室内三维点云空间自动划分与规则化方法北大核心CSCD

精准空间划分是实现室内语义建模与拓扑结构重建的重要基础。三维点云作为常用的室内空间数据载体,如何基于三维点云进行室内空间语义信息提取与规则化具有重要意义。本文提出了一种基于形态学分割方法实现室内场景的分割,并结合矢量规则化方法完成分割场景的规则化。首先,基于区域增长算法与线性拟合方法提取空间分割要素,通过平面投影生成二进制影像,进而利用距离变换和分水岭算法完成空间分割;然后,对空间分割要素进行线性拟合,进行室内空间格网划分,采用矢栅叠加方法实现空间要素规则化;最后,通过4组实际场景(包含3组ISPRS数据集及1组实际场景采集数据)进行数据验证。试验结果显示,本文提出的室内空间分割与规则化方法可以准确快速地完成室内空间要素的提取。     

面向大规模道路网的最短路径近似算法

节点重要性对大规模道路网下最短路径的计算有着重要影响。本文提出了顾及节点重要性的最短路径估计方法,该方法基于Critic方法与复杂网络理论评价节点的重要性,结合限制策略实现网络划分,通过层次结构网络的构建,实现大规模道路网数据的有效化简和最短路径的快速有效计算。试验结果表明,该方法能够使中心节点均衡地分布于网络,更好地均衡划分后子网络的规模;随着限制参数的增大,网络规模逐渐降低,查询精度最高达到1.026,相比于单一指标和无限制参数的方法,本文方法显著降低了网络的规模,在最短路径的近似计算上保持了较高的准确性,为大规模复杂网络的近似分析提供分析思路。     

并行地图叠加分析中基于数据分解的负载均衡方法研究

地图叠加分析是一种计算密集型算法,并行化计算可以加快算法执行速度。本文研究并行化地图叠加分析中的负载均衡方法。首先针对并行算法中的IO竞争情况,定义了负载均衡指数;然后基于分治法分解空间数据,将并行系统下的地理要素分而治之,将Hilbert空间索引作为集群系统中各节点分配数据的依据,最终实现并行地图叠加分析系统中的数据负载均衡,为地图叠加分析算法中的数据并行策略提供可能性。结果表明,利用空间索引分治的负载均衡方法建立索引速度快,调度系统可以将计算任务明确分配到各计算节点。     

兴趣点选取的路网分割并行计算法

兴趣点,又称POI(points of interest)是网络地图、导航地图中重要的表达要素,包括餐饮、娱乐、金融机构、旅游景点、地标建筑、加油站、停车场等人们日常生活中最为经常使用的信息。其数据的准确性、属性的丰富程度、表达的清晰度及其实时显示效率都将影响地图的服务质量。当前POI表达存在许多问题,特别是在用户搜索特定信息时,由于查询结果数据量较大,造成POI的叠置、压盖等,这一问题严重影响了用户对POI信息的查询与检索。地图综合提供了大量的算子算法以实现点或点群要素的选取,但是它们在综合效率方面亟待提高。面向矢量数据处理的并行计算,其数据划分不仅需要满足负载均衡、划分算法高效等要求,而且对于划分后各部分数据在计算前后拓扑关系的保持也显得尤为重要。兴趣点与路划网络是密切相关的要素,两者之间存在着相互依存的空间关系。本文提出基于路划网眼划分兴趣点的方法,既能保证兴趣点的划分效率,又能保证不同分区内POI选取计算的正确性。选择点选取算法中的"圆"增长算法,采用典型试验区域的路划网眼数据,基于不同节点数划分兴趣点数据,实现兴趣点选取并行计算。试验证明,该方法不仅保证了兴趣点划分的均衡性,而且可以提高兴趣点选取计算效率。通过这一研究,对面向矢量数据的地理信息分析、地图制图综合等复杂算法的并行计算具有重要意义。     

利用先验点图模型的SLAM后端优化算法

目前基于因子图的后端优化算法具有优越性。在因子图中,节点代表姿态,节点之间的边代表里程信息和封闭循环约束。由于因子图并未描述每个节点精度的差异,导致整体定位精度仍有提高的空间。针对这个问题,提出了一种基于先验点图模型的后端优化算法,依据前端提供节点精度的差异,在因子图中引入高精度点,然后采用改进的Levenberg算法进行全局优化,从而实现在结合原有概率约束的基础上,利用少量高精度点牵引其他点向真实值靠近,完成更为精准的自身定位。并在公开数据集上进行了实验,结果证明,本文提出的算法增强了前后端的关联,提高了定位精度。     

面向特征的网络空间点群要素自动综合方法

网络空间信息可视化对揭示网络空域规律、促进网络空间认知具有重要意义。将网络空间节点与拓扑关系直接可视化的视图中存在大量的点重合和线交叉,目前已有的网络节点布局算法、集束边技术、骨干网提取和网络路由拓扑多尺度表达等方法能够优化视图效果,但在网络的微观结构上,对保持网络空间点群要素的特征信息关注不够。通过分析并量化网络空间点群要素的各类特征信息,提出了一种基于层次聚类的要素聚合方法和一种基于节点重要性度量的要素选取方法,以自动综合的方式对网络空间点群要素进行综合。实验结果表明,该方法能够保持网络空间点群要素的空间特征,为定量表达网络空间特征、加速生成视觉效果良好的网络空间地图提供基础数据综合方法。     

