机载LiDAR点云获取与高精度DEM建设关键技术探讨

结合广东省机载LiDAR点云获取与高精度DEM建设项目,介绍了项目总体技术路线,针对项目难点,从设备选择、点云密度设计、植被覆盖密集山区数据获取方法、点云数据分类组合算法、空白区处理等5个方面的关键技术进行了探讨,并提出解决方案,为同类项目的设计与实施提供参考。     

一种基于点云法向量的基准特征提取与倾斜分析方法

针对目前将三维激光扫描技术应用于变形监测领域存在基准特征难以提取、点云数据分析缺乏适用的方法等问题,本文提出了一种基于点云法向量的基准特征提取与形变分析方法。首先利用局部平面拟合方法获得点云的法向量,并沿点云法矢方向探测基准点;然后利用三次B样条曲线对探测的正确基准点进行拟合;最后根据拟合曲线计算基准高程和对径点倾斜角分析基准特征形变信息。对某化工厂的罐体点云数据进行基准特征提取结果表明,该方法可以快速、全面地获取监测对象的整体信息,且能够正确分析监测对象的基准形变。     

一种顾及道路影响的点要素注记配置遗传禁忌搜索算法

为使地图上点要素注记配置更美观易读,利用遗传算法的全局寻优能力和禁忌搜索算法的"爬山能力",在考虑传统点要素注记配置约束条件的同时,考虑点要素与道路间的关系,提出了一种顾及道路要素影响的遗传禁忌搜索算法,并从解算精度、运行效率及稳健性3个方面对该算法进行评价。本文以福建省泉州市惠安县1：20万比例尺的乡村点状地形图数据进行试验,试验结果表明,与遗传算法、禁忌搜索算法和ArcGIS软件相比,该算法的算法精度和稳健性均有所提高,但是计算效率略低于禁忌算法,且点要素注记与点要素、道路要素的压盖量最少,与点要素、道路要素注记的交叉量最少。     

机载激光点云中高压电塔自动识别方法

提出了一种基于格网特征的机载激光点云高压电塔自动识别方法。首先对机载激光点云数据进行滤波去噪处理;然后对点云数据进行规则格网化特征分析获得高压电塔粗识别区域;最后对粗识别区域进行外接邻域网格线性特征悬空点集检测以确定电塔识别结果,并以分层切片法分析获取电塔平面中心坐标。采用大型无人机实际线路巡检获取的机载点云数据对本文算法进行验证,试验结果表明本算法可实现高压电塔的快速自动识别,对无人机电力巡检智能诊断具有一定的促进作用。     

背负式移动激光扫描系统测绘大比例尺地形图精度试验研究

将背负式移动激光扫描系统应用在测绘大比例尺地形图中,其扫描精度至关重要。本文利用徕卡Pegasus Backpack对苏州工业园园区测绘地理信息大楼进行扫描,采用Inertial Explorer、Infinity、AoTumatic Processing对点云数据进行预处理,运用RealWorks提取特征点,将特征点在MicroStation V8联图中绘制成1：500地形图。通过与传统方法绘制的1：500地形图相叠合,发现两幅地形图具有很好重合度。对地物检测点精度分析后,得到点位中误差为0.026 m,高程中误差为0.041 m。研究结果表明徕卡Pegasus Backpack满足1：500地形图测量精度要求。     

面向城区宽基线立体像对视角变化的结构自适应特征点匹配

提出一种基于结构自适应特征的城区宽基线影像特征点匹配方法。首先,对影像提取点特征和直线特征,挖掘点特征与其邻域内直线特征之间的几何关系,构建结构自适应的特征区域和特征描述符,并通过双向匹配策略获得初始匹配结果。然后,基于初匹配结果估计影像基础矩阵,构建核线约束的结构自适应特征匹配算法进行二次匹配。最后,将已匹配特征作为控制基础设计匹配扩展算法,进一步增加匹配点数量。本文方法以特征点邻域几何结构为出发点,构建自适应的特征区域,能够在显著的影像视角变化下,为同名特征点提取影像内容一致的特征区域,进而获得相似的特征描述符。试验结果证明,与传统算法相比,本文方法在城区宽基线影像上能够同时获得更多的正确匹配特征和更高的匹配正确率。     

基于点云数据的盾构隧道竣工测量方法

隧道轴线的偏差和断面测量是地铁隧道竣工测量的重要指标。本文详细介绍了运用空间几何的方法从海量三维激光点云数据中快速、准确地提取地铁盾构隧道断面和中心点的方法,在此基础上将提取的断面点云数据与设计断面曲线进行了二维对比分析,并在北京某地铁盾构隧道中进行了验证:从三维激光点云中提取的中心点坐标与全站仪测量得到的结果相差在±3mm以内,点位精度能够达到3.43mm。结果表明该方法可达到较高的测量精度,在地铁盾构隧道竣工测量中将具有较强的实用性。     

基于点特征的单目视觉里程计实现

本文采用特征点检测实现移动机器人的单目视觉里程计,通过对图像进行网格划分保证特征点均匀分布,提高特征点匹配效率。并行计算基础矩阵及单应矩阵实现单目视觉里程计的自动初始化,采用RANSAC算法剔除外点提高特征点匹配质量。设定运动模型及参考帧模型加速帧间运动估计,并通过合理的关键帧选取策略及图优化提高相机位姿精度及鲁棒性。利用TUM数据集测试本文设计的单目视觉里程计,实验轨迹误差为3.58 m,通过Turtlebot2移动机器人对真实环境进行测试,实验表明本文方法的有效性。