共查询到17条相似文献，搜索用时 156 毫秒
1.
基于车载激光扫描数据的目标分类方法 总被引：4，自引：2，他引：2
车裁扫描系统可以获取建筑物、道路、隧道等城市物体的表面信息,非常适用于城市物体三维空间信息的快速有效获取。本文从激光扫描数据中进行建筑物特征提取,重点是车载激光扫描数据分类;设计了一种新的车载激光扫描数据分类和建筑物特征提取方法,此方法充分利用激光扫描数据的空间分布特征和城市环境中各种物体自身的几何特征,将所有数据点投影到水平格网中,对每个格网单元,计算其中所有数据点投影前高度值的最大值,根据此最大值来判定该格网单元中数据点的类别,从分类后的数据中提取建筑物特征。应用所设计的数据处理方法处理车载式三维信息采集系统采集的数据,分析得到了结果。 相似文献
2.
车载激光扫描数据中杆状地物提取 总被引：2，自引：1，他引：1
针对车载激光扫描数据中对杆状地物提取效果不够理想的问题,该文提出一种基于聚类的杆状地物提取方法。首先将原始点云投影到水平面并进行格网划分,以单个格网为数据处理单元去除地面点;再基于处理数据对格网进行点云探测并编号,赋予同一属性值利用八邻域搜索对地物点聚类;然后以聚类后单个点云块为处理单元,利用各类地物特征,如高度、投影点密度、投影面积及形状等,逐步排除其他地物点,实现对杆状地物的精细提取。试验验证了文中所述方法对道路环境中杆状地物提取的有效性。 相似文献
3.
面向车载激光扫描点云快速分类的点云特征图像生成方法 总被引：5，自引：0，他引：5
车载激光扫描是空间数据快速获取的一种重要手段。车载激光扫描点云数据的分类和特征提取是目标识别与三维重建的基础。本文以车载激光点云数据为研究对象,提出了一种适合于其快速分类与目标提取的点云特征图像生成方法。该方法首先将扫描区域进行平面规则格网投影,通过分析格网内部点云的空间分布特征（平面距离、高程差异、点密集程度等）确定激光扫描点的定权,从而生成车载激光扫描点云的特征图像。利用生成的点云特征图像,可采用阈值分割、轮廓提取与跟踪等手段提取图像分割的建筑物目标的边界,从而确定边界内部点云数据,实现目标分类与提取。本文以Optech公司的车载激光扫描数据为实验对象,验证了本文提出方法的可行性和实用性。实验结果表明,该方法能快速有效分离出车载激光扫描点云中的地面数据、建筑物数据等。 相似文献
4.
针对道路车载激光扫描点云数据中行道树与其他地物相互遮掩,存在杆状物分类困难的情况,本文提出了一种基于车载激光扫描数据的行道树自动提取方法。首先,构建格网并地形点云滤波,提取非地面点,从而提升后续算法的运算效率;其次,在非地面点的基础上构建空间体元进行邻域分析,提取树干点云,同时建立树冠分层点云投影面积理论,提取得到树冠点云;最后,使用改进分割算法进一步修正树冠点云归属,实现行道树的单体化。使用两组不同类型道路点云数据进行实验,结果显示本文算法提取行道树的平均提取完整率与正确提取率分别为90.73%、91.22%,较对比方法具有一定优势,为行道树的高效、快速、准确提取提供了新的思路。 相似文献
5.
车载激光扫描技术可以快速获取地物表面的高精度三维信息,作为一种新的数据获取手段,已逐渐应用于地理信息系统产业中。将激光扫描数据分类是对地物进行特征提取以及建模的前提与关键。现今,针对车载激光扫描数据的分类方法还不成熟。根据城市各典型地物空间特征(激光点云在三维空间的高程、与邻近点的斜率,以及其在二维投影平面上的分布、密集程度等),本文提出一种主要适用于城市激光扫描数据的地物分类方法。首先,综合考虑车载激光数据的采集特点、车行GPS轨迹以及扫描数据中同一扫描线上相邻激光点之间的斜率关系,提取出路面。其次,对于非路面的激光点云数据,先使用基于格网化与区域分割相结合的方法进行实体划分,再通过计算地物空间形状特征的几项统计指标(外包围盒、实体高度等),对实体进行分类。最后,以海南三亚市某街道为研究区验证该方法的有效性。实验结果表明,使用该方法能成功地分出研究区的路面、建筑物、树木和路灯四类地物,并进一步在同类地物间分出不同实体。 相似文献
6.
7.
8.
针对城市车载Li DAR数据处理中行道树的提取,首先对点云数据进行分层格网化处理;然后分析行道树在多层格网中的分布形态;最后结合点云的投影密度和高程分布等特征,以空间区域增长的方式提取行道树。实验证明,这种方法能有效地排除其他地物,提取完整的行道树点云。 相似文献
9.
