利用三维点云数据的地铁隧道断面连续截取方法研究

提出了一种可应用于变形监测的基于三维激光点云的隧道断面连续截取方法.该方法分为点云拼接、中轴线提取和断面截取.隧道中轴线的提取通过随机采样一致性算法和最小二乘平差算法完成;断面截取过程先基于隧道轴线信息调整隧道姿态,再对隧道数据采取局部曲面拟合进行,其中引用了限制最小二乘算法和随机采样一致性算法.采用RIEGL VE-400获取的地铁隧道点云数据进行了验证.实验证明了本文方法在三维激光扫描技术的应用方面具有一定的实践意义.     

多级移动曲面拟合的自适应阈值点云滤波方法

为了提高机载激光雷达点云滤波算法的精度、效率以及自适应性,提出了一种多级移动曲面拟合的自适应阈值点云滤波方法。首先,对点云数据进行预处理即剔除粗差,然后通过格网化分割建立格网索引,利用每个格网的邻域格网中的最低点建立曲面方程,计算真实高程与拟合高程的差值并设置自适应性阈值进行滤波,最后采用多级滤波策略,即逐级改变格网大小并自动设置邻域和阈值,直到滤波结果达到精度要求。使用国际摄影测量与遥感学会（ISPRS）提供的测试数据对算法进行验证,第1、2类误差和总误差平均值分别为7.33%、10.64%、6.34%。将该算法与ISPRS公布的8大经典滤波算法进行比较,结果表明该方法的适应性强,滤波结果具有较高的准确性。     

基于斜率收敛的隧道断面点云截取方法研究

介绍一种基于斜率收敛的三维激光扫描隧道断面点云数据的提取方法,以适用于没有隧道中线数据的断面点云截取,实现了由斜率限差的迭代计算来控制中心线的拟合精度。     

基于RANSAC算法的隧道点云横断面提取

针对最小二乘法对所有点(包括局外点)拟合难以得到最佳线性参数的问题,本文基于RANSAC算法对观测值随机抽样进行参数估算,判断符合模型的内部点为一致集,并通过迭代得到足够的一致集,最后设计试验验证该算法的适用性;对隧道点云采用基于中轴线方法进行边界提取,以及三维激光扫描用于生产实践提供参考意义.     

点到平面距离的点云数据压缩方法

针对三维激光扫描点云数据采集过密、冗余信息较多,现有压缩算法存在不足的问题,该文提出了基于点到平面距离的散乱点云压缩算法。将该算法与基于三角形法向量夹角和格网法两种现有算法的压缩结果进行比较,通过对比构建的空间三角网可以发现,该文算法对物体特征复杂的部位有较好的压缩效果,且在压缩率较高时,不会使较平缓的部位出现过度压缩而失真的情况。     

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。     

利用贝叶斯抽样一致性的点云特征面拟合

针对传统随机抽样一致性算法在拟合特征面时对种子点的选择具有一定的随机性,造成循环次数过多、效率低下的问题,该文提出一种改进的随机抽样一致性算法——贝叶斯抽样一致性算法。首先建立柱面、球面、圆环面、平面的数学模型;然后用贝叶斯抽样一致性算法提高抗噪性,并用二维直方图统计方法对贝叶斯抽样一致性算法中的局内点先验概率估计进行改进;最后,对局内点用非线性最小二乘进行拟合。将该方法与基于随机抽样一致性算法的特征面拟合方法进行了对比和分析,实验结果证明,贝叶斯抽样一致性算法能够更高效地实现局部特征面拟合。     

一种混合曲面散乱点云曲率计算方法

针对局部点云曲面拟合过程中系数矩阵容易出现病态等问题,本文利用局部点云与切平面的夹角特性,对曲面拟合方程的权阵进行修正,并在此基础上,提出了基于三次曲面和四次曲面拟合的混合曲面散乱点云曲率计算方法,同时通过统计分析圆环面和球面的曲率计算值和真值差别,证实了该算法不仅精度高,且错误率低。     

