共查询到10条相似文献,搜索用时 578 毫秒
1.
本文提出了水平截面法精细分割树木点云的方法。首先根据点云数据在XOY平面内建立二维格网,求取每个格网内点云数据高度的均值,根据格网内点云数据的高度阈值滤除地面点云和低矮地物点云数据;其次对滤除地面和低矮地物的点云运用八邻域算法提取树木点云,运用水平截面法对树木分层处理,求取每一层树木点云的轮廓线;再次将轮廓线连成多边形,求取多边形的最小外接圆的圆心,运用最小二乘直线拟合算法对各层圆心进行直线拟合,根据拟合直线与地面的交点,可以求取树木的精确位置;最后根据距离最近的原理,对树木进行了精细分割。实验表明:本文研究的方法可以较好的实现树木点云的提取,避免了传统方法设置参数过多的弊端。 相似文献
2.
本文基于高速公路高精度点云数据,首先通过点云数据的分类处理实现对树木点云数据的提取,将树木点云投影到水平面,采用DBSCAN密度聚类算法实现单根树木的提取;然后在数据密集区域存在树木树冠点云重叠的区域,本文结合树干几何特征提取树干的位置信息,计算所有点云到树干中心的欧氏距离,将所有点云归类到最近的树干进行粗分割;最后根据粗分割的树木轮廓特征确定树冠模型与树冠中心,提出了采用基于密度特征的格网竞争算法对重叠的区域进行精细分割。试验表明,本文采用的树木分割方法能够实现单棵树木精确提取。 相似文献
3.
建筑物点云提取是城市快速三维建模的基础。针对城区中建筑物和树木空间距离较近导致建筑物点云误提取的问题,提出一种颜色约束的欧式聚类算法。该方法利用低空拍摄可见光影像进行三维重建、获取点云数据,在建立点云K邻域索引和表面估计的基础上,以曲率最小的点作为欧式聚类的种子点,将点云的RGB值转换成Lab颜色模型,对建筑物点云的聚类提取进行约束。实验表明,该方法可以有效地解决可见光影像匹配点云中建筑物提取时将树木误提取的问题。 相似文献
4.
谢延东 《测绘与空间地理信息》2023,(12):181-184
由于建筑物立面测量过程中建筑物点云数据存在噪声,致使建筑物立面测量效果较差。使用无人机搭载三维激光扫描仪全方位采集建筑物点云数据,在此基础上,运用奇异值分解法完成建筑物点云数据配准,依据配准结果,使用逐点内插方法得到建筑物深度图像,利用双边滤波Canny算法提取深度图像内建筑物轮廓线,并通过自动计算机辅助设计软件将提取的建筑物轮廓线测制成二维建筑物立面图形,实现建筑物立面测量。实验结果表明:该方法能够精确采集规则和不规则的建筑物点云数据,并且建筑物点云数据配准和建筑物轮廓线提取效果较优良,获得的规则和不规则建筑物立面测量结果均符合工程测量规范要求。 相似文献
5.
《武汉大学学报(信息科学版)》2020,(5)
针对目前从三维激光扫描点云中进行古建筑木构件分割较难的现状,提出一种对古建筑点云数据进行精确、快速语义分割的新算法。该算法首先对点云进行去噪处理;然后利用古建筑结构特性定义与柱构件相交且垂直于坐标系竖轴的一个截面并提取截面点云;接着利用点云欧氏聚类的方法从截面点云数据中提取对应于柱构件的点云并估计柱构件参数,进而基于罗德里格旋转矩阵将古建筑点云数据自动转正,使点云三维坐标系的竖轴严格垂直于地面;最后基于模型拟合的方法分割出柱构件点云,并利用古建筑几何结构、尺寸等信息采用基于包围盒的方法对其他木构件(如梁、枋等)进行分割。为了验证算法的稳健性与可行性,选取亭子类古建筑点云数据进行实验与分析。结果表明,该算法具有一定的可行性与稳健性,为古建筑点云的自动语义分割提供了思路与方法。 相似文献
6.
7.
8.
针对常规的密度峰值聚类算法在确定数据聚类中存在聚类中心的重复性、聚类不稳定、不适用于三维点云分割等问题,提出了中心均匀化聚类群融合算法.该算法对局部密度和距离函数进行归一化处理,较好地解决了这两种函数尺度不一的问题;基于局部密度和距离函数乘积的变化率来确定聚类中心,并对重复或距离很近的聚类中心进行了消除,避免了聚类中心非均匀分布对聚类的影响;利用数据点到聚类中心距离逐个确定每个数据的聚类归属,依据邻近聚类数据群之间的距离来判断邻近聚类之间的融合,实现对点云数据的有效分割.基于二维离散数据聚类及不同分辨率点云数据分割的实验结果表明:所提算法不仅适用于二维离散数据的聚类,也适用于三维点云数据的分割,且分割精度和稳定度要优于常规的CFDP、K-means、DBSCAN、DPC聚类算法和深度学习方法. 相似文献
9.
针对地形变化较大、灌木多样等复杂林下主干提取效率低、精度不高等难点,该文提出一种复杂背景下林木点云精细提取方法.首先,进行地面点滤波并切片截取下层点云;然后,计算下层点云的法向量,提取法向量在Z轴的分量,循环剔除不满足条件的点;最后,循环具有噪声的基于密度聚类(DBSCAN)算法进行点云分割,实现林下主干点提取.以香格里拉为研究区,选择2景具有典型代表性的地基激光雷达样地点云数据进行试验,结果表明:研究中样地一提取精度90%,样地二提取精度95%,都取得较高精度.该方法能完整地提取林下主干点,对灌木与树干粘连等复杂环境下的林木提取具有较好的适用性. 相似文献
10.
《武汉大学学报(信息科学版)》2020,(2)
针对点云精简算法在处理点云数据时特征保留不完整和对小曲率点云精简造成数据空洞的问题,提出了一种融合k-means聚类和Hausdorff距离的点云精简算法。该算法在八叉树算法的基础上构建点云数据的拓扑关系,首先计算所有点云数据点的主曲率,然后计算点云数据点主曲率的Hausdorff距离,根据精简目标要求设定Hausdorff距离阈值,实现点云特征提取,最后对非特征区域进行k-means聚类提取特征点,并将两次提取的特征点融合得到精简结果。实验结果表明,该算法能较完整地保留模型的特征信息,并能避免形成空洞现象。 相似文献