界址点扩点公式推导

近几年在对一些单位进行拨地定桩测量征办土地手续时,常遇到界址点在实地无法找准的问题.主要是由于地形限制或者是建设单位大都留有护墙地,因此无法对界址点准确定位.在实践中我们利用已知界线(墙)定位测量,然后间接利用公式推算出界址点的坐标,提高了效率和测量精度.     

标记点过程用于点云建筑物提取

提出了利用标记点过程从机载激光扫描数据中直接提取建筑物的方法。该方法首先根据建筑物在点云中的几何特征建立Gibbs能量模型,通过目标的一致性建立模型的数据项,通过目标的拓扑性质等空间特性建立模型的先验项;然后,利用可逆跳转马尔科夫蒙特卡洛算法(RJMCMC)和模拟退火算法优化求解;最后,利用精细处理移除错误提取的地面点、噪声点和树木点,合并相邻的目标,实现建筑物目标的精确提取。利用3组ISPRS机载激光扫描点云进行实验,结果表明,该方法能够准确、有效地提取建筑物,具有较强的稳健性。     

基于特征点的曲面点云配准方法

针对当前曲面点云配准质量和效率低的问题,提出基于特征点的曲面点云配准方法。首先通过计算特征点曲率的豪斯多夫距离（HD）获得初始匹配点对;然后利点云局部表面曲线形状特征提取精确特征点对;最后用对偶四元数实现源点云和目标点云的粗配准,获取良好的初始的配准参数,并采用改进的最邻近点迭代算法实现点云的精配准。实验结果表明：该方法获取的点云中误差在0.005 m以内,且配准时间在7 s以内,提高了传统曲面点云配准的精度和配准效率,验证了该方法的稳健性和准确性。     

激光点云与影像点云辨析

正一、引言三维激光扫描技术是一种获取城市三维空间数据的新手段,20世纪末出现后,该技术逐渐成为摄影测量、遥感等领域的研究热点。按照载荷平台的差异,三维激光扫描主要分为地面、车载和机载3类。其中,地面激光扫描仪如国外的Faro Focos3D、国内的LS300等通常被安置在地面三脚架上,车载激光扫描仪如iScan移动测量系统等安置在汽车上,机载激光雷达主要在飞机、热气球等移动搭载平台上应用。随着光学、电子学的不断发展,以及GPS技术、惯性导航技术、CCD影像及激光测量技术的发展与成熟,多平台和多传感器集成技术成为获取地球空     

基于特征点的点云压缩方法研究

针对现有点云数据,在VC++平台下,提出一种基于特征点的压缩方法,实现点云数据的抽稀,其中试验数据采用扫描数据以及美国斯坦福大学试验点云数据。经试验表明,该方法能够实现点云的抽稀,减少点云的数据量,提高点云后期处理的效率。     

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。     

点云中角点的自动提取算法研究

针对三维激光扫描数据处理过程中的数据拼接、纹理映射、目标识别等问题,提出一种新的三维激光扫描距离图像的角点提取算法,旨在为相邻测站问数据拼接提供粗配准的对应点.文中通过把三维激光扫描仪获得的单站距离图像转化为二维深度图像,利用已有的SUSAN算子提取出深度图像的角点,反算深度图像的角点到距离图像坐标系下实现角点的提取.利用2站间4个公共角点作为粗配准进行2站数据的ICP配准,利用配准的准确度验证该角点提取算法的有效性.     

