共查询到20条相似文献，搜索用时 250 毫秒
1.
针对复杂建筑物立面中窗户精细提取的难题,该文基于车载LiDAR数据提出一套完整的不规则窗户边界提取方法:先通过RANSAC算法探测建筑物主墙面点云,借助语义特征分离墙面和非墙面点云;再通过坐标变换,将非墙面点云转换到水平面,采用格网对水平面内点集的邻域关系进行判断,使用平面八邻域连通性探测方法对二维平面内窗户点进行聚类,分别存储聚类后的每一个窗户点云;然后采用改进的动态椭圆凸壳算法,检测聚类后各窗户边界轮廓点;最后对窗户点云坐标逆变换,得到建筑物立面中的窗户边界。通过实验验证了该算法的准确性。 相似文献
2.
针对基于车载LiDAR点云数据的道路边界提取存在的问题,该文提出一种基于联合特征且能适应多种道路环境的道路边界提取方法。首先依据移动测量系统的航迹,按照设定宽度对道路数据进行分段,排除道路外侧无用数据;再对每段数据采用布料模拟滤波(CSF)算法分离地面点和非地面点,通过强度中值滤波去除地面点的椒盐噪声;然后计算点云局部邻域高差梯度和回波强度梯度构成的联合特征,依据设置阈值提取道路边界;最后通过欧氏距离聚类剔除部分非道路边缘点,细化道路边界,合并各段道路边界点云,得到完整的道路边界。选用代表性的城区道路、高速公路、乡村道路3种实验环境,验证了算法的鲁棒性。该研究对于扩展车载LiDAR在道路场景中的应用具有重要价值。 相似文献
3.
《地理与地理信息科学》2017,(2)
人工地物自动提取是目标识别领域的重要研究内容。该文将图模型和流形排序算法相结合,提出一种基于遥感影像自动提取人工地物的算法。该算法在基于量子遗传算法的KSW熵分割算法获得影像人工地物先验值的基础上,构建以色调、纹理、方向等多特征为邻接边权重的图模型,并以超像素作为基本单位在图模型中进行流形排序,最终通过自适应阈值的方式获得人工地物分割结果。通过利用两幅不同分辨率遥感影像对该算法进行验证,结果显示该算法可以较为完整地提取人工地物,具有较高的正确识别率和较低的漏检率。 相似文献
4.
基于三维激光点云的复杂道路场景杆状交通设施语义分类 总被引：1，自引：0，他引：1
文章提出一种完整的全自动化处理框架,基于三维激光点云数据对高速公路和城市道路场景的杆状目标进行了检测和分类,主要包括3个步骤：数据预处理、杆状目标检测和分类。其中,在数据预处理阶段,采用基于布料模拟滤波算法自动分离地面点和非地面点,然后基于欧氏距离聚类方法对非地面点进行快速聚类,以及采用迭代图割算法进一步分割目标对象;在目标检测阶段,集成先验信息、形状信息和位置导向搭建滤波器,对杆状目标进行检测;在对象分类过程中基于多属性特征,利用随机森林分类器对目标的特征进行计算和分类。并使用3个道路场景数据集进行测试,结果显示,3个数据集的整体MCC系数为95.6%,分类准确率为96.1%。这说明文章所构建方法具有较高性能。另外,该方法还可以鲁棒地检测杆状目标的重叠区域,较为适应复杂程度不同的道路场景。 相似文献
5.
从机载LiDAR点云数据中分离地面点与非地面点生成城区DEM,是构建数字城市的首要工作。该文对机载LiDAR数据处理中的滤波关键算法进行了研究。首先,利用常用的区域增长方法对机载LiDAR点云数据进行了滤波处理,然后基于正交多项式分带滤波方法进行了点云滤波,比较了两种算法的运行效率,分析了二者的特点,并通过试验对比进行了阈值参数优选,试验表明该算法具有较好的滤波效果,在平原城区的数字城市三维建模中具有很好的应用价值。 相似文献
6.
针对现有滤波方法在低矮植被密集覆盖区域处理效果差的问题,该文根据不同尺度下无人机影像匹配点云数据所表达的地形地物特征不同,提出基于多尺度高程变异系数的影像匹配点云滤波方法。首先,通过不同尺度的虚拟规则网格构建不同分辨率的DSM,将任意两个不同分辨率的DSM进行差值计算,得到对应两个尺度下的地表特征差异(高程变异程度);然后,对差值DSM计算高程变异系数,根据地物边界区域高程变异系数远大于地形区域的特征进行阈值分割;最后,分析计算高程变异系数的最佳邻域,讨论最佳分割阈值的设定。与传统CSF、TIN和渐进式形态学滤波方法对低矮植被密集覆盖区域的对比实验结果表明,该文方法在低矮植被密集覆盖区域能准确剔除植被点并保留地面点,其中Ⅰ类、Ⅱ类误差分别为9.20%、5.83%,平均总误差为7.68%,均优于CSF、TIN和渐进式形态学滤波方法,可为后期快速建立高精度DTM奠定基础。 相似文献
7.
