共查询到20条相似文献，搜索用时 71 毫秒
1.
针对海量激光点云数据组织与管理困难等问题,结合八叉树在三维空间上的快速收敛能力以及三维R*树对不规则分布的多维点数据性能稳定的优势,提出了一种八叉树与三维R*树集成的空间混合索引结构—3DOR*树。首先,通过对激光点云数据进行八叉树划分;然后,对八叉树叶子节点构建三维R*树,进而实现3DOR*树索引结构的构建;最后,对激光点云数据进行特征分析,构建基于3DOR*树的激光点云数据存储结构,实现基于3DOR*树的激光点云存储与管理。本文以江西理工大学图书馆激光点云数据为例,进行实验对比分析,证明了基于3DOR*树的激光点云数据存储结构比三维R*树、八叉树与三维R树混合树等其他树形结构,具有高效的空间存储与查询等优势,可应用于海量激光点云数据存储、管理与分析应用。 相似文献
2.
MLS(Mobile Laser Scanning)具有成本低、灵活性高、小范围区域激光点云数据获取快以及特定领域课题的研究明显等优势,在制图和三维建模领域已有应用。与传统的测绘方式相比,MLS点云数据的精度更高、节约成本,也提高了工作效率,对于大范围区域的测绘调研以及制图的优势尤为明显。激光点云数据的特征提取也是研究的难点,它是从空间杂乱分布的点云数据中提取出感兴趣的目标或区域,点云特征包括全局特征与局部特征,一般情况下,主要通过局部特征进行特征提取。局部特征主要包括基于点签名的局部特征与基于直方图的局部特征,通过局部特征进行特征提取时的难点在于:激光点云巨大的数据量;一些特征描述子对于噪声与点云密度的鲁棒性不强;同一场景中,多个特征的尺度差异造成的特征误提取等。针对这些难点,研究者们提出了许多基于激光点云特征提取的算法。 相似文献
3.
激光点云分类是Li DAR数据应用的关键步骤和重要研究课题。针对Li DAR点云数据识别率低的问题,以体素化的点云为研究对象,提出了一种基于词袋模型的城区机载Li DAR点云数据分类方法。考虑到点云数据缺乏纹理信息,文中综合分析了点云数据和影像数据的特点,以点为单位提取描述点云的几何特征和影像特征分类特征;以体素为单位分割点云数据,并以体素为基础构建描述场景信息的词袋模型;最后基于随机分类器完成场景的分类。文中以ISPRS提供的Vaihingen数据作为实验数据。实验结果表明,本文提出的模型能有效地改善点云的分类质量,分类正确率能达到93%以上。 相似文献
4.
针对现有的面向机载LIDAR数据的三维平面提取算法存在的基于离散激光点设计导致算法设计困难、仅利用几何特征的一致性导致的在平面平滑过渡区域易产生错误提取的问题,本文提出了一种多值体素连通区域构建下的机载LIDAR三维平面提取方法。该算法基于体素结构设计且综合利用了机载LIDAR数据的几何、激光反射强度信息,将传统的平面特征点聚类转换为基于体素的连通区域构建及空间约束下的反射强度值统计,给出了机载LIDAR点云数据的多值体素结构构建方案及其在此基础上的平面提取方案,有助于基于多值体素模型理论的机载LIDAR点云数据处理及应用的发展。算法具体实现过程为：① 将机载LIDAR点云数据规则化为多值体素结构,其中,体素值为体素内激光点的平均激光反射强度、曲率及法向量;② 在体素结构DSM数据中,选取小曲率体素作为种子,并标记与其空间连通且法向及激光反射强度均一致的连通区域为平面;③ 在体素结构非DSM数据中,将位于连通区域轮廓缓冲区内的激光反射强度满足统计特性的体素标记为平面。本文采用ISPRS提供的机载LIDAR实测数据测试提出算法的精度。定量评价的结果表明本文提出方法的质量和Kappa系数分别可达92.5%和89.4%,与传统仅采用几何特征的区域生长算法相比质量及Kappa系数分别提高了9.68%和11.62%。 相似文献
5.
ICESat-2（Ice, Cloud, and land Elevation Satellite-2）是美国NASA（National Aeronautics and Space Administration）在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS（Advanced Topographic Laser Altimeter System）采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R2和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R2分别为1.0和0.70, RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。 相似文献
6.
7.
