一种古建筑点云数据的语义分割算法

针对目前从三维激光扫描点云中进行古建筑木构件分割较难的现状,提出一种对古建筑点云数据进行精确、快速语义分割的新算法。该算法首先对点云进行去噪处理;然后利用古建筑结构特性定义与柱构件相交且垂直于坐标系竖轴的一个截面并提取截面点云;接着利用点云欧氏聚类的方法从截面点云数据中提取对应于柱构件的点云并估计柱构件参数,进而基于罗德里格旋转矩阵将古建筑点云数据自动转正,使点云三维坐标系的竖轴严格垂直于地面;最后基于模型拟合的方法分割出柱构件点云,并利用古建筑几何结构、尺寸等信息采用基于包围盒的方法对其他木构件(如梁、枋等)进行分割。为了验证算法的稳健性与可行性,选取亭子类古建筑点云数据进行实验与分析。结果表明,该算法具有一定的可行性与稳健性,为古建筑点云的自动语义分割提供了思路与方法。     

一种机载激光雷达道路点云的半自动提取方法

针对直接从LiDAR点云数据中提取道路信息比较困难的问题,文章提出了一种基于点云分割和区域生长的机载LiDAR数据道路点云提取方法:采用曲面生长法对点云进行分割,直接得到包含道路信息的曲面点集合;应用LiDAR数据的回波强度对分割结果中的道路进行强度标定,并采用区域增长的思想实现了道路的精细提取。实验表明,该方法能够高效、准确地提取道路点云,在路桥建模方面有较强的使用价值。     

基于激光点云数据的古建筑BIM几何模型构建

针对古建筑BIM各种信息模型中几何模型构建的问题,提出应用三维激光点云数据和CloudWorx软件进行建模的方法。应用Cyclone软件对点云数据进行去噪、配准,按构件进行分割;应用CloudWorx软件进行模型的构建。研究古建筑的瓦片、柱体、梁、墙体、围栏等构件的建模方法,通过模型合并生成古建筑的整体几何模型。     

顾及几何特征的规则激光点云分割方法

三维激光扫描仪能快速地获取三维场景的高精度点云数据,已成为快速三维建模的重要工具。点云分割是三维点云模型数据预处理中的首要环节,也是影响重建效率与模型质量的重要因素。以激光点云的分割为研究切入点,以八叉树空间划分方式对数据进行组织,并用八进制编码进行命名,结合K邻近搜索法获取目标点的局部邻近点,采用加权平均目标点相邻的三角面片法向量来估算单点法向量。基于投影欧氏距离拟合曲面求取曲率。量化了规则点云集的分割约束条件,采用法向量信息来进行平面点的提取,根据曲率在两个主方向上的差异性来识别和分割柱面和球面信息。试验结果表明：①基于法矢量的平面点分割效果理想;②基于曲率差异性的规则曲面点分割效果较差;③基于几何特性的规则激光点分割方法合理可行。     

多源异构点云融合技术在古建筑信息留存中的应用

针对单一测绘手段难以获取古建筑表面完整空间信息的问题,本文提出了采用多源异构点云融合技术实现古建筑完整空间信息留存的方法。该方法首先采用由整体到局部的扫描策略实现古建筑主体激光点云数据采集,然后采用低空航空摄影测量技术完成扫描盲区的影像数据采集,最后基于光束法平差理论完成点云数据生产,实现了多源异构点云数据融合。试验表明,该方法能够满足古建筑信息留存的需要,在古建筑保护领域具有较好的推广和借鉴价值。     

基于多维欧氏空间相似度的激光点云分割方法

点云数据分割是对激光扫描(LiDAR)场景进行三维重建的基础。针对现有基于边界、表面或聚类的点云分割方法中存在的分割不足或过度分割问题,提出了一种基于多维欧几里德空间相似度的点云数据分割方法。通过计算激光点的法向量,结合点云的光谱特征进行数学变换,计算激光点在多维空间中的欧氏距离,比较邻近点间的相似性,最终完成对激光点云数据的分割。该方法解决了常用点云分割中几何特征和光谱特征无法同时使用的问题,融合了几何分割和颜色分割的两方面优势,提高了点云分割精度。采用2组数据分别比较了基于几何特征、光谱特征和多维空间相似度的3种不同分割算法的分割结果,实验结果验证了该方法的可行性和实用性。     