点云数据中球面点的自动提取

本文提出了一种球面点的自动提取方法。由随机点及其领域点拟合球面,得到球心坐标及球半径,然后提取其他所有符合半径条件的点。该方法计算过程简单,可以根据球半径误差阈值,实现不同的提取结果。     

利用邻域特征点相关性的点云配准算法

针对经典ICP进行点云配准容易陷入局部最优且处理时间长、精度低的问题,本文提出一种利用邻域提取特征点进行配准的优化算法。首先,通过邻域特征计算法向量和曲率特征从待匹配数据中选取特征点,通过特征点匹配得到配准平移和旋转参数,并利用配准参数对待匹配数据进行初始配准,然后,通过ICP算法对数据进行精细配准。试验证明,在利用特征点进行初始配准的基础上,解决了经典ICP算法容易陷入局部最优的问题,且具有良好的配准精度和运行效率。     

GPS点定位

本文探讨了四种GPS相位单点定位模型。文章指出在不同观测条件下,各模型点定位能力不同,若选择合适的模型,GPS相位测量可以相同的精度替代P码伪距进行点定位计算。     

关于保存中小城镇控制点的几点建议

在城镇控制测量中,控制点的保存一直是一个问题。在大城市中一般都有自己的控制测量体系,城镇建设与城镇设施的保护也都具有较系统的措施和方法,但在中小城镇中这一问题就显得相当严重。 1982年笔者在我省某县做Ⅳ等三角网,到1985年仅三年时间,就只剩下两个控制点勉强可以     

基于特征点法向量的点云配准算法

在传统的迭代最近点算法（ICP）中,需要两片点云具有良好的初始位置,否则在配准时容易陷入局部最优。针对该问题,本文提出了一种基于特征点提取与配对的粗配准方法,以调整两片点云重叠部分的初始位置。首先,利用SIFT算法提取两片点云公共部分的特征点;其次,根据特征点法向量之间的欧氏距离将两片点云的特征点两两配对;然后,利用法向量的夹角对特征点对进行提纯;最后,通过单位四元数法,求解出旋转及平移矩阵,完成粗配准。试验表明,本文基于特征点法向量的粗配准方法可为精配准提供良好的初始位置,在一定程度上避免配准时陷入局部最优的现象。     

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。     

基于特征点的高程点自动抽稀法

针对传统地形图缩编中高程点抽稀存在的问题,提出基于特征点的高程点抽稀的方法,使用此方法一方面可以保留特征点处的高程点,另外可以实现高程点的自动抽稀。     

基于特征点提取和匹配的点云配准算法

针对ICP算法配准需要两点云有较好的初始位置否则无法获取准确匹配结果的问题,提出一种新的粗配准算法。调整两片部分重叠点云的初始位置;在求取一点处法向量的基础上,利用点云曲率信息,提取特征点,获取两点云每一特征点处的属性向量;通过相似度函数评价,寻找匹配特征点对进行粗配准。试验表明,该基于特征点提取和匹配的方法可为ICP算法提供良好的点云初始位置,并提高配准精度和可靠性。     

基于特征点匹配及提纯的点云配准算法

针对传统的基于ICP点云配准算法配准时间长、收敛慢、需要较好初始配准等限制,本文利用现有的点云特征提取算法和描述算法,提取并匹配点云中的特征点,用RANSAC算法结合坐标转换模型剔除误匹配点对,用匹配点对在两点云中的坐标计算之间的坐标转换参数,从而实现点云的配准。相比ICP类算法,提高了点云配准的效率,同时提高了点云配准的自动化程度。     

结合八叉树和最近点迭代算法的点云配准

针对最近点迭代算法的局限性造成的点云配准效率低下问题,该文对最近点迭代算法在点云配准中的应用进行了研究,并针对算法的局限性进行了改进。先利用八叉树结构求得点云数据的重叠区域,然后在重叠区域利用最近点迭代算法对点云数据进行精确配准,提出了基于八叉树结构建立点云重叠区域的最近点迭代配准方法(该文简称OTOAICP)。通过实例数据对该方法进行验证,结果表明:OTOAICP方法能够提高配准精度,缩短配准时间。     

基于倾斜摄影高程点和特征点快速提取研究

随着科技的发展,高程点提取的自动化程度越来越高,但是自动提取点位的分布合理化和特征高程点的提取需要大量的人力、物力和时间进行修改和人工提取。本文以滕州市主城区1∶500地形图为基础,结合倾斜摄影和ArcMap部分功能,介绍一步式准确、快速、均匀提取高程点和特征点高程的方法,论证了新方法的可行性与有效性。