直线段检测算法在机载LiDAR建筑物轮廓线提取中的应用

针对机载LiDAR点云数据提取建筑物轮廓线耗时多且精度不高的问题,本文提出了一种基于直线段检测(LSD)的机载LiDAR建筑物轮廓线提取方法。该方法首先对已分类的建筑物点云进行栅格化得到二值图;然后对二值图进行膨胀、腐蚀操作,消除二值图中因栅格化产生的空洞;最后利用LSD算法进行直线检测获取规则的建筑物轮廓线。经过实测数据的验证,本文方法可以检测到亚像素级的建筑物轮廓线,与传统的Canny算法相比能够提高约50倍的效率。     

移动背包三维激光扫描系统在陡岸水库测绘中的应用——以白鹤滩水电站库区典型河段为例

针对陡岸水库岸坡度大、地形狭窄复杂、植被覆盖度高、水文泥沙监测精度要求高,且传统人工走测难度大、效率低、风险高的问题,本文提出了移动背包三维激光扫描系统观测方法,并以白鹤滩水电站库区典型河段为例,开展了移动背包三维激光扫描系统的应用试验研究。定性定量成果表明,移动背包三维激光扫描系统测量平面中误差为0.024 m,高程中误差为0.044 m,相对面积较差为0.24%,精度符合技术要求,较人工走测工作效率提高3.75倍,十分适用于陡岸水库监测。     

三维激光扫描技术应用于机翼微变形检测

飞机飞行过程中,机翼和机身通常会产生人眼无法直接识别的局部和结构性微小变形,进而损害飞机的飞行气动性能。针对这一问题,本文将能达到毫米级逆向建模的三维激光扫描技术应用于飞机机翼的微变形检测中,通过设计的方案对整个过程的点云获取、点云配准、滤波去噪、封装建模和变形指标提取等各个技术环节进行了探索,并验证了整个技术流程的可行性。同时,通过对比分析试验对三维激光扫描技术应用于机翼微变形检测的精度进行了评定,试验结果表明该技术的综合探测精度可达0.12 mm,能够达到试验扫描仪器的标称精度。     

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。     

融合自适应最优邻域和卷积神经网络的三维点云分类

针对点云分类中提取单个点自身特征所需的邻域尺寸选择,以及低层次特征设计烦琐且表达地物属性能力较弱等问题,本文提出了一种自适应选择单点最优邻域尺寸及学习泛化能力更强的深层次特征的三维点云分类方法。首先基于自适应最优邻域尺寸选择获得每个点的最优局部邻域信息,继而基于局部邻域信息提取点云低层次特征;然后设计一种以待分类点低层次特征为输入的卷积神经网络模型,学习能反映目标地物内在属性的深层次特征并实现分类;最后采用拓普康公司三维点云数据集进行试验,该数据集通过一个配备TOPCON GLS-2200三维激光扫描仪的移动平台获得。试验结果表明,本文方法分类的总体精度达90.48%,优于文中其他点云分类方法。     

祁连山自然保护区生态环境大数据管理模式的探讨

大数据时代的到来给生态环境领域的数据管理带来了新的挑战与机遇。本文从生态环境大数据的内涵、特征、技术体系及其在生态环境领域的应用等角度出发,探讨了适用于祁连山自然保护区的数据管理模式。首先,保护区内的生态环境大数据来源广泛、结构多样、数据处理方式复杂,难以通过传统技术手段被有效收集、处理和应用,除了具备一般大数据的“5V”特征外,还具备地理空间特征;然后,大数据技术贯穿于数据采集与预处理、数据存储与管理、数据处理与分析及数据解释在内的整个流程,为保护区多源异构数据高效管理与综合利用提供技术支撑;最后,将生态环境大数据技术应用于解决错综复杂的生态环境问题,结合GEE云平台与生态环境模型模拟技术对植被变化问题进行了科学分析,获取了2000—2020年保护区植被覆盖度的演变趋势及不同海拔高度的垂直地带性差异规律。基于大数据技术的管理模式是生态环境大数据面对新形势、新趋势的必然选择,也是生态环境问题解决的重要支撑。     

机载激光雷达技术在高速公路横断面测量中的应用

机载激光雷达凭借独有的装备、技术、精度、数据优势,在高速公路横断面测量具有传统测绘无可比拟的优势。本文结合具体工程案例,通过对关键技术的研究和应用,实现地面点云高程中误差优于10 cm的精度要求,并能显著提升线路测量工作效率。     

基于多源点云数据的铁路线路信息化

相比于传统测量手段,移动扫描技术能够提高测量效率,但点云数据具有体积大、密度高、冗余数据多等特点,测量过程中扫描仪覆盖范围大,大量无效点云被获取。针对该问题,本文提出了一种基于多源点云数据提取铁路线路信息的方法。首先,根据钢轨点云的反射强度和几何特征预处理,采用微分的思想提取线路中心线;其次,对钢轨点云模型降维处理,参考高速铁路路用钢轨轨头宽度允许误差设定收敛条件建立钢轨模型,提取线路平面线和纵横断面;然后,利用主成分分析法和移动激光点聚类法提取接触线和站内附属设备;最后,基于反射强度快速分割钢轨,采用Dynamo编程语言对Revit进行二次开发,快速建模,对推动铁路设计智能化、可视化水平具有十分重要的作用。     

多级索引框及移动向量联合的接触网提取方法

电气化铁道接触网的非接触式检测研究对保障铁道的安全运营具有重要意义,检测工作需要大量的精确接触网点云数据支持,目前存在接触网部件间不易分割导致难以提供精确接触网点云数据支持的问题。针对该问题,本文提出了多级索引及移动向量联合的接触网提取方法。首先利用多级索引框简化铁道场景数据;然后通过轨迹线构建提取通道获取支柱底部中心点集,以计算沿轨移动向量;最后进行二级索引框的姿态调整,实现接触网的准确提取。本文设计了参数分析与对比试验,在10 km铁道场景中进行试验分析。结果表明,本文算法对接触网提取的查准率、查全率、F1均在约99%,均优于参照算法,表明本文算法能够适应复杂场景。     

结合自注意力机制的多特征融合点云语义分割网络

由于三维激光点云的无序性、稀疏性、非结构性以及光谱纹理信息缺乏,使得点云的语义信息提取十分困难,而可以直接对原始非结构化点云进行语义分割的PointNet++网络无法考虑点云的空间相关性。针对这个问题,本文提出了一种结合自注意力机制的多特征融合点云语义分割网络,使用PointNet++和非局部信息统计注意力模块分别提取点云的多尺度特征和空间相关性特征,并融合两种特征以进行最终的点云分割。通过在ISPRS 3D语义分割数据集上进行对比实验,证明本文通过自注意力机制提取的空间相关性特征优于人工设计的特征,可以明显提高点云语义分割的精度,本文方法较PointNet++总体精度提升了4.5%。