车载LiDAR海量点云数据管理与可视化研究

为了支持车载移动激光扫描点云数据的高效管理与快速可视化,提出了一种适用于车载海量点云的数据组织方法。该方法将原始点云数据分段后生成轨迹信息用于快速索引,分别对每段数据建立基于八叉树结构的LOD（levels of detail）索引,并采用多线程动态调度技术实现基于视点的海量点云渲染与漫游,显著提高了车载点云数据的调度效率。实验结果证明该点云数据组织方法是一种适合车载点云数据的高效管理方法。     

一种车载三维激光点云数据加密及补偿方法

针对全景江苏三维地理场景建设中的可量测街景数据采集时,由于点云数据稀疏或缺失造成量测可靠性及精度低的问题,探索出以地面激光点云为数据补充,通过坐标转换、点云融合等技术方法加密补偿稀疏点云,提高数据精度的技术路线.最后,以具体道路为例,验证了方法的可行性,为提高车载三维激光点云的应用精度和能力提供了可借鉴的依据.     

车载激光扫描点云滤波方法研究

针对传统的点云滤波算法存在阈值单一、地面点提取准确低的问题,本文提出了一种改进自适应阈值滤波算法。首先通过对点云数据进行二维投影并进行格网化处理;其次通过格网内最低点进行混合最小二乘曲面拟合;最后通过一级滤波阈值与自适应阈值实现非地面点滤波。为了对本文提出的自适应阈值滤波算法的有效性进行检验,分别使用城市中心道路与郊区道路点云数据进行算法实验。结果表明,本文提出滤波算法对城市中心道路点云滤波结果的一类误差、二类误差、总误差分别为4.6%、2.3%、3.7%;对郊区道路点云滤波结果的一类误差、二类误差、总误差分别为5.4%、7.1%、6.5%。相比于传统的移动窗口滤波算法,本文滤波算法无论是一类误差、二类误差还是总误差均更低,可准确区分出地面点与非地面点,表现出了更好的点云滤波性能。     

基于像素模式的海量点云可视化LOD调度方法

针对受限于计算机内存,海量三维点云数据无法一次性加载显示的问题,提出了一种基于像素模式的海量点云可视化LOD调度方法。该方法主要包括生成八叉树点云索引文件和设置LOD模型调度范围两个阶段,首先采用八叉树的原理对点云数据进行分层和抽稀,生成索引文件;再基于八叉树点云索引文件构建点云LOD模型;最后根据原始点云的分辨率自动计算LOD模型节点的像素阈值。在实时可视化的过程中,以LOD模型节点在屏幕上的像素大小是否达到预定阈值为判断条件,对其进行调度,避免了距离模式下海量点云可视化出现的卡顿问题。     

基于PointCNN的车载行道树点云分割方法

利用点云卷积网络(PointCNN)为语义分割算法基础处理无序点云来提取行道树点云,经过模型建立、样本训练、点云分割等步骤从地物点云中精确分割出行道树点云,并对三个数据集的应用结果作精度评定,其最终结果的误差在有效范围内,并对PointCNN中的参数进行分析,完善算法的应用以适应于道路环境下行道树点云的提取。本次研究中考虑到训练各类型行道树类型,且受非行道树点云目标干扰小,在复杂道路环境下的数据分割工作有很好的效果。     

水深点云数据快速检索方法研究

为了提高海量多波束水深点云数据处理时的检索效率,降低内存占用,本文设计了四叉树数据处理方案。水深点云数据四叉树检索方式如下：首先,根据四叉树结构,以序列化方式对文件进行存储与索引,实现水深点云数据检索速度的提高,节省了检索时间;其次,为了减少内存占用,以内存映射的方式对海量点云数据进行读取。将本文提出的水深点云四叉树检索与常规的遍历索引进行对比实验,结果表明：在点云检索数据量少于总点云数据量的3/4时,四叉树检索的效率比常规的遍历检索效率提高1倍以上;随着检索点云数据量的减少,四叉树检索效率比常规遍历检索效率更高,最大可达到30倍以上。     