针对卫星激光数据处理算法这一难题,分析了COMPASS系统GEO卫星激光观测数据的质量,讨论了反求工程和计算机视觉中的曲线识别与激光观测数据预处理的异同,提出了基于点云曲线辨识的卫星激光数据预处理算法。该算法将卫星激光观测数据预处理视为有序带噪声的空间曲线重建问题,利用COMPASS系统多圈GEO卫星实测数据进行验证。结果表明：该方法与常用算法一致率在85％以上,能够实现激光观测数据的自动处理与满足导航系统的需要。 相似文献
8.
运用Geomagic Studio实现点云数据的曲面重建及误差分析 总被引：1，自引：0，他引：1
曲面重建是逆向工程的关键,为了评定曲面重建的精度要进行相应的误差分析。研究基于三维激光扫描仪获取得到的某塑像表面完整点云数据,运用Geomagic Studio软件对点云数据经过三角网格化、曲面划分等处理构建精确曲面,从而实现此塑像表面的重建。为对重建的曲面进行误差分析,通过平面拟合方程系数以及平面拟合的中误差,验证Geomagic Studio软件中的标准偏差即是测量中由残差计算得到的中误差,进而通过Geomagic Studio软件得到所建模型与点云的标准偏差,实现曲面重建的误差分析。 相似文献
9.
新一代星载激光雷达卫星ICESat-2首次采用了微脉冲光子计数激光雷达技术,由于单光子探测的灵敏性导致数据在大气和地表下层产生了大量噪声,因此对光子计数激光雷达点云数据实现信号和噪声的分离是开展进一步应用研究的前提和基础。本文选择美国俄勒冈州和弗吉尼亚州2个研究区,采用MATLAS数据,根据光子点云数据的特点构造了12个光子点云特征,对所构造的特征利用随机森林进行变量筛选,用机器学习方法对光子点云进行分类,并将建立好的模型推广到整个研究区。研究结果表明,本文构建的分类器分类总精度达到了96.79%,Kappa系数为0.94,平均生产者精度和用户精度分别为97.1%和96.8%。在相对弱噪声、平坦地形区域和强噪声、复杂地形区域都取得较好的分类结果。本文结果显示了基于少量样本通过机器学习的方法构建模型,可以推广到较大范围区域的光子点云分类应用中。 相似文献
10.
激光钻进岩石形成的钻孔的孔形较为复杂,具有较小的孔直径和较高的孔壁粗糙度,使得利用传统方法进行钻孔尺寸的测量较为困难。为了精确钻孔测量和方便孔形研究,提出了一种基于线激光扫描及逆向建模的钻孔建模方法。首先,搭建了线激光扫描平台,建立了空间坐标系,以获取钻孔的三维坐标,构建了钻孔的初始点云数据。其次,在MATLAB中对获取的点云数据进行无效点移除及多视角点云配准,其中,无效点移除利用顺序查找法实现,多视角点云配准则基于迭代最近点（ICP）算法,包括初始配准和精确配准两个阶段。最后,基于Delaunay三角网格划分及曲面重建算法,实现了钻孔模型的重建和可视化。此外,还采用滴液法和切割法进行实际钻孔容积值测量及钻孔轮廓线获取,并与由点云重建的钻孔模型上获取的测算结果进行对比分析,以验证所述方法建立的钻孔模型的精度。结果表明:重建的钻孔模型与实际钻孔之间的误差小于4%,重建的模型能够满足激光岩石钻进钻孔的测量要求,证实了所述方法的可行性。与传统测量方法相比,所述方法属于非接触、非破坏性方法,可重复性测量。 相似文献
11.
在地面三维激光点云特征提取的过程中,由于三维点云数据采集仪器、采集方法及后期处理等因素影响,依靠传统的基于曲率、法线等几何特征及统计学算法提取出的点云特征数量较多且存在较大误差,若使用其直接作为特征点数据进行点云粗配准,很难提高点云粗配准的精度及速度。因此,本文在对点云数据实际空间分布结构分析的基础上,结合特征点提取算法、法向一致化算法、PCA（Principal Component Analysis）方法及特征点聚类等方法,提出了一种三维激光点云数据虚拟特征点拟合算法。该算法生成的虚拟特征点是由点云实际的特征点拟合得到,或是由位于被测物特征线上的特征点拟合生成的特征线计算得到,该虚拟特征点并不是扫描对象上实际存在的激光反射脚点。通过实验验证,虚拟特征点拟合算法可以较准确地拟合出由于设备及操作方法等原因而未被采集到的建筑物边角点数据,得到的虚拟特征点数据较实际特征点数据具有更少的数据量及更高的精度,使用拟合得到的虚拟特征点可以减少粗配准算法的计算量,提高粗配准算法的计算效率并能获得更精确及可靠的初始配准变换参数。 相似文献
12.
