一种基于机载激光点云的门型电塔精确提取方法

随着无人机技术的发展,越来越多的电力部门采用机载激光雷达及倾斜摄影测量技术代替传统的人工方法,进行电力巡检、电力部件检修等工作。门型电塔为目前电力走廊中比较常见的一种高压电塔。在无数据标签的电网点云数据中,对门型电塔进行精确点云提取是门型电塔日常维护的重要工作。本文从包含有地面、植被、电力线、门型电塔的电网点云数据入手,首先对点云进行体素化分割,对体素网格进行高程连续与高程阈值的筛选,并对电塔顶部进行扩展搜索,达到去除地面点及植被点的目的。然后根据门型电塔水平投影成条状的特点,利用门型电塔的圆柱杆塔部分得到门型电塔的水平投影直线,再通过距离阈值判断去除点云中多余的电力线点。本文介绍的方法实现了从无标签的电网点云数据中对门型电塔的精确提取,为进一步进行门型电塔的三维建模、维护检修等工作提供了数据基础。     

利用智能手机GNSS信噪比反演三维地图的方法

本文利用智能手机GNSS信噪比观测值在建筑物周围的变化特征,分析其与建筑物对GNSS信号遮挡的关系,提出了一种二维概率地图的概率消减反演算法和建筑高度的邻近边界点体素化反演算法,进而采用大量观测数据反演三维地图,并对反演精度进行分析。试验结果表明,在5 m栅格地图上,取高度角为5°以上卫星的GNSS信噪比数据,达9000历元时各项精度趋于稳定,超过12 000历元时反演的建筑物中心坐标、建筑面积、角点点位及建筑高度综合效果最佳。其中心点位误差为1.16～1.74 m,面积误差为1.12%～2.39%,角点误差绝对均值为5.00～5.30 m,均方根误差为5.82～6 m,建筑高度误差为0.04～2.1 m,基本实现了利用智能移动终端GNSS信噪比数据反演三维地图的目标。     

基于三维激光扫描仪的边坡形变监测研究

摘 要： 利用三维激光扫描仪获取铁路边坡形变数据,并对点云数据进行体素化处理,利用种子生长法对体素化后的数据进行分类,并拟合其空间参数;通过观测点云数据与目标数据分类结果拟合平面之间的距离,确定边坡形变的具体值;利用扩展卡尔曼滤波对多期数据进行统计分析,得到边坡形变的速率与加速率,预测边坡形变。     

基于GPU加速的高分辨率实体体素化研究

体素化是面图形学通向体图形学的桥梁,具有广泛且重要的应用。介绍体素化方面的研究进展,分析现有体素化方法在处理高分辨率实体体素化时的不足。提出以分块为基础的高分辨率实体体素化算法:在分块内部,采用基于图形处理器(Graphics Processing Unit,GPU)的切面光栅法对分块表面体素化过程进行加速,采用射线求交方式生成种子并进行块内填充;在分块之间,设计了3方向的种子扩散面及跨块扩散机制,避免因分块而导致的大量几何求交运算,提高了效率。针对高分辨率实体体素化结果数据量大的问题,采用低分辨率表面体素化结果进行数据压缩和索引,节省了数据存储空间。测试结果表明,该文提出的算法不仅能够进行高分辨率实体体素化,而且在GIS、地学建模和CAD等体图形学相关的领域具有重要的应用价值。