利用图割算法进行城市密集点云表面模型重建

利用倾斜影像获得的密集点云来构建表面模型是基于倾斜影像进行三维重建的核心之一。本文针对现行密集点云表面模型重建存在的建模效率低、表面选取不真实等问题,提出了一种基于图割算法的城市密集点云表面模型重建方法。利用该方法重建城市密集点云表面模型,首先通过预处理软件对无人机倾斜影像进行空中三角测量,并利用空中三角测量的解算结果生成密集点云;然后对密集点云添加相应的边,同时对三维点云根据距离进行选取合并;最后根据三维点云形成的四面体和三角面建立图割问题,并通过求解图割问题来求取最优的密集点云表面模型。为证明这种方法的可行性和有效性,使用城市地区的无人机倾斜影像数据进行城市密集点云表面模型重建,试验结果表明,该方法具有可行性好、建模效果好、处理速度快等优势。     

人物雕塑模型三维表面建模方法探究

三维激光扫描是一种通过激光测距方式实现三维物体表面空间数据获取的技术。本文介绍了一种利用三维激光扫描技术并结合相应软件对人物雕塑模型三维表面进行重建的方法。该方法通过三维激光扫描仪获取目标模型表面精确的点云数据,在对点云粗拼接的基础上进行精确拼接,以三角网的形式重构雕塑表面,并结合逆向软件进行纹理映射及其接缝处理以实现3D模型表面重建。结果表明,利用该方法可以实现对人物雕塑模型3D表面的快速有效重建。     

基于四面体的不规则表面文物体积计算

鉴于不规则表面的文物很难直接进行体积测量,提出一种从三角格网模型计算不规则表面文物体积的方法。该方法利用高精度三维激光扫描仪对复杂表面文物进行扫描获取三维点云数据,并通过对三维点云数据的处理和拓扑重建得到文物的三角格网模型,引入四面体的有向体积法,通过求四面体有向体积来计算文物三维模型的体积。同时,分析此类算法的误差,并在VC#2008环境下利用OpenGL对该三维模型进行显示。     

基于二维投影的散乱点云曲面重建

为降低点云曲面重建的复杂度,提出了一种基于二维投影的散乱点云曲面重建方法。首先利用点云的局平特性把点云投影到二维平面,然后在二维平面上对点云进行Delaunay三角剖分,并将拓扑连接关系映射到三维空间,最后剔除三角网格模型中的非流形三角面片得到点云模型重建结果。实验结果表明,只需获取散乱点云的坐标信息,该算法就能够重建出结构形态正确、保留物体细节信息的三维模型,且该算法原理简单、容易实现,降低了曲面重建复杂度,提高了曲面重建效率。     

基于局部约束的建筑物屋顶点云平面分割方法

建筑物屋顶面点云分割结果的好坏对建筑物三维模型重建起着重要的作用。针对传统RANSAC算法建筑物屋顶面点云的分割问题,提出了一种基于局部约束的建筑物点云平面分割方法。利用点云局部曲面法向约束构建法向准则,利用半径约束的点云空间聚类的方法对共面屋顶面点云进行分解,从而抑制"伪屋顶面"的产生;利用局部抽样策略降低算法的迭代次数,减少运算量。实验表明该方法能够获得稳定可靠的建筑物屋顶点云分割结果,将有利于后续的建筑物三维模型重建。     

散乱点云数据的分割方法探究

数据分割是点云数据处理流程中的一项关键技术,本文针对点云数据分割这一问题,分析了基于几何模型的分割法、欧几里德簇分割法和区域生长分割法三种点云数据分割方法的原理和算法流程,并利用实际工程数据检验了三种分割方法的效果。针对以上三种方法的优势及缺陷,本文实现了附条件的欧几里德簇分割法,该算法对欧几里德簇分割法和区域生长分割法进行融合改进,利用同一点云数据对该算法与上述算法进行比较分析,最后用一处复杂建筑物点云数据对该算法的分割效果进行再次检验,分割效果较为明显,再次证实了该算法具有较强的实用性。     

基于LiDAR点云的复杂钢结构模型重建

传统的基于全站仪等单点测量技术难以获取钢结构整体信息,且测量速度慢、模型重建精度低。针对此问题,本文将三维激光扫描技术应用于钢结构模型重建领域,提出了基于LiDAR点云的复杂钢结构模型重建方法。首先,基于标靶球和钢结构面信息实现多测站点云的高精度配准,并通过半径滤波算法去除噪点,以得到完整的激光点云数据;然后,对复杂钢结构单体模型进行分割,以实现各个部件的模型重建;最后,根据现场实测数据对重建的三维模型进行精度评估。试验结果表明,基于该方法得到的模型精度较高,与实际尺寸差值均小于1 cm,为复杂钢结构的三维模型重建提供了有效解决方案。     

