共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
3.
经典的基于点状特征匹配的地面激光雷达(light detection and ranging,LiDAR)点云配准算法实现过程中,点状特征的提取精度对算法运行结果的影响通常较大;基于迭代运算的LiDAR点云配准算法计算量大,对未知参数的初值依赖程度较高,在求解大转角刚体变换参数时算法不稳定。对此,提出了一种线状特征约束下基于Plücker直线坐标描述的LiDAR点云配准算法。立足于经典的向量代数与对偶四元数的相关理论与方法,分析并确定了Plücker直线坐标与对偶四元数之间的相互转换关系以及模型描述方法;以LiDAR点云配准前后同名线状特征的Plücker直线坐标相等为约束条件,构建了线状特征约束下基于Plücker直线坐标描述的刚体变换模型;立足于最小二乘基本准则,通过目标函数的极值化分析实现了线状特征约束下地面LiDAR点云配准参数的直接求解。实验结果表明,所构建的基于Plücker直线坐标描述的地面LiDAR点云配准模型,无需事先确定变换参数的初值,避免了多元函数的线性化过程,解除了参数结果对于迭代初值的依赖,理论上克服了迭代法在求解大转角相似变换参数时的算法不稳定问题。此外,较之单纯基于点状特征匹配的LiDAR点云配准算法,该算法可以有效地增强LiDAR点云配准过程的约束,达到提高配准质量的目的。 相似文献
4.
在等高线提取技术中,LiDAR虽然较传统航空摄影测量具有明显优势,然而目前已有算法和软件基于LiDAR点云自动提取的等高线存在大量多余的短齿线和孤立环。本文提出了一种以短齿线和孤立环消除为核心的LiDAR数据提取等高线的优化算法,并基于FME软件平台设计程序加以实现,最后通过试验案例验证了算法和程序的可行性与有效性。 相似文献
5.
6.
针对机载LiDAR点云在智能交通和城市管理等应用中的汽车提取和类型识别问题,该文提出了基于动态时间规整算法的机载LiDAR点云的汽车提取和类型识别方法。先是采用附加汽车尺寸约束的区域生长算法来分离汽车点云,然后利用动态时间规整算法来评价点云分块纵剖面曲线与标准汽车纵剖面曲线的相似性来识别汽车,判定汽车类型。该方法能够有效提取停放在树下的车辆,判定汽车类型,排除非汽车分块。通过实际机载LiDAR点云数据的车辆识别实验对新方法进行验证,并和面向对象的汽车点云分析算法进行了比较,结果表明新方法准确率提高了10.8%。 相似文献
7.
主要针对机载LiDAR点云数据滤波方法展开了研究,通过结合具体的LiDAR应用实例,对点云滤波流程作了详细的阐述,并对滤波实验和算法性能评价作了系统的研究分析,以期能为有关方面的需要提供有益的参考和借鉴。 相似文献
8.
提出了一种基于高程统计的LiDAR数据滤波方法,该方法以高程分布统计量为依据,通过迭代的方法逐个滤除,是一种基于原始点云的非监督滤波算法。采用北京凤凰岭地区某块机载LiDAR数据进行实验,并做出了实验改进。实验表明,该方法能够准确有效地滤除地物点,既能较好地保持数据信息量与精度,又不依赖于其他数据源,是一种简单有效的滤波算法。 相似文献
9.
针对无人机电力巡检距离判定算法缺乏问题,本文提出了一种基于无人机LiDAR点云分类的安全距离判定算法,该法首先对LiDAR点云进行维度特征分类,然后将电力悬线方程改进为最小二乘法模型,并以分段的方法计算地物到电力悬线的空间距离。实验表明,本文提出的距离判定算法距离测量精度接近于全站仪测量精度,且算法鲁棒性较好,具有较低的时间复杂度,不失为一种高精度无人机载LiDAR点云电力线安全距离判定新方法。 相似文献