双层优化的激光雷达点云场景分割方法

对激光雷达扫描的非结构化点云进行分割处理,是进行数据组织、重构和信息提取的重要步骤。本文根据点云表面的局部可微的性质,提出了一种递进形式的双层优化分割算法。首先在黎曼几何框架下计算点的拓扑关系和距离度量特性,以k均值聚类的方法获得过分割体素,作为底层分割结果。然后,将点云的体素模式化为节点,构建最小生成树,提取节点的高级特征信息,利用图优化得到对点云细节自适应的区域分割效果。通过真实数据进行验证,并与现有方法比较,证明所提算法的可行性和先进性。     

三维点云室内平面要素提取与优化

室内平面要素的准确提取与关系恢复是室内模型自动化语义重建的重要基础,本文提出了一种面向复杂三维点云的室内平面要素提取与优化方法。该方法首先利用区域增长和RANSAC平面混合分割方法分割室内点云数据;其次利用室内语义部件的空间位置信息及包围盒和法向量信息,对分割后的平面进行平面要素的精确提取;然后对提取的墙面进行优化,实现共享墙面的合并,解决室内墙面冗余的问题;最后利用门与墙的空间位置信息,恢复门墙关联关系。试验部分采用了两组试验数据：一组是深圳大学某层教学楼的激光点云数据,另一组是国际摄影测量与遥感学会（ISPRS）的标准数据,通过对试验结果进行评估,验证了本文方法的有效性和可靠性。     

基于MapReduce的地图代数并行计算方法

针对大规模栅格数据的空间分析,设计并实现了一种基于MapReduce架构的通用地图代数并行计算方法。该方法能将栅格像素矩阵按数据行分割为多个独立的子矩阵,并在并行节点上使用地图代数的四种算子对来自不同矩阵的像素进行分析计算。栅格数据叠加实验结果表明,该方法具备有效性和可靠性,能降低计算对硬件设备的要求,并提升了计算效率。     

地理国情监测数据接边节点一致性处理方法

地理国情监测数据基于不规则形状的任务区(如县级行政区划)进行组织,接边要求更严格,数据接边工作量比基础测绘大很多。提出一种针对地理国情监测数据的接边处多边形节点一致性自动化处理方法,通过任务区范围线进行缓冲分析自动提取接边要素数据集,然后对接边处节点进行比对求取所需加密点,并对待处理数据集通过面―线转换后插入加密点再进行面重构。通过对2个任务区进行试验验证,接边检查软件错误记录由836条减少至20条,同时,处理后数据的图形正确性、拓扑关系、精度与容差、节点数量等均未发现错误。     

利用映射-归约的分布式区域对象可视查询方法

区域对象的可视查询是沿着区域视线方向剔除三维空间数据中一些表面被遮挡住而导致不可见的数据,从而提高大规模三维场景的可视渲染效率。针对传统区域可视查询视点空间划分粒度细、计算难度大的现状,提出了一种基于映射-归约的分布式可视查询方法。在映射函数中,按照三维对象的空间分布规律构建层级轴对齐包围盒,以轴对齐包围盒为视点空间划分区,将可视域范围内三维对象发送至规约函数中进行可视判断。在规约函数中,利用平面拆分后射线求交方法,通过构建二叉空间分割树计算每一视点空间划分区的潜在可视集,从而实现三维空间对象的分布式可视查询。将此方法用于深圳市20多万个三维空间对象的可视查询实验中,从数据量、划分粒度和并行度等角度验证了算法的可行性和有效性。     

基于道路网络分析的Voronoi面域图构建算法

提出一种基于网络分析的Voronoi面域图和加权Voronoi面域图构建算法。鉴于道路网络在城市中心地、公共设施引力传导与功能覆盖上的重要作用,采用网络最短路径距离分析和最短路径时间分析构建的Voronoi面域图可以模拟出中心功能的辐射影响范围空间划分的实际情形,进而为空间分析和空间优化提供有力支持。算法过程主要包括:设施邻近道路结点检索和分界结点计算;基于网络最短路径分析Dijkstra算法和分界结点计算的网络Voronoi划分;基于空间离散化、邻近道路分析的空间Voronoi划分及其矢量化处理算法。计算实验结果表明本文提出算法可靠和高效,能够模拟出具有预期精度和形态复杂的网络Voronoi面域图形。     

车载LiDAR点云中建筑物立面的自动分割

将建筑物立面数据从散乱无序的车载LiDAR点云中分割出来是一项繁琐而艰巨的任务。本文提出基于基础地理数据辅助的分割方法:首先对基础地理数据进行要素精简,提取有效的建筑物轮廓数据;然后将提取数据转换到车载LiDAR点云数据所在坐标系中,实现坐标基准的统一;再根据建筑物立面特征设置合理的建筑物轮廓缓冲阈值,对建筑物立面点云进行自动分割;最后采用合理的质量评价机制,对分割结果进行检核和评价,实现分割结果的质量控制。实验表明文中方法简单有效。     