共享近邻聚类算法点云面线提取

针对激光点云数据进行建筑物建模或矢量信息提取中快速识别建筑物面和棱线信息的要求,该文提出基于共享近邻聚类算法进行建筑物面和棱线的快速提取方法。首先,计算点云中每个数据点的单位法向量和点到基准面的距离,利用基于网格的共享近邻聚类算法对点云进行分类确定建筑物面点云;然后,自动判别相交平面,提取建筑物棱线,并与RANSAC算法对某建筑物面的提取结果进行比较。结果证明,该方法自动化程度高,建筑物面和棱线提取快速、准确,提取结果能够应用于三维建筑物自动建模和测绘出图。     

最邻近曲面约束的近景光学影像与地面激光点云几何配准

提出一种以最邻近曲面为约束的近景光学影像与地面激光点云高精度配准方法。根据光学影像生成三维稀疏点云,以影像三维稀疏点邻近的激光点拟合的曲面为约束,结合共线条件方程建立影像三维稀疏点云与三维激光点云间变换模型,通过平差迭代解算实现光学影像与激光点云的高精度几何配准。该方法只需提供初始配准参数,无需对激光点云数据进行特征提取和分割,并且基于曲面约束有效地解决了两个点集之间难以精确确定同名点的问题。通过实际数据试验表明该方法能获得很好的配准精度。     

特征线的高压线塔变形监测

针对传统单点测量技术在监测范围及效率方面存在的问题,该文研究了一种基于特征线的高压线塔变形监测方法。因为高压线塔的塔腿对其安全运行起着重要作用,所以选取塔腿棱线作为特征线,分析塔腿变化情况。通过截面角点提取、塔腿提取及塔腿棱线提取等过程,求取同期塔腿棱线不同分段之间以及不同时期塔腿棱线相同分段之间的偏移角度和方向。基于某高压线塔两期点云数据的实验结果表明:该方法能够从复杂的高压线塔点云数据中,提取出塔腿部分点云,进而提取塔腿棱线,最后根据特征线的方向向量分析塔腿偏移角度及方向,得出高压线塔仍处于安全状态的结论。     

基于BP神经网络法的地表变形监测

利用三维激光扫描技术监测地表变形时,需要对大面积的地形点云数据重建地面曲面。针对点云数据的海量性,提出利用BP神经网络的方法进行曲面重建,分别模拟出两期点云数据的曲面及两期点云数据的下沉曲面。实验结果表明,该方法对海量数据的曲面重建精度较高,并能提取变形信息,具有较高的使用价值。     

三维激光扫描技术在古建筑文物保护中的应用研究

采用三维激光扫描技术获取空间信息数据,以解决古建筑文物保护方面设计图纸丢失、修缮困难、采用传统测绘技术进行相关档案资料制作精度和工作效率不能满足实际需求的问题。在点云数据缺失条件下,基于点云数据建筑物特征面自动提取建模技术等关键技术进行点云数据处理,三维建模,高效高精度地完成古建筑档案资料的生成和整理,以达到保护对古建筑文物的目的。     

基于最小二乘拟合的三维激光扫描点云滤波

针对传统的使用单一拟合法滤波的不足,提出组合曲面拟合滤波方法。方法在对点云分割选取拟合点的基础上,先进行二次曲面拟合,去除误差较大点,然后在剩余的点云中,选取较为准确的多面函数拟合点,利用多面函数曲面可更好地表达地形细节,进一步逼近真实的地形表面的优点,进行二次滤波。实例表明,本文组合最小二乘拟合的点云滤波效果较好,去噪后的点云可用于生成准确的DEM。     

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。     

室内雕塑点云三维重构

针对室内雕塑传统建模效率低的问题,探讨并实现了点云三维自动重建的方法。通过对点云数据预处理,包括异常点剔除、数据精简等,减少了异常点对建模的影响,使用泊松曲面重建技术进行雕塑点云三维重构。运用这种方法,可以使得表面能够很好的拟合。     

一种从LIDAR数据提取城区DTM的方法

由机载激光扫描系统获取的点云数据,可以直接生成扫描区域的数字表面模型,但要想提取数字地面模型还须对点云数据进行分类处理。提出了一种获取数字地面模型的方法,其主要思路是利用原始的激光数据构建二维三角网,从而构建数字表面模型。通过分析数字表面模型的坡度进行初始的分割,剔出坡度较大的三角形。经过初步的分割之后,通过连通区域分析来获取每个分割区域的特征,提取出裸露地表高程,从而由点云数据构建出数字地面模型。     