最小割与深度学习联合优化的室内粘连点云分割方法

随着数字城市的发展,城市三维模型重建对三维点云结构化的需求与精度要求越来越高。如何有效准确地分割室内语义模型与三维重构是当前研究的热点问题。点云分割分类是室内点云结构化的重要基础,如何将粘连点云构件进行准确分割并用于室内点云结构化,是当前城市建模的难点。本文提出了一种面向室内粘连点云数据的分割分类方法。首先,利用深度学习网络处理室内点云数据;其次,对点云数据进行标签分类,得到目标标签点云;然后,利用欧氏算法对目标点云进行聚类分割,通过室内语义构件包围盒信息计算各目标中心点坐标与水平半径;最后,利用点云最小割实现室内粘连点云的准确分割。利用3组室内场景中获取的数据对分割方法的精度及有效性进行了验证。结果表明,该分割优化方法具有较高的精度与数据完整性。     

关键点检测的复杂建筑物模型自动重建

利用机载LiDAR点云数据进行建筑物重建是当今摄影测量与遥感领域的一个热点问题,特别是复杂形状建筑物模型的精确自动构建一直是一个难题。本文提出一种基于关键点检测的复杂建筑物模型自动重建方法,采用RANSAC法与距离法相结合的分割方法自动提取建筑物屋顶各个平面的点云,并利用Alpha Shape算法提取出各个平面的精确轮廓,根据屋顶平面之间的空间拓扑关系分析建筑物的公共交线特征,在此特征约束下对提取的初始关键点进行修正,最终重建出精确的建筑物3维模型。选取不同类型复杂建筑物与包含复杂建筑物的城市区域点云进行实验,结果表明该算法具有较强实用价值。     

一种融合多源特征的建筑物三维模型重建方法

以激光点云数据和倾斜多视影像为研究对象,提出了一种结合机载点云、地面点云及倾斜多视纹理的融合多源特征的建筑物三维模型重建方法。该方法结合点云面元以及影像边界特征,利用倾斜影像的线特征对顶面及立面模型进行边界规则约束,实现了面元自动拓扑重建;通过交互编辑完成不同复杂程度的建筑模型重建,并对模型进行纹理映射。实验结果表明,该方法能够有效提升城市建筑物三维模型重建的效率和边界精度,为利用多源数据的空地联合建筑物三维精细重建提供了一套切实可行的解决方案。     

滑坡表面位移的无人机航测点云比对监测方法

滑坡单点式位移监测难以反映滑坡的整体位移状态,采用多尺度模型到模型的点云比对算法（M3C2）可实现对滑坡的面域监测。本文首先通过对无人机采集的影像进行运动恢复结构（SfM）分析,还原滑坡三维点云模型;然后利用点云比对算法对两期点云数据进行处理,以色值大小体现滑坡区域的位移,进而识别滑坡表面位移变化;最后将该方法运用于实际边坡的表面位移监测。试验结果表明,应用M3C2算法可成功识别边坡变动区域,捕捉到1 cm的水平或垂直位移变化,能直观反映滑坡面域的变形状况。该方法适用于复杂地形条件下的滑坡位移整体监测,识别精度达到厘米级,性能优于两云直接比对算法（C2C）。     

一种基于无人机序列图像的地形地貌三维快速重建方法

提出了一种基于无人机序列图像的地形地貌三维重建方法,该方法采用Harris特征点和SIFT特征向量来提取图像特征,实现图像配准;采用准透视投影模型和因子化方法对未标定的图像序列进行自动标定;通过高效次优解三角化方法获取三维点云坐标;通过准稠密化扩散算法对三维点云进行稠密化;采用捆绑调整算法提高了空间三维点云的精度;采用Possion表面重建方法对三维点云进行了网格化处理.本文为无人机序列图像的应用提供了一个新的思路,拓展了无人机的应用空间.     

一种改进的基于坡度变化的机载激光雷达点云滤波方法

机载激光点云数据滤波是获取高精度数字表面模型和数字高程模型的关键。本文分析了几种重要的滤波算法,在研究基于坡度变化的滤波算法的基础上,提出一种改进的分块滤波处理的方法。实验表明:该方法能有效对点云数据进行分类。     

馆藏文物三维测量与重建方法研究

本文提出了一种基于结构光技术的馆藏文物三维测量与重建方法。该方法基于结构光原理获取文物表面密集的点云数据,对点云数据进行粗差检测与剔除、拼接、融合、三维构网等步骤建立精确的文物三维几何模型,为了表现文物本身的颜色材质信息,用高分辨相机获取物体表面的纹理,并将纹理与三维几何模型配准,生成具有高度真实感的、精确的文物三维模型。通过多种文物对该方法进行了测试,证明了该方法具有快速高效、精确逼真、操作简便等特点。     

