基于K-近邻搜索的点云初始配准

为了使用最近点迭代算法(ICP)实现点云的精确配准,需要点云有良好的初始姿态,这可以通过点云的粗配准实现。本文结合K-近邻搜索和法向量估计,通过组建不变角度作为匹配特征,求解旋转矩阵和平移向量实现粗配准,方法由Matlab7.1编程实现。具体的实验结果表明,利用该方法能得到理想的粗配准效果,可以进一步应用ICP算法实现精确配准,该方法是有效的。     

GPS高程拟合的方法比较

GPS高程拟合的方法有很多,各有其优点和适用范围。本文在最小二乘估计算法的基础上,讨论主成分估计法和半参数模型估计法及各自的优点,并利用六参数模型的最小二乘估计、主成分估计和半参数模型三种拟合方法对GPS高程进行拟合,通过实例计算结果比较分析,得出半参数估计方法优于其他方法,在一定条件下精度高的优点。最后得出半参数估计方法精度达毫米级,论证了其在实际应用中的优越性。     

基于组合罗德里格矩阵的异常特征点探测

特征点是点云配准的基础,针对异常特征点对点云配准精度的影响,本文给出了一种异常特征点探测方法,即根据罗德里格矩阵的性质,对特征点进行向量组合,对比分析不同向量组合的点云配准精度,确定配准误差超限的向量组合,此向量组合中含有而其他向量组合中不含有的特征点,便是异常特征点。通过实例验证了该方法的可行性。     

K-近邻长方体的点云特征提取压缩算法

针对海量点云数据存在大量冗余问题,该文提出基于K-近邻长方体的点云压缩算法。利用目标点的K近邻在非特征点云与特征点云之间的不同分布特性,基于该文算法将点云集合分为特征及非特征点集。该方法先对目标点近邻点进行坐标转换并构建K-近邻长方体,建立压缩准则,对长方体进行扁平程度筛选,结合分段采样去除大量冗余点及少量密集特征点,实现保留原始特征的点云压缩。该文方法涉及K、α、采样率β_(all)3个参数,在实验分析中,采用体积偏差、表面积偏差和Hausdorff距离对该文方法涉及的3个参数进行精度影响分析,结果表明,该方法能保留大量原始特征,在最优K值条件下β_(all)为0.4,α为0.9,此时体积偏差百分比为0.27%,表面积偏差百分比为0.5%,具有较高的压缩精度。     

组合法精化胶州市大地水准面

本文利用全球重力位模型、胶州市地面重力观测数据、胶州市GPS水准数据和数字地面模型(DTM),采用组合法应用移去-恢复技术计算剩余大地水准面,并与地球位模型计算的高程异常进行拟合,得到该地区重力似大地水准面,再和布测、计算得到的GPS/水准所构成的几何大地水准面拟合,利用多项式拟合完成系统改正,获得最终的大地水准面结果及相关的精度信息。     

基于决策树的机载LiDAR点云数据分类

本文采用基于决策树的人工智能方式,通过对点云数据分割、提取分割片轮廓,手动设置地物的约束条件来提取LiDAR点云中的地物。两组实验表明,本文的方法能够成功提取点云数据中的建筑物、车辆等地物;要提高精度,需增加点云密度,因此本文方法适用于较平坦的城镇地区。     

AR模型的整体最小二乘解算及其应用

AR模型在变形监测及其预报中应用广泛,因为系数矩阵和预测值都存在误差,宜采用整体最小二乘法。本文通过一个实例对该方法进行验证,计算结果表明,该方法获得的预测值更加接近实测值,并且比传统的方法更具优势,有较强的理论研究价值和实用价值。     

地基GPS水汽反演昆明地区加权平均温度的模型建立

本文根据长期的气象探空资料通过数值积分的方法算出每个时次的加权平均温度,然后在此基础上对Bevis回归经验公式进行订正;在加权平均温度模型的建立中,计算公式中系数a、b的求解由计算软件根据最小二乘原理快速结算。最后通过相应的数据模拟计算证明这种方法可以确定出适合昆明本地区的加权平均温度计算模型。     

基于特征点的影像匹配方法探讨

基于特征点的图像匹配方法是高精度、快速有效和适用性广的匹配算法,它包括特征提取和特征匹配2个步骤。本文在对这一问题进行研究分析的基础上,对相关文献进行综述,介绍并分析了几种典型特征点提取算子的原理和优缺点,为不同应用目的的特征点提取方法选取提供借鉴;特征匹配方面总结了基于特征点匹配的常用方法,就SIFT这一热点做了详细介绍,并进行了实验;最后对匹配中有待进一步研究的问题给出了意见。     