《地理与地理信息科学》2017,(6)
建筑物提取对于基础地理数据获取与更新具有重要意义。针对传统的基于像元方法难以利用影像空间、上下文信息以及面向对象方法最优分割尺度难以确定等问题,该文提出一种基于超像素的高分辨率影像建筑物提取方法。首先利用LiDAR点云数据生成归一化高程模型以获取地物的高度特征,并通过Layerstacking方式与高分辨率影像融合;随后基于Simple Linear Iterative Clustering(SLIC)算法分割高分辨率影像的RGB彩色图像生成超像素;继而基于分割所得的超像素中的每个像元对超像素进行特征计算;最后使用基于RBF核的支持向量机方法进行超像素级别分类,得到建筑物提取结果。实验结果表明,该方法能够有效识别出简单场景和复杂场景下的建筑物,显著消除了传统基于像元方法出现的"椒盐效应",同时避免了面向对象方法中最佳分割尺度选择的难题,取得了较好的建筑物提取效果。 相似文献
8.
为了有效去除薄云对高分光学影像造成的干扰,解决传统算法自动化程度低、去薄云效果不理想的问题,提出改进的薄云最优化变换(Improved Haze-Optimized Transformation,IHOT)算法。首先采用暗原色先验知识从薄云影像中自动选取晴空区,运用薄云最优化变换检测薄云,再创新性地利用植被区域云检测精度较高的特点改进检测结果,最终使用虚拟云点法进行薄云去除。利用高分一号影像进行实验,证明该文提出的算法能够有效地去除薄云对高分影像的影响,尤其对人造地物的色彩和纹理信息恢复效果优于传统算法。 相似文献
9.
针对BRISK算法在喀斯特山区无人机影像匹配中存在耗时长、正确匹配点数较少的问题,该文提出一种基于BRISK检测子和LATCH描述符的喀斯特山区无人机影像匹配算法,即利用BRISK检测子对影像进行特征点检测,利用LATCH描述符描述特征点,并采用结合最小距离的FLANN算法进行粗匹配,最后利用RANSAC算法对影像进行精匹配,剔除粗匹配中的错误匹配点对。实验结果表明:该算法的匹配总数和正确点数是SIFT和AKAZE算法的2倍以上,单点平均耗时是二者的7%~80%;与BRISK算法相比,在匹配总数减少5%的情况下,该算法的正确点数增加了30%以上,单点平均耗时减少50%以上。 相似文献
10.
提出一种基于影像分割技术的LIDAR数据建筑物边缘提取方法,将LIDAR点云数据转化为DSM影像,采用改进的动态阈值分割算法对DSM影像进行分割,并将得到的图像进行边缘提取.试验表明,该方法不需要其他辅助数据,可以从LIDAR点云数据中提取建筑物边缘,为进一步的建筑物三维重建奠定基础. 相似文献
11.
针对基于TIN的机载LiDAR点云数据插值为GRID过程中,大量TIN数据I/O操作导致的栅格化效率下降问题,提出了基于三角形驱动的点云栅格化流式算法:以基于直线正负区判别原理的TIN向GRID转换新算法为基础,通过遍历三角形模拟流计算实现三角形生成、三角形插值为GRID以及内存释放,有效避免了TIN数据的I/O操作,并可以提高内存利用率。试验表明:流式算法显著提高了点云栅格化效率,为海量点云的栅格化及并行计算提供了一种算法支撑。 相似文献
12.
一种基于机载LiDAR和离散曲率的建筑物三维重建方法 总被引：3，自引：1，他引：2
机载LiDAR作为一种获取地物空间信息的新技术已得到广泛应用,但从LiDAR数据中重建建筑物三维模型方法的缺乏,是制约其进一步发展的瓶颈.该文介绍了一种自动与人机交互建模相结合的建筑物三维重建方法,首先基于离散曲率分析自动提取建筑物3D轮廓信息,然后将建筑物轮廓信息作为约束条件,使用模型驱动的ATOP算法实现建筑物自动建模,并支持对复杂建筑物人机交互建模. 相似文献
13.
基于浮动车轨迹数据的路网快速提取 总被引：1，自引：0，他引：1
浮动车轨迹数据包含丰富的路网信息,随着浮动车轨迹数据的逐渐公开,从中提取路网信息已成为可能。目前,大多数算法提取路网时,使用统一的阈值忽略了轨迹数据的密度差异,且只考虑了轨迹的形态没有考虑轨迹的方向,严重影响了提取结果的几何精确度和拓扑正确度。为此,该文提出了一种自适应半径质心漂移聚类方法,能根据轨迹密度、道路宽度自动调整聚类参数和利用轨迹方向实现道路拓扑连接。首先,通过自适应半径质心漂移聚类方法计算路网骨架点,采用小波聚类算法获取路网骨架点的方向集;然后,根据聚类半径和方向对骨架点进行递归连接,生成路网数据。利用深圳市福田区一天的浮动车轨迹数据进行了算法实验验证,将实验结果与栅格化方法、约束三角网方法的结果进行了定性定量评价分析。实验结果表明,该文算法提取的路网数据在几何精确度及拓扑正确度上都有明显的提高,且算法适合大数据处理。 相似文献
14.
