多源数据的点云融合算法在智慧城市三维建模中的应用

基于多源数据构建三维模型技术,建立的三维模型精度不但相较于传统的基于单一点云构建的模型精度大幅度提高,同时解决了无人机影像三维建模中的部分缺陷,完善了三维模型的部分纹理细节.但是该技术往往是不同种点云数据的叠加,不仅会造成数据量的增加,而且会影响整个数据的质量.基于此,提出了一种点云融合算法,首先是将倾斜摄影测量技术、...     

面向三维城市建模的多点云数据融合方法综述

多细节层次的三维城市模型是数字城市和智慧社会的关键空间数据基础设施,从基于稀疏点线特征的交互式半自动化建模到基于密集点云的自动化智能化建模已经成为国际学术界和工业界的热点前沿。由于立体城市空间结构的复杂性,多类型、多站点和多时相的点云数据融合处理是三维城市建模的基本途径,其基本思想是将具有不同视角、密度、精度、尺度、细节、时间历元等特征的多点云数据进行一致性融合表达与集成处理,建立可直接面向计算分析的智能化表达的多点云模型。归纳总结了多点云数据的主要特点,针对时空基准与精度、尺度、语义3个层面的一致性处理,分析了多点云数据融合的主要发展趋势,并凝练了面向三维城市建模的多点云数据融合关键问题。     

多源点云融合精细建模

本文提出了一种基于曲率特征点初配准的多源点云融合解决方案。其次使用迭代最近点算法（ICP）采取点到面的方法对点云数据进行精配准,在K维树（K-d树）的最近值领域搜索的基础上使用点云配准的3倍中误差作为判断条件,交叉验证保多源点云数据中同名点云数据。小于判断条件时保留三维激光点云数据的空间位置并采用加权平均思想过渡点云颜色。本文以倾斜摄影测量中易拉花的复杂独立地物“鲁班像”为研究对象,使用上述方法解决了多源点云数据融合时数据冗余与色差明显的问题,融合后“鲁班像”模型颜色自然、线条顺滑、棱角明显。     

多视激光点云数据融合与三维建模方法研究

基于特征基元的点云数据配准方法,利用控制点对机载与车载点云数据进行概略匹配,构建了顾及梯度与颜色特征及特征组对的特征点匹配算法模型,根据拟合平面特征解算平移和旋转变换参数,实现了机载与车载点云数据的精确配准,并在此基础上建立了多角度点云数据融合的房屋顶部和立面特征提取、点云数据与光学影像纹理信息匹配的技术流程,实现了建（构）筑物三维精细建模,并通过实例验证了本文所提方法的有效性。     

机载LiDAR点云数据与影像数据融合

分析机载LiDAR系统获取的点云数据与影像数据的优缺点,从而取长补短,将二者进行叠加融合,并成功地将航空影像的光谱信息赋给相对应的LiDAR点云,弥补了LiDAR点云在光谱信息方面的缺陷,为LiDAR点云数据的后续处理提供重要的信息支持。     

基于多源数据融合古建筑三维重建技术的研究

将无人机倾斜影像、地面三维激光点云和数码相机照片相结合,从影像数据与点云数据2个层面研究数据融合的理论及策略,通过数据预处理、坐标系统一、数据配准、影像点云融合、点云数据融合实现三维实景重建。建立的三维实景模型,能够真实全面地还原和反映目标物全貌,且具备直观表达对象整体空间信息的能力。通过点、线、体3个层面的精度验证可以得出,本文提出的多源数据融合建模方法能够建立无遮挡、无空洞、细节表达完整的三维实景模型,且模型精度良好,为古建筑数字化保护拓展了一个新的方向。     

多源数据融合技术在古建筑三维重建中的应用

针对单一点云数据建模时自动化程度低、模型不够完整等问题,提出了一种基于多源数据融合技术的三维重建方法。其基本思路是将地面激光点云与空地影像相结合,在对多源数据进行预处理、坐标系统一、数据融合配准、目标特征提取与识别的基础上,实现模型重建。试验结果表明：采用地面激光点云+空地影像融合建模能得到更加精确、完整和美观的实景三维模型。     

机载激光点云与影像数据融合方法的研究

影像信息可以反映综合地表纹理、光谱信息及空间属性信息。结合高分辨率的影像信息,机载激光点云数据即可成为获取DEM及地形特征的良好数据源。讨论了数据融合的两种方式,结果表明,基于多元数据拥有丰富的物方信息,其融合数据在DEM过滤及特征提取方面有优势。     

利用Terrasolid进行机载与车载LiDAR点云数据的融合

介绍了一种利用Terrasolid软件进行机载与车载LiDAR点云数据融合的方法,通过分析两种扫描系统采集点云之间的共性与特性,制定了融合取舍原则,得到了覆盖范围全面的LiDAR点云融合成果,为LiDAR点云数据的应用和推广提供了良好的基础。     