基于贝叶斯估计的平滑算法

基于贝叶斯估计的平滑算法是在事后处理的情况下,依据过去直至现在的观测值去估计过去的历史状态,以有效提高精度。而滤波是依据过去直至现在的观测值去估计现在的状态。从理论上讲,由于平滑用了所求估计时刻之后的观测值,平滑算法应比滤波优异一些。本文设计了2个实验仿真计算,在逼近效果和RMS等方面分别与Kalman滤波和双向滤波加权平均进行了比较。经实验证明,无论是逼近效果还是RMS,平滑算法都要更优一些。     

基于PCL的点云数据空间管理及近邻搜索

由三维激光扫描技术获取的点云数据仅包含点的三维坐标,缺乏点对应的几何拓扑信息,同时为了在计算机中更高效的管理和处理点云数据,本文结合PCL开源库为点云数据建立K-D树和八叉树两种数据结构,并实现基于K-D树和八叉树的快速邻域搜索。     

基于DEM的山地鞍部点分级提取方法

本文以地形起伏变化较大的陕北黄土丘陵沟壑区为例,通过流域边界线上高程相对低点的自动识别,实现基于DEM数据的地面鞍部点自动获取。实验结果显示,采用该方法所提取的地面鞍部点具有层次结构显著、提取精度高、操作简便、便于确定重要性等级及与山顶点空间关系等优点,对于DEM地形特征点簇的构建与分析具有重要意义。     

关于机载LiDAR点云数据形态学滤波的几点思考

形态学滤波是一种典型的机载LiDAR点云数据滤波方法,然而滤波过程中还存在某些容易被忽视的细节。本文在回顾现有各种形态学滤波算法的基础上,分析了特殊地形下点云数据内插存在的问题,提出了改进的内插算法;深入探讨了两种不同数据组织形式的滤波算法,指出基于不规则离散点和基于规则格网两种滤波方法各自的优势及不足;最后通过实验数据对两种方法在滤波性能和效率上给出了定性分析和定量评价。     

多视角三维激光点云全局优化整体配准算法

提出一种已知多视激光点云配准初值进行自动全局优化的整体配准算法,并详细推导了多视激光点云配准全局优化平差模型。本算法对多视角三维激光点云的扫描顺序不作要求,可以处理无序散乱的多视三维激光扫描点云,同时可以获得最小二乘意义下的最优变换参数,实现多视三维激光点云的自动精确配准。利用实际三维激光扫描点云数据进行试验,得到了预期的结果,验证了本文方法的可行性和有效性。     

多传感器数据融合与航迹预测

本文是用滤波估计的方法对多传感器数据进行融合。在误差处理方面应用多元方差分析方法来消除各雷达测量数据的偏差,最终预测信号在短期内的轨迹。该方法简单、精度高、可信度强。     

基于遗传算法的RBF神经网络在GPS高程拟合中的应用

本文针对RBF神经网络中隐含层径向基中心值的确定,利用遗传算法对其进行优化,并应用于高程拟合的实验研究中。通过将遗传算法优化的RBF神经网络与K-均值优化的RBF神经网络及标准RBF神经网络进行高程拟合的误差对比分析表明:遗传算法优化的RBF神经网络提高了拟合的稳定度,改善了精度。     

改进Dijkstra算法的城市道路最短路径仿真研究

本文在分析Dijkstra算法基础上,考虑城市路网的特点及该算法在路径优化中的不足,提出一种基于双向搜索的Dijkstra改进算法,它可以减少路网节点的搜索范围和计算复杂度。仿真结果表明,改进算法在最短路径搜索中可使候选节点数减少15%～25%,当节点越多这种减少越明显,可提高搜索路径的实时性。     

基于AIC准则的RBF神经网络在GPS高程拟合中的应用

本文采用AIC准则优化RBF神经网络参数的方法进行GPS高程拟合,在建立网络模型过程中,对不同的聚类半径由最近邻聚类法求出不同类别的聚类数目及相应的聚类中心和初始扩展常数,通过对不同类别分别进行调整扩展常数的网络训练,求出其最小AIC值,再根据AIC准则确定结构最优的RBF网络模型。实验结果表明:这种方法为确定最优RBF网络模型的隐节点数目及相应参数提供了途径;拟合精度较高,在较平坦测区可以替代三等水准测量。     

基于激光反射强度的点云自动配准研究

点云数据配准是三维激光扫描技术数据处理的研究热点问题之一,传统的ICP算法需要较好的初值且效率不高。为了实现点云的自动配准,本文针对激光点云反射强度和图像匹配的特点和应用,提出一种基于激光反射强度的点云自动配准方法,从而为实现ICP精确配准确定初值。试验结果表明,基于激光反射强度的点云自动配准方法能够良好地为ICP精确配准提供初值,同时提高了点云配准的准确性和效率。     

省级似大地水准面的局部再精化

本文利用少量新的高程异常控制点作为公共点,结合高精度的原省级似大地水准面模型,计算出公共点的高程异常残差,采用多面函数法对其进行数学拟合,获得待求点的高程异常改正数,可大幅提高省级似大地水准面模型的局部精度,是一种简单有效和切实可行的省级似大地水准面局部再精化方案,并给出了实例证明。