迭代切片算法在点云曲面拟合中的应用

根据点云散乱无序的特点,提出基于点云密度和厚度变化的切片拟合方法。在考虑点云特征的情况下,先对整体散乱点云进行分割,再根据点云的局部特征进行迭代计算,确定该处的切片宽度,然后进行拟合。结果表明,采用迭代切片算法能将原始无序数据点转化为有序的组织形式,很好地保留了局部特征,确定了点与点之间的相互关系,提高了曲面拟合的精度。     

基于点云的地铁隧道断面精确拟合与形变分析

针对三维激光扫描技术应用于地铁圆形、马蹄形等不同形状的隧道断面难以精确拟合和形变分析问题,提出了一种基于三次B样条曲线的隧道断面拟合分析方法,首先利用三次B样条曲线对断面进行拟合;然后根据拟合曲线提取断面特定点,实现断面形变分析。对某段地铁隧道点云数据进行断面分析表明,该方法可以快速准确地分析隧道断面的形变信息。     

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。     

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。     

地铁隧道三维激光扫描数据配准方法

针对传统的迭代最近点算法(ICP)用于多测站点云数据配准时计算效率低的问题,该文提出了一种基于特征点的ICP改进算法,该方法利用相邻两测站数据进行配准的实现。首先采用体素化格网方法对两点云数据集进行精简处理,并计算精简处理后每一点的法向量;然后利用kd-tree最近邻查询搜索特征点之间的对应关系;并通过估计出的最优变换矩阵更新至全局变换,以提高配准精度。实验结果表明,改进的ICP算法在地铁隧道点云数据配准中的效率高于其他的配准方法,为隧道变形监测工作的进行提供保证。     

三维激光扫描点云混合像素的自动识别方法

混合像素的存在会给点云后续处理与应用带来干扰,针对如何在原始扫描点云中自动识别混合像素的问题,从扫描仪的工作原理着手分析了混合像素的形成条件,结合扫描仪的内部光电转换机制与真实扫描数据论证混合像素的测距误差分布规律,据此设计混合像素的自动探测方法。利用真实原始扫描数据进行实验,结果证明,文中方法能够准确地识别出点云中的混合像素。     

点云数据直接缩减方法及缩减效果研究

分析了国外点云数据处理中数据缩减方法的研究现状,针对实际工程中三维激光扫描数据采集的过密情况,提出利用扫描间隔进行点云数据直接缩减的方法,并编程实现所提出的算法。通过对真实的三维激光扫描点云数据的缩减处理,建立点云数据直接缩减的预测模型。     

面向水库大坝形变监测的三维激光扫描点云分析方法

根据黄龙带水库大坝两期高精度三维激光大坝扫描点云数据,本文提出基于正态分布的点云数据配准算法、改进原始渐进加密三角网滤波算法,运用点到面形变量对比分析模式监测大坝形变量,并进行源程序开发,实现一体化监测点云数据的加工、对比分析及建模处理。通过结果验证显示：①改进后的算法效率高、精度优,适用于大坝点云数据处理和对比分析;②开发的点云数据一体化处理软件简单易用,能够精准反映坝体变形情况;③黄龙带坝体稳定,尚无安全隐患。     

矿区地表彩色点云的自动分类

以矿区的彩色三维激光点云数据为研究对象，提出了矿区点云快速自动分类及目标提取的方法。首先根据彩色点云的RGB值计算HSV空间中的H值，根据各地物间H值的差异，分别对地面点与非地面点根据地物颜色先验值进行点的提取。然后对提取的点进行聚类计算，利用各类地物点云在空间分布上的显著差异，采用分层截面投影，由投影点最小包围盒的长宽比及面积比对矿区地物点云进行自动分类与提取。最后以Riegl VZ-1000扫描仪采集的某矿区地表点云数据为试验对象，验证本文算法的可行性和实用性。     

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。