基于分裂合并的多模型拟合方法在点云分割中的应用

本文基于机器视觉探讨数字摄影测量三维构像下的智能数据处理要素之二：海量点云分割处理技术。多模型拟合方法通过将点云拟合到不同模型中,依照点云空间分布特征和几何结构特征进行分割。针对点云数据量巨大、分布不均匀、结构复杂等特性,本文提出一种基于多模型拟合的点云分割方法。首先通过降采样,采用基于密度分布的聚类方法,实现对点云的预分割。在预分割基础上,利用基于分裂合并的多模型拟合方法对点云进行后续拟合分割。针对平面和弧面,本文采用不同的拟合方式,最终实现对室内密集点云分割。试验结果表明,该方法能够在无须提前设置模型数目的情况下实现点云的自动分割。且相较于现有的点云分割技术,此方法相较于现今的常规方法能取得更好的分割效果,在分割的正确率上要高于现有的常规分割方法,在处理相同数据量的点云分割时,能够达到远低于常规方法的时间消耗。通过本文提出的三维点云分割方法能够实现将大规模、复杂三维点云数据分割为较为精细、具有准确模型参数的三维几何图元,为后续实现大规模、复杂场景的精确三维构象提供有力支持。     

节点相似度辅助下的线要素匹配方法设计

同名要素匹配是空间数据集成、更新和融合的关键技术。针对要素匹配中不同尺度数据构成差异但拓扑结构相似的问题,本文提出一种基于节点相似度的线要素匹配方法。该方法以线要素节点为主要特征,选取了方向、距离等相似性度量指标,并构建了拓扑、方向和距离三类约束,在此基础上,设计了一种基于拓扑关系和空间位置的匹配模型,实现了线要素特征点的相似性匹配。采用大规模道路网进行试验,试验结果表明,该方法切实可行,能够有效解决复杂线要素匹配问题。     

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。     

点云数据的多几何面片特征自动识别

针对人工构筑物丰富的面片特征,提出一种基于局部采样优化的多种几何面片（平面、柱面、球面）点云数据分割方法。该方法首先利用三维格网建立点云数据的空间划分,然后根据随机采样点确定局部格网单元,在格网单元内部拟合多种几何模型,通过局部打分确定局部候选模型（集）,利用统计推断估算候选模型集的全局打分区间,最终获得当前最优模型及其一致集,从而实现点云数据分割。试验结果表明：该方法能够对富含规则几何特征的人工构筑物进行有效分割。     

网格总分并行式Delaunay三角网建模方法

针对大规模点云数据,提出了Delaunay三角网构建的一种算法,算法通过自适应网格空间分割,实现了海量点云数据的规模均衡网格化逻辑分割;对网格内的顶点按距中距离进行排序,通过各网格由外而内的插入法建立三角网;按先总后分的方式优先保障网格之间三角网的生成,避免了分治-综合建模算法复杂而低效的三角网整合过程;建立了网格的拓扑闭包检测机制,针对各个子网格适时启动独立并行的线程对余下的内部点按传统的拓扑插入算法进行独立建模,从而并行高效、由总到分地实现了海量点集数据的三角网建模工作,显著地提高了空间大数据的三角网建模能力。     

观测数据采样化的遥感影像非监督分割

为了实现影像的自动化分割,提出一种利用非监督方式将观测数据采样化的遥感影像分割方法。该方法利用欧氏空间的概率分布建模采样数据和观测数据,并将其映射到黎曼空间,通过不断将观测数据转换为采样数据的方式实现影像的自动采样化。每次采样过程只需计算观测数据点到采样点的测地线距离,将距采样点测地线距离最小的观测数据转化为采样数据,以保证采样数据不断趋于该类数据的真实分割结果,同时使算法能够有效分割具有不同像素数的类别。将算法应用于模拟影像和真实遥感影像分割,对其分割结果以及传统基于统计、基于模糊的非监督算法和基于神经网络的监督算法相应分割结果定性定量的对比分析验证了该算法的有效性及可行性。     

基于云计算的空间矢量数据并行处理

研究了提高空间矢量数据运算效率的分布式并行处理方法, 基于微软Azure云平台设计了适用于矢量数据并行处理的3种架构方式:中心负载均衡架构、分布式静态负载均衡架构、分布式动态负载均衡架构, 并分别搭建原型系统对小规模偏态分布数据和大规模数据进行叠置分析测试。试验结果表明, 基于Azure云的分布式动态负载均衡架构版本原型系统可大幅度提高计算效率, 对小规模偏态分布数据集可以达到超过10倍的加速比, 对大规模数据集的分析计算更是达到了超过40倍的加速比, 证明基于Azure云的分布式动态负载均衡架构方法是提高空间矢量数据分析效率的有效方法。