共查询到10条相似文献,搜索用时 156 毫秒
1.
2.
通过激光扫描技术获得的点云数据量十分巨大,如何利用k最近邻域(k-nearest neighbors,kNN)查询重建海量点云中各采样点间的拓扑关系,对点云数据的后续处理至关重要。在深入研究GPU编程技术的基础上,将GPU通用计算引入到点云数据的kNN查询问题中,提出一种通过CUDA实现的基于外存的双层查询结构。试验结果表明,该方法与传统算法相比在查询效率上有较大提升,最大增幅可达53.8%。 相似文献
3.
《武汉大学学报(信息科学版)》2015,(9)
当前车载激光扫描系统的数据量往往达到数十GB乃至TB级,海量激光点云数据的加载与查询对传统可视化方法提出了挑战。本文设计了一种基于内外存调度的三维可视化方法,突破了物理内存对显示数据量的限制。该方法首先利用双层四叉树索引数据结构实现外存储器上的点云数据管理与快速调度,基于该索引动态加载外存储器上的点云数据到内存,从而快速获取海量数据中的实时数据块;然后,利用多线程分时加载双层四叉树索引数据结构,实现激光点云数据外存到内存的实时传输与绘制。实验结果表明,本文方法不受点云数据量与物理内存大小限制,海量点云可视化效果流畅,适用于台式计算机或网络环境下的海量激光点云数据的调度管理与实时可视化。 相似文献
4.
5.
一种LiDAR点云生成格网DEM的快速算法 总被引:1,自引:0,他引:1
提出一种LiDAR点云快速生成DEM的算法。该算法首先将原始点云文件转换为点云流文件;然后对点云流文件的每个区块采用逐点内插法进行Delaunay三角剖分;最后对生成的三角网流文件进行格网划分,对每个格网点内插生成规则格网DEM。将原始点云文件转换为流文件后,可以对点云数据分块处理,处理完一个分块后即可释放内存,解决了普通计算机处理海量点云数据内存不足、效力低下的问题。 相似文献
6.
7.
8.
LIDAR数据是目前生产DEM/DSM最为理想的数据源,利用机载激光雷达获取DEM/DSM数据是机载激光雷达最为直接的应用。本文提出了一种将LIDAR点云数据格网化与坡度滤波相结合的点云分类方法,该方法将数据格网化的概念用于LIDAR点云数据的预处理,避免了LIDAR点云数据内插或者平滑造成的信息损失,并且引入坡度突变对格网化处理后的LIDAR点云数据进行第二次地面点的选取,提高了LIDAR点云数据分类的效果。 相似文献
9.
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