顾及法向量的点云语义分割方法

针对在复杂场景下激光雷达点云数据的语义分割研究中,存在点云特征损失大、点云语义挖掘不足和分割精度不高等问题,该文提出了一种将法向量和RandLA-Net相结合的点云语义分割方法。把点云法向量与RandLA-Net网络的局部特征聚合模块融合,提取局部语义聚合特征,利用softmax分类器对每个点进行分类。实现了复杂场景下LiDAR点云数据的语义分割。通过对Oakland点云数据集和德国Vaihingen城市语义数据集进行实验分析,验证了本文算法具有较强的泛化能力,本文算法在Oakland点云数据集和Vaihingen城市语义数据集上的平均交并比分别为96.38%和92.49%,与RandLA-Net网络相比,该算法充分利用了激光点云数据的语义特征,有效地提高了点云语义分割的准确性。     

最小割与深度学习联合优化的室内粘连点云分割方法

随着数字城市的发展,城市三维模型重建对三维点云结构化的需求与精度要求越来越高。如何有效准确地分割室内语义模型与三维重构是当前研究的热点问题。点云分割分类是室内点云结构化的重要基础,如何将粘连点云构件进行准确分割并用于室内点云结构化,是当前城市建模的难点。本文提出了一种面向室内粘连点云数据的分割分类方法。首先,利用深度学习网络处理室内点云数据;其次,对点云数据进行标签分类,得到目标标签点云;然后,利用欧氏算法对目标点云进行聚类分割,通过室内语义构件包围盒信息计算各目标中心点坐标与水平半径;最后,利用点云最小割实现室内粘连点云的准确分割。利用3组室内场景中获取的数据对分割方法的精度及有效性进行了验证。结果表明,该分割优化方法具有较高的精度与数据完整性。     

几何特征与神经网络联合优化的室内三维点云语义分割方法

室内三维点云数据精准语义分割是实现深层次室内空间应用的基础。针对现有三维点云数据语义分割方法存在目标不完整和不一致的问题,本文提出了一种几何特征与深度神经网络联合优化的室内三维点云语义分割方法。该方法首先利用深度学习实现室内结构信息语义标签的初步提取,然后利用几何与颜色特征的点云分割方法对原始数据进行精确分割,最后利用概率模型将深度学习语义分割结果与几何分割结果进行交叉融合,实现语义分割结果的联合优化。基于开放数据集对本文提出的分割方法进行了精度和有效性验证,分别采用室内场景简单到复杂的三组室内点云数据进行了测试,试验结果表明,本文提出的方法能够有效提升室内三维点云语义分割精度。     

基于LiDAR技术的古建筑复杂曲面三维重建

随着信息技术和测绘科学的迅猛发展,传统的空间数据获取模式已经不能满足现在的信息化需求。三维激光扫描技术的出现,推动了现代化测绘技术的发展,其高精度、快速的非接触式扫描测绘方法改变了传统空间数据采集模式。古建筑文化遗产的三维数字化保护是目前社会的研究热点,利用三维激光扫描技术来重建古建筑独特复杂的表面模型,为古建筑数字化管理和修复提供数据参考是一个很有意义的事情。本文以利用地面三维激光扫描系统构建古建筑三维模型为研究对象,通过洞窟类实例对古建筑点云数据处理和NUBRS三维模型复杂曲面重建技术进行研究与探讨。     

基于局部约束的建筑物屋顶点云平面分割方法

建筑物屋顶面点云分割结果的好坏对建筑物三维模型重建起着重要的作用。针对传统RANSAC算法建筑物屋顶面点云的分割问题,提出了一种基于局部约束的建筑物点云平面分割方法。利用点云局部曲面法向约束构建法向准则,利用半径约束的点云空间聚类的方法对共面屋顶面点云进行分解,从而抑制"伪屋顶面"的产生;利用局部抽样策略降低算法的迭代次数,减少运算量。实验表明该方法能够获得稳定可靠的建筑物屋顶点云分割结果,将有利于后续的建筑物三维模型重建。