为了定量获取复杂地貌构造的特征参数,需要获取高精度、高分辨率的地形地貌数据。在复杂地貌特征探测中,基于无人机航测结合成像点云,可以快速、高效、安全、准确地完成复杂地貌空间探测任务。针对禄丰恐龙谷南缘环状地貌的典型局地场景,采用无人机测量技术获取测区高分辨率的地貌影像数据,构建实景三维场景模型并对其地貌特征进行探测分析研究。试验结果表明:①基于无人机成像点云构建0.2 m分辨率DEM数据能够精准表达研究区真实地貌特征。②通过构建环状场景"内-中-外"7条典型高程剖面线,对比分析证实了研究区地形呈现环形"盆缘"形态特征,内外两侧高程逐渐递减,并且"盆缘"外部剖面高程起伏变化剧烈,地形相较于内部地貌更加复杂。③为进一步探测提取微形地貌特征信息,利用无人机成像原理构建的精准DEM数据结合测区实景三维模型,定量提取了该区坡度、坡向、相对高差、等值线、山脊线、山谷线等相关参数进行精准定量测量及分析探讨。④利用立体三维模型的多视角目视解译与典型场景分析,可清楚辨别出测区冲沟发育以及地质体的节理层理面等微地貌特征。通过以上对地貌三维场景探测试验研究表明,利用实景三维模型能够快速准确呈现测区地貌形态特征,并且成像点云数据综合分析,能够量化、半量化揭示区域构造地质信息。总体而言,无人机测量技术与成像点云3D产品在地质调查中的应用具有实用意义,并具备独特的技术优势。 相似文献
13.
道路绿化带是城市园林绿地系统重要组成部分,具有重要的生态和环境服务功能,道路绿化带信息的精细分类与提取以及绿化带的动态分析对于道路信息化管理具有重要意义。本文提出基于车载LiDAR技术的道路绿化带自动提取与绿植地物精细分类算法。为验证算法有效性,选取北京市丰台区某路段作为实验区域,一期试验数据采集时间为2015年6月,二期试验数据采集时间为2015年9月。将车载LiDAR点云数据作为原始数据,对原始数据进行剪裁分块等预处理,提高算法运行速度。首先对每段道路点云数据进行地面、低矮地物与高地物分类,并将低矮地物与地面点进行组合;然后通过绿化带的点云特性与空间特征,精确提取出每段点云数据中的绿化带,根据所提取的绿化带确定分类范围,利用各类地物点云的特征差别,对绿化带内地物进行详细分类;最后对比同一区域内的多期绿化带数据,从而判断绿化带面积以及绿化带中的各种地物是否发生变化。为验证算法精度,采用人工交互的方式提取绿化带,并对绿化带内各类地物进行人工分类,以此作为参照将人工统计得到的信息与自动提取出的绿化带信息以及各个分类地物信息进行对比,试验区人工提取绿化带总面积为13 027 m 2,自动提取绿化带总面积为12 749 m 2,2组数据相差278 m 2,相对误差为0.02。自动分类算法在试验区场景中杆状地物的探测率为80%,树木的探测率81.81%,灌木探测率为73.91%。对比2期绿化带数据,发现面积缩减量为129.5 m 2,另外新增3株灌木。实验结果说明了本文所述算法的准确性。 相似文献
14.
数字化修复是文物数字化保护的重要内容之一,针对新广武明长城10号敌台上已倒塌的月亮门,提出了一种基于众源数据的数字化修复方法,修复效果已用于月亮门的实际修复项目中。该方法主要分为4步:①利用无人机对现存遗址进行测绘,对采集到的数据进行空三并生成密集影像匹配点云;②采用网络爬虫技术爬取倒塌前的月亮门影像,基于影像生成月亮门的三维点云;③将基于无人机倾斜摄影生成的点云与基于网上所爬取的月亮门未倒塌前影像生成的两类点云进行融合;④通过分析遗址现状三维数据和文献调研的结构分析以确定其建造形态,实现月亮门的三维重建。实验结果表明,采用多源数据对明长城10号敌台月亮门的三维参数化与虚拟恢复是真实可行的,对指导月亮门的修复具有一定的参考意义。 相似文献
15.