《地理与地理信息科学》2016,(6)
空间轨迹中的停留点提取是将空间轨迹转换到语义轨迹的关键步骤。该文将速度变量引入停留点的提取,提出基于速度的时间聚类算法和速度聚类算法解决现有方法中的"伪停留点"和停留点丢失的问题。基于速度的时间聚类算法首先沿时间轴将轨迹点进行聚类得到候选停留点,然后利用速度阈值过滤候选停留点,得出实际停留点。速度聚类算法首先通过对速度的判断选取候选停留点,然后根据空间距离阈值对候选停留点的空间距离进行过滤,得出实际停留点,解决了停留点判断中的漏判问题。实验表明,基于速度的时间聚类算法对出租车轨迹数据(稳定时间间隔、不存在长时间轨迹点缺失)的空间轨迹停留点识别效果较好,而速度聚类算法更适用于步行轨迹(可能存在长时间轨迹点缺失)的分析。 相似文献
15.
基于深度学习方法在城市激光点云语义分割任务中的应用效果缺乏客观的对比与评价,该文选取当前4种代表性点云语义分割深度网络(PointNet、PointNet++、PointCNN、SPG)以及一种基于特征描述子的层次化点云语义分割方法,采用3组开放点云数据集(Semantic 3D、Oakland及TerraMobilita/iQmulus3Durban)对不同方法的语义分割质量进行对比分析,结果发现:1)层次化点云语义分割方法的语义分割质量优于另外4种深度学习方法;2)考虑局部信息的深度网络(PointNet++、PointCNN、SPG)的表现优于仅考虑点云全局特征的方法(Point-Net);3)在基于深度学习的方法中,基于超点图的SPG网络在测试数据中的效果优于其他几种网络。研究结果对于实际应用选择点云语义分割方法以及点云语义分割深度网络的设计优化具有借鉴意义。 相似文献
16.
针对仅使用无人机遥感RGB影像进行目标检测时精度不高、高程信息利用不足等问题,该文采用通道叠加和类IHS变换两种多通道数据融合方法对RGB影像与高程数据进行融合,使用DeepLabv3+卷积神经网络语义分割模型提取两种融合影像地物目标,并与RGB影像提取结果进行对比分析.结果表明,基于上述两种融合影像的地物目标识别精度高于仅使用RGB影像的识别精度,其中通道叠加影像的整体像素精度、平均像素精度和Kap-pa系数分别提高了3.52％、1.42％ 和14.99％.由于不同地物目标与周围地物的高程差不同,致使各融合方法对不同地物目标识别精度的提升效果不同,道路、建筑和地面识别精度的提升效果较好. 相似文献
17.
18.
《地理与地理信息科学》2017,(2)
由于基于密度峰值的聚类算法对簇的形状不敏感,其聚类结果表现出良好的抗噪性。然而,当密度定义中变量难以反映簇的结构时,该算法性能下降明显,其主要原因在于聚类的非监督性。为此,该文在此算法的基础上提出了一种基于密度峰值的半监督聚类算法。该算法通过增加must-link和cannot-link约束作为先验知识,并在must-link约束集中叠加数据点的密度,以此产生新的聚类中心从而实现对数据点的吸引;对于cannot-link约束集中的数据点,通过将其n级最近邻居分离的方式找到其所属聚类中心,实现簇的归属。实验表明,基于密度峰值的半监督聚类算法利用先验知识来约束和引导聚类结果,在一定程度上改善了聚类的效果,并可应用于任意形状数据集的聚类问题中。 相似文献
19.
20.
用地形三维激光扫描仪监测陡坡表面的细微变化,关键技术之一是对原始点云的精确滤波,即从密集点云中准确滤除非地形点,保留真实地形点。针对地势陡峭、表面复杂、植被多、密度分布极不均匀的陡坡点云,笔者发展了一种双重滤波方法:在对原始点云进行投影面变换的基础上,采用变窗口均值限差法滤除明显的非地形点,完成粗滤波;通过局部区域增长法找出绝大多数地形点,以占优势的地形点为参考,用局部最小二乘曲面拟合法对剩余未分类数据点进行检核,分离出非地形点,完成精滤波。文中选用3个不同类型的陡坡点云实例验证了该方法对于陡坡密集点云具有良好的滤波效果。该算法对野外大场景三维激光扫描点云滤波也有一定的参考价值。 相似文献