业标准的要求。     

顾及法向量的点云语义分割方法

针对在复杂场景下激光雷达点云数据的语义分割研究中,存在点云特征损失大、点云语义挖掘不足和分割精度不高等问题,该文提出了一种将法向量和RandLA-Net相结合的点云语义分割方法。把点云法向量与RandLA-Net网络的局部特征聚合模块融合,提取局部语义聚合特征,利用softmax分类器对每个点进行分类。实现了复杂场景下LiDAR点云数据的语义分割。通过对Oakland点云数据集和德国Vaihingen城市语义数据集进行实验分析,验证了本文算法具有较强的泛化能力,本文算法在Oakland点云数据集和Vaihingen城市语义数据集上的平均交并比分别为96.38%和92.49%,与RandLA-Net网络相比,该算法充分利用了激光点云数据的语义特征,有效地提高了点云语义分割的准确性。     

三维激光扫描点云数据处理研究进展、挑战与趋势

三维激光扫描直接对地球表面进行三维密集采样,可快速获取具有三维坐标(X,Y,Z)和一定属性(反射强度等)的海量、不规则空间分布三维点云,成为数字化时代下刻画复杂现实世界最为直接和重要的三维地理空间数据获取手段,在全球变化、智慧城市、全球制图等国家重大需求和地球系统科学研究中起到十分重要的作用。目前,在传感器技术和国家需求的双重驱动下,三维激光扫描在硬件装备、三维点云数据处理以及应用3个方面取得了巨大的进步,同时也面临新的挑战。本文以三维激光扫描的发展历史为线索,总结了三维激光扫描系统的现状、三维点云数据处理的关键进展以及在测绘地理信息等领域的典型应用,并分析了三维点云数据处理面临的挑战,最后展望了三维激光扫描与点云处理的发展趋势。     

误差理论在三维激光扫描点云处理中的应用

误差传播定律反映了直接观测量的中误差对间接观测量中误差的影响,通过三维激光扫描技术获取点云数据,点云数据本身的精度和后续处理的精度与可靠性对各种工程具有全局性的意义。基于此,将误差理论和误差传播定律应用在三维激光扫描技术上,分析了点云数据的误差来源及传播规律。采用点云数据实例演示了提高点云数据处理精度的过程,通过实例实验进行高压塔数据的配准,验证了ICP算法的可行性以及误差范围符合要求。     

国家新型基础测绘体系建设试点区域1 m间隔点云数据获取处理与质量分析

地形级地理场景生产是国家新型基础测绘体系建设在山东试点的重要任务之一,作为地形级地理场景的主要组成部分,DEM一般基于机载LiDAR点云数据制作。笔者所在单位选择高密市作为试点区域,采用徕卡CityMapper混合航摄仪获取了试验区优于1 m间隔的点云数据,并对飞行质量和点云质量进行检验,对点云高程和平面位置精度进行检核。试验验证了徕卡CityMapper混合航摄仪数据获取的精准和高效性,为即将全面实施的山东省陆域1 m间隔点云数据获取处理项目提供了技术方案,且为DEM制作和地形级地理场景的生产提供了保障。     

三维激光点云自动化建模思路探索

点云数据自动化应用时,尤其是三维自动化建模过程中,传统的点云自动化处理技术难以实现。点云自动化建模是一个复杂的过程,涉及对象识别、点云处理、参数化建模等多个领域。本文结合三维激光扫描技术,针对不同的项目和应用方向对三维模型成果的不同需求,对现阶段各个行业和方向的三维模型成果及构建方法进行了汇总和分析,进一步提出了3种三维激光点云自动化建模的新思路和可行性分析,并分析了自动化建模思路的优势和应用方向。     

论万物互联时代的地球空间信息学

随着5G/6G、云计算、物联网和人工智能等新技术的发展,人类已经进入了万物互联时代。本文探讨万物互联时代地球空间信息技术的五大特点：定位技术从GNSS和地面测量走向无所不在的定位导航定时（PNT）服务体系;遥感技术从孤立的遥感卫星走向空天地传感网络;地理信息服务从地图数据库为主走向真三维实景和数字孪生;3S集成从移动测量发展到智能机器人服务;学科研究范围从对地观测走向物联监测和对人类活动的感知。笔者基于这些特点进一步剖析新时代面临的挑战,并提出新时代地球空间信息学发展亟待解决的三大科学技术问题：测绘学科如何服务人与机器人的共同需求？遥感影像解译的机理是什么和如何突破实现技术的瓶颈？如何利用时空大数据挖掘人与自然的关系,从空间感知走向空间认知？万物互联时代的地球空间信息学,必须且完全可能为万物互联的数字地球和智慧社会做出更大的贡献！     