车载LiDAR点云中包含地面、建筑物、行道树、路灯等丰富地物类别,自动对这些不同类别点云进行分类,对点云中目标的识别、提取及重建都具有重要意义。本文提出了一种基于Gradient Boosting的自动分类方法。该方法首先对车载激光点云进行数据预处理,然后计算点云的协方差矩阵、密度比、高程相关特征、局部平面特征、投影特征等,再计算点云特征直方图与垂直分布直方图,采用K-means方法对这两者分别进行聚类,并将其聚类类别值也作为特征,从而构建出20维的点云特征向量,应用Gradient Boosting分类方法进行自动分类。为了验证本文方法的有效性,从某城镇场景的车载激光点云数据中选取部分代表区域共144W点作为训练数据集,然后选取另一较大区域的点云共312W点作为测试数据集。使用训练好的分类器对测试数据集进行分类,分类结果总体准确率达到了93.38%,耗时631s,说明此分类方法具有较高的分类准确率,同时也具备较高的效率。 相似文献
16.
由于水域内机载点云数据稀疏或缺失,在生产高精度DEM时需要对水域区域进行分别处理,人工操作工作量大,且难以保持水域内DEM高程的自然平缓过渡。目前将水域和其他区域分开处理的DEM数据生产方法,不仅增加了数据处理的难度和工作量,也会引入水域和其他区域的DEM接边误差,影响数据质量。为此,提出一种基于机载点云数据的高精度水域DEM快速生成方法。该方法首先利用水域边界与原始机载点云数据,通过分段插值拟合生成水域内点云数据;进而,将插值生成的水域点云数据与原始点云数据进行合并获得完整点云数据;最后,利用合并后的完整点云数据生产高精度DEM数据。通过实验分析发现,该方法能够实现水域与其他区域的DEM一体化生产,提升DEM数据处理自动化水平,且能保证水域DEM的高程精度与自然平滑过渡要求。 相似文献
17.
18.
针对现有的基于机载LiDAR数据的滤波算法未能充分利用数据提供的所有信息及其所采用的数据结构表达复杂、存在信息损失等缺陷,提出了一种灰度体素结构分割模型下的机载LiDAR 3D滤波算法。算法首先以综合利用机载LiDAR数据的高程及强度信息为目的将点云数据规则化为灰度（体素内激光点的平均强度的离散化表示）体素结构,然后基于各体素间的空间连通性和灰度相似性准则,将灰度体素结构分割并标记为若干个3D连通区域,最后依据地面与其它目标的高差特性提取与其对应的3D连通区域。算法优势在于:基于体素结构设计,为3D滤波算法;综合利用了地面目标的几何及辐射特征,对比传统滤波算法可应用于更复杂的场景;滤波结果为3D地面体素形式,可直接用于创建地面3D模型。实验采用国际摄影测量与遥感协会（International Society for Photogrammetry and Remote Sensing, ISPRS）提供的不同密度的机载LiDAR基准测试数据测试了邻域尺度参数的敏感性及提出的算法的有效性,并和其他经典滤波算法做对比。定量评价的结果表明,51邻域为最佳空间邻域尺度;点云密度为0.67点/m2的数据集1的滤波平均完整率、正确率及质量分别为0.9611、0.9248及0.8934;点云密度为4点/m2的数据集2的滤波平均完整率、正确率及质量分别为0.8490、0.8531及0.7404;对比其全经典滤波算法本文算法在高密度点云数据滤波时表现更佳。 相似文献
19.
20.
针对城市三维激光点云中,道路与地面高程相差小、激光反射强度相近使得道路提取困难;广场、停车场等地物的高程、反射强度与道路极为相近,容易产生错误提取的问题。本文设计了一种描述道路条带信息的局部二进制特征（Stripe Local Binary Feature, SLBF）,结合LiDAR数据中的三维信息和多光谱信息获得基于强度、密度和平坦度等统计特征（Statistics-Based Feature, SBF）,并采用随机森林分类器实现了机载点云中道路面点云和非道路面点云的有效提取。通过欧式聚类精化道路点云和迭代腐蚀边界细化中心线,进而获得矢量化的道路中心线。以Waddenzee区域的多光谱机载点云数据进行实验验证,道路中心线提取结果的完整度达到94.15%,准确度达到97.95%,精度达到92.28%。实验结果表明,该方法可以有效地提取道路中心线,同时由于设计的特征具有不变性,能够适用于城市和林间小路等各种环境。 相似文献