基于控制测量的多视点云数据配准方法的研究

针对地面三维激光扫描技术中多视点云数据配准的问题,提出了一种基于控制测量的点云数据配准新方法。该方法的基本原理是:首先借助人工标志完成水平角度、竖直角度以及斜距测量工作;然后利用闭合导线或者附合导线测量原理,计算闭合差,通过分配闭合差,获取高精度的控制点坐标数据;最后按照定向法原理完成点云数据配准工作。利用地面三维激光扫描仪Riegl PLM321进行辅助法数据配准实验,通过对比公共点配准结果表明:基于控制测量的数据配准方法是可行的,它不仅可以满足建模工作的需要,而且克服了传统串联式配准方法中误差累积的弊端。     

基于特征线的点云数据分割算法

为了提高点云数据分割的效率和精确度,基于深度图像和CANNY算子,研究了一种新的按照特征线的点云数据分割算法。结果表明,这种基于特征线的数据分割算法能够显著提高数据分割的精度。     

GPS/GLONASS组合导航不确定度评定的稳健加权融合算法

针对卫星导航系统在实际测量中存在大量野值的情况,利用M估计计算各系统污染分布统计特性,应用不确定度评定分配权值并进行融合。通过实例分析该法在模型及算法选择上均具有优越性。     

欧氏聚类算法支持下的点云数据分割

欧氏聚类算法是多元统计中的一种重要分类方法,可以将其应用于测绘领域中点云数据的分割。本文首先计算点云数据中两点之间的欧氏距离,将距离小于指定阈值作为分为一类的判定准则;然后迭代计算,直至所有的类间距大于指定阈值,完成欧氏聚类分割。具体步骤为：①利用Octree法建立点云数据拓扑组织结构;②对每个点进行k近邻搜索,计算该点与k个邻近点之间的欧氏距离,最小归为一类;③设置一定的阈值,对步骤②迭代计算,直至所有类与类之间的距离大于指定阈值。试验证明,欧氏聚类算法对不同测量技术手段获取的点云数据均具有适用性,可以成功对点云数据进行分割,分割效果良好。     

基于体元的机载LiDAR点云数据建筑物提取算法

针对目前机载LiDAR点云数据存在的数据组织效率低下以及不利于查询等问题,本文提出了一种基于体元的建筑物提取算法。首先,构建体元模型实现机载LiDAR数据的真三维描述;然后,计算局部邻域曲面拟合残差,将残差最小的体元视作种子体元;最后,根据局部邻域法向量夹角准则来实现种子体元的区域增长,从而获得建筑物点。本文选取ISPRS公开的点云滤波测试数据中的8种复杂场景进行实验,实验结果表明:本文算法不仅原理简单、容易实现,而且具有较好的鲁棒性,不会受地形以及建筑物类型和尺寸的限制,Kappa系数达到80%以上,实现了复杂场景下建筑物的提取。     

一种基于点云数据的DEM生成方法

利用机载激光雷达点云滤波已成为获取高精度数字高程模型的重要手段之一。本文充分考虑规则格网和虚拟格网的优势,利用规则格网进行建筑物区域与非建筑物区域的初步分离;然后,利用虚拟格网进行非地面点的去除,最后,用获得的地面点生成DEM,取得了较好的实验效果,具有一定的实用价值。     

基于快速成型技术的点云压缩算法研究

研究一种两次分层压缩点云数据的方法,将等高距和其允许误差设为阈值压缩数据。试验证明,通过设置适当的切片厚度,该方法数据压缩率大、算法执行效率高、特征保持较好、三维模型表面光滑,具有良好的应用价值。     

基于NDT和ICP融合的点云配准方法

针对传统迭代最近点算法高精度低效率与正态分布变换算法高效率低精度的问题,提出了基于NDT与ICP融合的点云配准方法。首先通过NDT算法选择合适的网格参数将待匹配的点云向目标点云拉近以提高配准效率,完成粗配准,其次使用KD树加速的ICP算法求解变换矩阵以提高配准的计算效率。通过实验表明,本文方法匹配速度相比NDT算法和ICP算法有明显提高,且精度高于NDT算法。     

基于不同地形LiDAR点云数据的最优压缩方法

针对不同地形求解LiDAR点云数据在各种插值算法下不同比例尺允许的标准差内的最佳压缩率,以便提高数据处理的速率,为方便LiDAR数据的处理提供一种简便快捷的压缩方法。介绍了基于ArcGIS软件本源的最佳压缩方法、基于Python的点的坡度差的压缩方法和基于Python的坡度法向压缩方法。     

基于Laspy的点云数据检查方法

基于laspy开源、灵活、简单、效率高的特性,可按照实际需要利用Python语言编写读取点云位置、强度、分层信息、颜色等已有属性值,运用空间分析、自动提取实现对点云数据的范围、分类等信息的批量快速检查工具.其本身作为Phython程序设计语言的延伸,适合于编程初学者,能较快地实现代码编写.通过测试数据验证,利用lasp...