车载激光扫描数据的结构化道路自动提取方法

车载激光扫描系统获取的结构化道路环境(城市道路/高速公路)点云数据量大、目标复杂,难以有效提取出道路的点云.本文通过分析扫描线上激光点云的空间分布和统计特征,提出一种适用于结构化道路环境的道路点云自动提取方法.在Optech公司提供的两份车载激光扫描点云数据中,道路提取结果的完整率、准确率、提取质量相应地超过94.92％、95.80％和91.13％.通过定量和定性的试验分析,该方法不仅适应于有固定道路宽度的规则道路提取,同样适用于无固定宽度的非规则道路提取.     

车载激光扫描数据的地物分类方法

车载激光扫描技术可以快速获取地物表面的高精度三维信息,作为一种新的数据获取手段,已逐渐应用于地理信息系统产业中。将激光扫描数据分类是对地物进行特征提取以及建模的前提与关键。现今,针对车载激光扫描数据的分类方法还不成熟。根据城市各典型地物空间特征(激光点云在三维空间的高程、与邻近点的斜率,以及其在二维投影平面上的分布、密集程度等),本文提出一种主要适用于城市激光扫描数据的地物分类方法。首先,综合考虑车载激光数据的采集特点、车行GPS轨迹以及扫描数据中同一扫描线上相邻激光点之间的斜率关系,提取出路面。其次,对于非路面的激光点云数据,先使用基于格网化与区域分割相结合的方法进行实体划分,再通过计算地物空间形状特征的几项统计指标(外包围盒、实体高度等),对实体进行分类。最后,以海南三亚市某街道为研究区验证该方法的有效性。实验结果表明,使用该方法能成功地分出研究区的路面、建筑物、树木和路灯四类地物,并进一步在同类地物间分出不同实体。     

一种联合瓦片索引的车载海量点云数据管理方法

为了高效支持大范围车载移动激光扫描海量点云数据的可视化及后续处理,提出了一种联合全球统一划分瓦片索引的车载海量点云管理与调度方法。在分析车载点云空间分布特性基础上,有机联合瓦片索引及随机采样八叉树等空间索引结构,建立了一套面向海量车载移动扫描点云的高效管理及调度机制。试验证明,该方法能够高效支持大范围海量车载点云数据的调度、交互及动态更新等过程,并能够有效地支撑分割、分类等后处理过程。     

激光扫描数据的可视化技术

激光扫描数据是离散的矢量点构成的“点云”,没有任何明显的形体信息和拓扑关系信息。对移动激光扫描数据的处理与信息提取过程中,提出了三种不同的可视化方案将其可视化,可满足不同的任务需求。     

车载激光扫描数据的高速道路自动提取方法

针对车载激光扫描技术存在数据量大、点云散乱、目标复杂以及地物相互遮挡等问题,该文提出一种从车载激光扫描数据中高速道路自动提取方法。①对激光点云进行基于扫描线的自适应滤波,剔除路面点。②对于滤波后激光点云数据,使用平滑度约束下的欧式聚类算法进行聚类。③对道路边界进行优化追踪,提取出完整的道路边界和道路面。实验结果表明,本文方法能够快速准确地提取高速公路道路边界和路面点云,提取结果的准确率、完整率和检测质量分别为97.52%、94.23%和92.69%。     

机载激光雷达点云数据的实时渲染

提出了一种实时绘制大规模LIDAR点云数据的方法。该方法通过构建一棵顺序四叉树使点云均匀分布在四叉树节点上,来实现快速的数据筛选。阐述了顺序四叉树的快速建立,并通过一个试验系统验证了文中所提方法的有效性。试验表明,使用目前普通配置的计算机,通过自适应控制绘制的数据量,可以实时绘制约1GB的原始点云数据。     

车载移动测量系统点云误差分析及修正

为使车载移动测量系统输出更高精度的基础数据——点云,对车载移动测量系统的定位误差来源进行分析,探索减小作业误差以及利用控制点进行点云修正的方法,通过实例验证控制点布设数量与点云精度提高的密切关系,证明布设位置合理、数量足够的控制点,能大幅提高点云精度。     

