利用激光点云数据进行露天矿采剥工程量的计算方法

露天矿测量验收主要采用全站仪等单点式测量的方式,存在采样密度低、测量周期较长等不足。针对以上问题,采用三维激光扫描技术在露天矿中获取点云数据,并通过布料模拟算法和三角网计算体积算法,计算得到采剥工程量。经实验验证,与传统三角网体积计算法得到的采剥工程量相比,精度提高了23倍。     

机场净空区建筑物的识别与监测

目前,在建筑物识别与监测方面,基于单幅高分辨率遥感影像的阴影测高法和基于多视角影像的立体像对法将建筑物轮廓或名称识别与高度监测相独立,因此导致其自动化水平较低、数据冗余度与成本较高。基于数字表面模型(DSM)和兴趣点(POI)数据,本文提出了一种机场净空区建筑物识别与监测集成的方法,并以某国际机场为试验区对该方法的可行性进行了验证。试验结果表明:①该方法在建筑物识别与监测方面的准确率只取决于DSM的精度,而对DSM的数据来源没有限制;②以潜在危险建筑物高程变化速率为依据进行不定期的动态监测,在确保监测间隔期间机场净空区安全的同时可以降低数据成本和重复识别与监测所有建筑物造成的数据冗余度。     

依托航空模拟平台的激光雷达技术课程实践教学装备

为了能更好地理解激光雷达技术工作原理与三维信息采集全过程,规避现有激光雷达技术,尤其是机载激光雷达,在实践教学中受场地限制的不利条件,本文依托于中国矿业大学(北京)沙河校区的航空模拟平台,自主研发了一套基于单线激光雷达与行程测距仪集成的三维激光扫描装备,阐述了该装备集成的数学原理,设计了三维数据采集实践教学方法,并进行了三维数据采集的实践体验与数据质量评价。结果表明,该装备采集三维点云的精度优于99%,可为激光雷达技术的实践教学、创新训练及本科毕业设计等环节提供有效的硬件支撑,并可在仓储方量核算等工程应用方面进行推广。     

利用地面三维激光扫描进行桥梁挠度变形分析

针对常规桥梁挠度变形分析方法仅能获取有限数量离散监测点的几何变形,且存在自动化程度低、效率低、局限性大的问题,本文提出了一种基于点云数据的桥梁挠度变形分析方法。首先通过地面三维激光扫描仪获取桥梁变形体上的点云数据,经过精确配准,获取可靠点云数据。然后利用滑动窗口法得到桥梁线形,并通过两期线形叠差分析得到桥梁挠度变化。最后以跨度40 m+65 m+40 m的连续钢构桥实体工程为试验对象,利用本文方法发现该桥梁存在最小值为8 mm、跨中最大值为17.5 mm、平均值为14.9 mm的挠度变形。结果表明,该方法理论严密、计算效率高、简单实用。研究结果对三维激光扫描技术在变形监测领域的深度应用有重要借鉴意义。     

多源数据在复杂场景建筑物三维重建的应用

随着数字化城市建设的推进,更多复杂大型的建筑需要完成三维建模工作。对于异形且复杂的建筑而言,采用传统的数据采集方式较为烦琐费力。本文利用地面激光扫描仪获取某大型建筑内、外部点云数据,同时结合近景摄影测量技术获得建筑物的多角度影像及正射影像数据,经过点云配准、去噪、几何建模及纹理映射等处理,最终完成大型建筑的三维场景重建,并对此过程中涉及的关键技术进行了研究。     

面向智能化测绘的城市地物三维提取

精准有效的三维时空信息是新型基础设施建设、实景三维中国、自然资源管理与监测等国家重大需求不可或缺的重要支撑。测绘装备的快速发展提升了点云和影像获取的便捷性,为智能化测绘提供了一种全新技术手段。然而,如何从点云、影像中智能地提取三维时空信息仍然面临诸多困境。本文围绕城市场景中地物目标智能化提取的需求,重点阐述点云位置精度改善、点云与全景影像融合、部件级典型地物要素精细提取、软件研发与工程实践4个方面的关键技术与研究进展,为实景三维中国建设等提供关键支持。     

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。     

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。     

三维点云多尺度等值线模型Morphing变换方法研究

借鉴Morphing技术思想,提出了一种三维点云多尺度等值线模型Morphing变换方法。首先,分析了三维点云的空间分布情况,并按一定间隔在某一坐标轴方向(如犣轴）将其分层,建立点云的分层模型,以分层点云为单元生成等值线。其次,以分层数据生成的凸包多边形作为最小尺度等值线折线,按一定准则将剩余的离散点集归类到对应的凸包边,引入尺度参数狋,通过计算离散点的选取时机参数对其进行选取,生成连续变化的中间尺度等值线折线。最后,将等值线折线拟合成平滑曲线,构成三维点云的多尺度等值线模型。结果表明,本文方法能够处理规则点云数据和散乱点云数据,生成的等值线符合一般等值线的特性,不会产生边缘交叉等问题,而且运算效率高。     

线/面Voronoi图的分解合并生成算法

Voronoi图生成算法受到计算效率或生长源类型的限制,难以支撑线/面生长源Voronoi图的构建。本文提出一种生成线/面生长源Voronoi图的分解合并算法,其主要过程是将线/面生长源离散为特征点表达,通过特征点交叉建立最近特征点对,并以最近特征点对Voronoi子区域的交来部分地代替线/面生长源的等距离边界,算法以前后迭代离散计算的Voronoi子区域面积差分作为条件,可有选择地将部分生长源置入迭代过程,使线/面生长源Voronoi子区域逐步调整并达到精度要求。