共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
研究了在Geomagic环境中通过三维点云数据重建三维实体模型的过程,详细介绍了复杂实体点云数据在Geomagic中点云数据处理的全过程,包括点云匹配、点云预处理、封装形成三角面、在多边形阶段破洞修补以及优化处理,最终生成了NURBS曲面。三维重建过程表明,在Geomagic中重建三维模型不仅效率高、精度高,而且软件易于操作。本文涉及的数据处理方法也可以用于三维激光扫描技术在数字矿山、数字城市中应用。 相似文献
3.
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。 相似文献
4.
5.
针对基于LiDAR点云数据进行建筑物自动重建中存在的数据冗余问题,该文设计了一种定量描述激光点位于地物边缘区几率大小的指标——边缘系数,并据此提出了基于边缘系数的建筑物LiDAR点云数据简化方法。该方法利用激光点与其邻域点的位置、数量及分布计算该点的边缘系数,通过试验分析确定边缘系数的阈值并对点云数据进行分割,最后保留建筑物边缘区域的点,实现点云数据的简化。实验表明,该方法在对点云数据进行高效压缩的同时有效保留了位于地物边缘处的点云,有助于提高海量点云数据处理能力和建筑物重建效率。 相似文献
6.
7.
利用车载LiDAR点云数据提取城市道路规则多边形 总被引：2，自引：2，他引：0
随着自动驾驶高精地图的发展,准确高效地提取道路规则多边形成为必要。本文以苏州市某城市快速路为研究对象,通过使用徕卡车载激光移动测量系统获得城市道路点云数据,观察了解车载点云数据各类属性信息,根据观察结果组合利用点云数据高差、点云灰度差值、点云强度差值,在此基础上再利用网格密度法实现道路规则多边形的提取,然后通过对目标的矢量化得到三维矢量规则多边形。最后对提取的矢量化结果进行精度评定。试验结果表明：该方法在提取道路规则多边形方面能得到较好的结果且能满足高精地图需求。 相似文献
8.
针对传统的点云简化算法导致特征区域容易丢失的问题,提出了一种新的基于特征约束的点云简化的算法。首先对散乱点云用KD—TREE建立起空间拓扑关系,在此基础上建立起单个点的K-邻域。然后对K-邻域内建立起最小二乘平面,设定合理的阈值来度量数据点的重要性。依据特征点的分布估算每个点的简化距离阈值,以此为基础对每个点进行自适应简化。实验证明该算法能满足在点云数据简化过程中检测并保留特征点的要求。 相似文献
9.
提出了一种新的直观的方法进行多边形区域之间的运算.首先将需要计算的多边形区域的边进行自动拓扑构建,利用多边形区域的边将平面划分为n个小多边形区域;然后生成这些多边形区域的内点,通过判断小多边形区域的内点是否在原始多边形区域内来确定小多边形区域是否选取;最后合并选取的小多边形即为所求.试验结果表明,该方法思路清晰、鲁棒性强,在GIS中得到了有效的运用. 相似文献