柱面基准下的深度图像建模研究

不规则三角网模型重建点云模型是目前已经成熟的算法,但该算法具有较大的时间复杂度和空间复杂度,尤其是无法提取模型的几何参数,而三维模型重建后的几何参数的描述却具有重要的作用。针对这一问题,本文将传统深度图像概念拓展到了三维,并提出了一种基于柱面基准的深度图像三维重建方法。首先利用高斯映射法和几何法确定柱面模型初值,再进一步通过Levenberg-Marquardt算法进行全局参数优化得到柱面参数曲面,将拟合的圆柱作为新的基准面进行点云格网化并计算深度值,所得到的具有栅格结构的深度值即为深度图像,进而得到基于深度图像的三维圆柱实体模型。试验表明,该方法在不降低精细纹理表达的前提下能够有效地实现快速构网,同时保留了几何参数信息等优势。     

面向室内场景点云的对象重建

针对当前逆向工程中对象提取及模型重建效率较低的问题,提出了一种面向室内场景点云的对象重建方法。首先构建直通滤波器,采用改进的RANSAC算法剔除非对象点云,然后根据欧氏聚类提取算法分割出各个对象点云,最后基于α-shape理论批量重建出对象模型。试验结果表明,该方法能够从散乱的室内场景点云中快速、自动地重建出代表真实对象的三维模型,具有较高的实用价值。     

无人机倾斜摄影测量技术支持下的裸露边坡表面变化识别

为克服传统人工边坡调查方法效率低、风险高、难度大等缺陷,针对高陡裸露边坡,本文提出了基于无人机倾斜摄影的边坡三维重建和灾害识别分类方法,即利用无人机多视角序列影像重构裸露边坡三维实景模型,并将不同时期的边坡三维模型统一在相同的坐标系内。经试验验证,重建模型精度优于2 cm,基于点云与点云比较算法的三维点云数据变化检测算法,能够分析两个时期点云模型的细微差异,通过在三维实景模型中进行标记,结合PointNet++分类神经网络算法自制点云数据集,成功地实现对标记区域的识别与分类,从而实现边坡滑坡、坍塌、落石等灾害场景的智能化识别。     

一种改进匹配点对选取策略的ElasticFusion室内三维重建算法

对室内场景进行实时高质量的三维重建是机器人、增强现实等领域关注的重点。目前基于RGB-D传感器的三维重建方法存在局部模型重建效果差、点云模型包含孔洞等问题。而影响三维模型重建效果的主要因素有两个,一是由点云配准解算出的位姿参数精度,二是闭环检测准确程度。对此,在保证算法实时性的基础上,通过改进迭代最近点算法(iterative closest point algorithm,ICP)中匹配点的选取策略,提升模型重建效果。并利用径向基函数构建隐式曲面的方式对点云模型中的孔洞进行事后修补。选用ICL-NUIM等公开数据集进行实验验证,结果表明,改进后的算法在模型重建效果以及相机轨迹估计方面均有显著提升。     

基于三维狄洛尼三角网的曲面重建算法

随着三维激光扫描技术应用领域的不断拓展,对点云数据三维建模的需求越来越迫切。曲面重建技术作为三维建模的核心技术之一,在逆向工程、计算机视觉、计算机制图以及虚拟现实等技术领域都有着非常广泛的应用前景。本文提出一种基于三维狄洛尼三角网的曲面重建算法,其本质是一种结合了曲面生长算法思想的贪心算法,即在一定约束条件下,按照最优三角形选择标准,算法从预先构建好的三维狄洛尼三角网中,逐个筛选出最优三角形添加到生长曲面上,最终输出由一系列显式三角形所组成的流形曲面。这种方法对比目前主流的隐式曲面重建算法具有参数依赖性较小、不需要计算法线等优点,并且能够重建地形扫描、建筑物扫描和精细化扫描的点云模型。利用此算法对多种点云模型进行曲面重建试验,结果表明该算法生成曲面质量好、重建效率高、实用性强,能够很好地应用于三维建模领域。     

改进泊松算法的图像三维重建点云模型网格化

针对泊松表面重建算法在点云数据的网格化中仍不能有效满足"细节保持与噪声平滑"的平衡问题,该文提出了一种基于高斯滤波的改进泊松算法。通过将高斯滤波引入到点云数据等值面的向量场估计中,一方面实现了对点云拓扑结构的更准确估计以及对点云噪声的有效平滑;另一方面通过调节高斯滤波中的标准差参数,实现了对点云模型网格化的细节保持与噪声平滑的细微控制。以福州大学张孤梅雕像为实验对象,图像三维重建技术获得的点云数据作为数据源,利用改进的泊松算法进行点云网格化。结果表明,改进的泊松算法提高了网格模型的精确性与完整性,且在视觉上更好地逼近真实模型的细节,验证了改进算法的有效性。