室内三维点云空间自动划分与规则化方法北大核心CSCD

精准空间划分是实现室内语义建模与拓扑结构重建的重要基础。三维点云作为常用的室内空间数据载体,如何基于三维点云进行室内空间语义信息提取与规则化具有重要意义。本文提出了一种基于形态学分割方法实现室内场景的分割,并结合矢量规则化方法完成分割场景的规则化。首先,基于区域增长算法与线性拟合方法提取空间分割要素,通过平面投影生成二进制影像,进而利用距离变换和分水岭算法完成空间分割;然后,对空间分割要素进行线性拟合,进行室内空间格网划分,采用矢栅叠加方法实现空间要素规则化;最后,通过4组实际场景(包含3组ISPRS数据集及1组实际场景采集数据)进行数据验证。试验结果显示,本文提出的室内空间分割与规则化方法可以准确快速地完成室内空间要素的提取。     

基于实体模型索引的海量激光点云分块存储研究与应用

三维激光扫描技术的日益进步推动了点云数据量级的不断攀升,给海量点云的高效管理及优化处理带来新的挑战。文中针对在大范围点云场景中快速调度局部详细点云的实际应用需求,借鉴空间格网结构的数据组织思路,优化并提出可变长度的海量点云分层分条带存储的工作机制,结合数据库管理,实现了基于实体模型索引的激光点云及三维模型的快速调度及联动显示。基于研发的点云专家科研系统实践,推动了海量点云数据集约化管理水平,具有一定的科研及实用价值。     

基于云计算的国土资源移动办公系统关键技术研究

以云计算为基础,开展新一代移动办公系统研究。提出了一种如何将云计算的优点有机的融入国土资源移动办公场景的方法。本文简要介绍云计算的概念、特征,阐述了实现基于云计算的国土资源移动办公系统的关键技术,提出了通过云计算中间件将原有系统进行有机整合的构想,并在此基础上形成了基于云计算的移动办公架构模型。对今后基于云计算的国土资源移动办公系统的搭建和使用开展了有益的尝试。     

地理国情大数据研究框架

地理国情监测作为大数据时代测绘地理信息领域一个新的、重要战略方向,其发展迫切需要顶层设计与新型技术的支撑,需要建立一种灵活、高效、低成本的大数据处理模式与服务方式。本文以地理国情监测与大数据研究相结合为切入点,阐述了地理国情大数据的分类及特点,提出了云计算环境下地理国情大数据研究架构,并从地理国情大数据存储、处理、挖掘、应用服务4个方面探讨了地理国情大数据云平台建设思路。本文将有助于地理国情监测的生产方式与服务模式变革,推动地理国情监测的广泛应用与产业化发展。     

一种改进的超体素与区域生长点云分割方法

点云分割作为识别地理场景的空间特征、探索和记录空间信息的关键处理步骤,其分割精度直接影响后续三维场景重建、地物特征提取等应用的效果。针对传统区域生长点云分割算法的不稳定等问题,本文结合超体素和区域生长算法对点云数据进行分割,并利用点云自身的色彩信息进一步改进分割结果。试验结果表明,相较于传统的区域生长和已有的结合超体素与区域生长的分割算法,本文算法对点云数据分割的效果更好,且其精确率与召回率均有提高。     

泛地图空间认知理论与方法研究框架

当前, 人类社会已进入地理空间、人文社会空间和信息空间相融合的三元空间。在新技术和新需求的驱动下, 地图空间认知的三要素即认知主体、认知客体和表达方式呈现出泛化特征, 现有的地图空间认知理论和方法已无法支撑泛地图对三元空间的精准化认知表达。因此, 首先总结归纳了国内外地图空间认知研究进展及其存在的局限性;然后, 在此基础上构建了实验方法体系-认知机制-表达模型的泛地图空间认知研究框架。该框架将传统的地图空间认知拓展到了泛地图空间认知, 可为后续的学者提供研究思路, 推动创建适应泛地图学发展趋势的空间认知理论和方法, 以解决地图空间认知要素不断泛化带来的一系列问题。