车载激光雷达点云快速栅格化算法研究及应用

针对车载激光雷达点云数据量大、密度高且存在分层错位和噪点等情况,提出了一种具实时性激光点云快速栅格化算法,该算法根据雷达扫描精度预设栅格单元大小,可在不丢失对象形状特征的情况下,能快速完成点云数据平滑及降采样处理,并将数据量缩小为处理前的60%。将该栅格算法处理后的点云数据应用于深度学习,作为pointnet++神经网络的训练集及测试集,完成语义分割模型训练与测试。实验结果表明,该算法可在1 s内完成上百万量级的点云栅格处理,并且经该算法处理后的点云数据能有效缩短训练时长、提升网络测试精度。     

基于地物特征提取的车载激光点云数据分类方法

车载激光扫描测量方法较传统摄影测量方法具有更多优点,它能快速采集大面积、高精度的三维空间数据,具有广阔的应用前景。针对车载激光扫描数据的分类问题,提出了一种基于地物特征提取的点云数据分类方法,即采用主成分分析(PCA)方法,在提取多种街区地物点云数据几何特征和总结地物对象特征知识规则的基础上,根据选取的主特征设计一套阶层式的分类方法,并利用该方法对一套车载激光点云数据进行了分类试验。结果表明,该方法的分类效果良好,具有一定的实用性。     

车载激光扫描的三维道路自动提取方法

车载激光扫描系统获取的复杂道路环境点云数据量大、目标复杂,难以有效提取出道路的点云。本文通过分析扫描线上激光点云的空间分布和统计特征,提出一种适用于复杂道路环境的道路点云自动提取方法。该方法首先根据点的扫描角度或GPS时间信息提取扫描线;利用移动窗口法进行高程滤波,提取地面点云,然后采用基于路坎模型的移动窗口法提取路坎点;利用局部区域相邻扫描线的相似性特点,对提取的路坎点云进行跟踪和优化;最后利用优化后的路坎作为道路的边界实现道路路面精确提取。经过实验和分析,该方法不仅适应于有固定道路宽度的结构化道路提取,同样适用于无固定宽度的复杂道路提取。     

车载MMS激光点云与序列全景影像自动配准方法

提出一种车载移动测量系统（MMS）激光点云与序列全景影像自动配准方法。首先采用层次化城市场景目标提取方法自激光点云提取天际线矢量,在全景影像中经虚拟成像与分割角点提取算法生成天际线矢量。然后,将提取结果作为几何配准基元,构建配准基元图,通过最小化配准基元图编辑距离进行匹配,组成共轭配准基元对,解算2D-3D粗配准模型,获得全景影像与LiDAR点云参考坐标系之间的初始转换关系。最后,为消除几何配准基元提取与匹配误差对配准结果的影响,自序列全景影像虚拟成像影像生成多视立体密集匹配点云,继而使用变种ICP算法优化其与激光点云数据间3D-3D配准参数,间接优化全景影像与激光点云间的配准参数,精化配准结果。试验结果表明,本文提出的自动配准方法可以实现车载MMS激光点云与序列全景影像的1.5像素级自动配准,配准成果可应用于真彩色点云生成等点云/影像数据融合应用。     

基于车载激光点云数据的行道树提取方法

针对道路车载激光扫描点云数据中行道树与其他地物相互遮掩,存在杆状物分类困难的情况,本文提出了一种基于车载激光扫描数据的行道树自动提取方法。首先,构建格网并地形点云滤波,提取非地面点,从而提升后续算法的运算效率;其次,在非地面点的基础上构建空间体元进行邻域分析,提取树干点云,同时建立树冠分层点云投影面积理论,提取得到树冠点云;最后,使用改进分割算法进一步修正树冠点云归属,实现行道树的单体化。使用两组不同类型道路点云数据进行实验,结果显示本文算法提取行道树的平均提取完整率与正确提取率分别为90.73%、91.22%,较对比方法具有一定优势,为行道树的高效、快速、准确提取提供了新的思路。