结合城市车载激光扫描点云道路数据与地物点各自的特点和空间分布,用路面点云控制道路两侧地物点云进行滤波,从而实现道路路面点和地物点的分离,并根据城市道路中含有高出路面边缘的路缘石的结构特性设置阈值来提取路缘石,通过设置合适的格网及其邻域格网中点的密度特性进一步滤波路缘石,生成道路边线。 相似文献
10.
11.
鉴于城市道路两侧具有路坎这一特点,结合车载激光扫描系统的轨迹数据将整体点云进行分块处理,从每一块点云中截取部分数据投影到相应的截面上;然后,对获取的截面数据进行分割处理提取伪扫描线,根据路坎的坡度以及高差特点从伪扫描线中识别出路坎点;最后,利用三次样条插值的方法对提取的道路路坎点进行插值处理,得到道路边界线。实验证明了该方法的可行性和有效性。 相似文献
12.
基于激光扫描数据的建筑物信息格网化提取方法 总被引：1，自引：0，他引：1
针对车载激光扫描点云的分布密度,提出了一种把扫描数据格网化进行信息提取的新方法。实践证明,这种方法效率高,可以自动从密集的扫描数据中快速提取出建筑物信息,能够满足城市三维建模的要求。 相似文献
13.
基于DBN的车载激光点云路侧多目标提取 总被引：1，自引：1，他引：0
提出一种基于深度信念网络（DBN）的车载激光点云路侧多目标提取方法。首先通过预处理对原始数据进行分段,并将地面和建筑物点云与路侧目标进行分离;然后利用连通分支聚类分析算法进行路侧点云聚类,并采用基于体素的归一化分割方法分割重叠点云,从而生成独立目标点云;在此基础上,生成基于多方向目标对象的二值图像并展开成二值向量作为独立目标点云的描述特征;最后构建并训练DBN,利用训练好的DBN提取行道树、车辆及杆状目标等3类路侧目标。试验采用两份不同城市道路场景的点云数据,行道树、车辆及杆状目标提取结果的准确率分别达97.31%、97.79%、92.78%,召回率分别达98.30%、98.75%和96.77%,精度分别达95.70%、93.81%和90.00%,F1值分别达97.80%、96.81%和94.73%。试验结果验证了本文的有效性。 相似文献
14.
提出利用三维激光扫描点云截取隧道横断面拟合椭圆进行形变监测的方法。方法分为隧道中轴线提取,连续断面截取和椭圆拟合。隧道中轴线通过点云在水平面上投影后搜索的上下边缘点分别拟合二次曲线求均值得到;沿隧道中轴线设定等距间隔点,在间隔点处以中轴线正交方向截取断面;对截取的断面拟合椭圆并与设计值比较进行形变分析。实验表明,方法可以充分利用点云的大数据量特征,获得隧道内任意处的断面,是对目前监测方式的有益补充。 相似文献
15.
车载LiDAR数据电力线与塔杆提取方法 总被引：1，自引：0，他引：1
为了实现车载LiDAR数据中电力线和塔杆的正确提取,在分析电力线分布特点的基础之上,提出了电力线和塔杆提取的新方法。该方法首先采用高程分布直方图统计方法去除大量的地面点;然后利用kmeans聚类方法,分离得到电力线和塔杆点云,并借助塔杆点云密度特性进行塔杆定位;最后,依据电力线走向及同一电力线上点间高差较小的特点进行单根电力线的提取,并采用多项式模型对分离得到的电力线进行建模。实验结果表明,该方法能够较好地实现复杂地区的电力要素提取。 相似文献
16.
深度图像的表示是实现三维目标识别、配准等工作的前提。针对地面三维激光扫描得到的点云数据,提出一种基于投影变换的深度图像生成算法。采用投影变换将三维点沿观察坐标系的法向量投影到观察平面上,使投影向量和观察平面垂直,这样观察点和观察平面间的距离就不会影响物体的投影大小和形状,有效避免了"失真"现象的发生。利用灰度图像生成深度图像,使用方案对地面激光扫描系统获取的建筑物实验数据进行具体处理。结果表明,文中基于投影变换的图像生成方法更能直观地反映建筑物表面的几何分布特征,为后续特征的提取奠定基础。 相似文献
17.
针对电力巡线机载激光雷达（LiDAR）激光点云电塔自动提取问题，提出了一种电塔自动定位和点云提取算法。首先，基于点云进行二维空间网格划分，利用网格点云高程偏差和方差特征提取潜在电塔网格；其次，基于电塔点云的高程连续特性完成电塔自动定位和点云粗提取；然后，利用点云分层密度信息和图像开运算，实现电塔精细提取；最后，利用轻小型无人机载激光雷达数据验证本文算法的有效性。试验结果表明，本文所提出的自动提取算法，能够有效解决LiDAR数据中电塔自动定位和点云提取问题，在LiDAR数据质量较差时仍能够取得良好效果，算法对于噪点数据具有较强的稳健性。本文所提出的电塔自动提取算法在LiDAR电力巡检数据处理中具有一定的应用价值。 相似文献