共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
3.
融合航空影像的机载激光扫描数据分类与特征提取 总被引：1，自引：1，他引：0
机载激光扫描测距技术（LIDAR）在快速数据采集、建模、分析和使用等方面得到广泛应用。然而,目前的激光扫描数据处理技术,尤其是点云数据后处理技术方面,仍然存在许多有待改进之处。本文从硬件系统和原始数据处理入手,研究了点云数据的数据预处理、点云数据分类、点云与影像匹配以及基于匹配结果的特征提取的理论与方法。本文的主要工作在于： 1,系统总结了当前主要的机载激光扫描系统测距原理和系统组成,并给出了自2008年以来,世界上的主要机载LIDAR系统的参数对比。 2,以Leica公司的ALS50系统为例,总结了使用该系统数据采集、数据内业处理的流程。同时,研制了一个自动化处理的软件用于原始数据的自动化处理,提高用户处理效率。 3,从GPS差分数据结果出发,总结了数据处理过程的三个重要模型：载体航迹线推算模型、点云定位计算模型以及机载激光扫描角度反算模型。并以IPAS和ALSPP软件输出结果为依据,进行了模型的计算和验证。 4,将在图像直方图分割领域的两种方法：全局迭代算法和最大类间方差算法引入点云数据的分类过程。针对点云数据一般具备多对象的特点,引入多阈值的直方图分割方法。大范围区域点云的高程直方图与小范围区域点云的直方图表现不一致,因此本文提出一种多子区的直方图分割方法,实现大范围点云分类。 5,将在模式识别和对象跟踪领域应用广泛的Mean Shift算法引入到点云数据分类过程中,总结提出了基于Mean Shift算法的点云数据分类方法。 6,提出一种新的分类方法：基于三维数学形态学的点云数据分类方法。在点云数据三维数字图像表达的基础上,扩展形态学膨胀和腐蚀运算的空间适用性,将二维的膨胀和腐蚀运算扩展到三维空间。对点云数据三维数字图像进行膨胀运算,然后通过聚类分析,得到连接成片的像素（点云片）,并以此为依据,分类点云数据。 7,总结了点云数据与航空影像进行两种匹配方法：粗匹配和三维数学微分纠正。并提出了一种拟合选取特征点方法用于粗匹配过程。 8,基于点云和影像的融合结果,扩展了Mean Shift算法的应用范围,尝试对多维异源点云数据进行目标分类。该方法可将光谱和回光强度信息一起参与Mean Shift算法的计算。 9,在目标分类的基础上,使用二维形态学方法对分类后的点云进行了分割处理和边缘特征提取。经过点云分割,可得到每个对象的点云以及对象的二维边缘特征。 10,基于点云与影像的融合结果,考虑LIDAR系统采用激光的特定光谱特性,提出基于融合结果的影像水体提取方法。通过由点云形成的不规则三角网对水体区域进行大致定位和提取,并采用Mean Shift算法对水体进行精化,得到精确的水体边缘。本文的创新点主要在于： 1,提出一种点云的扫描角度计算验证模型。基于航迹线数据和点云数据,该模型可以反算激光扫描角。 2,提出一种新的点云数据分类方法：基于三维数学形态学的点云分类方法。 3,提出一种融合点云的航空影像水体特征提取方法。 相似文献
4.
数据分割是点云数据处理流程中的一项关键技术,本文针对点云数据分割这一问题,分析了基于几何模型的分割法、欧几里德簇分割法和区域生长分割法三种点云数据分割方法的原理和算法流程,并利用实际工程数据检验了三种分割方法的效果。针对以上三种方法的优势及缺陷,本文实现了附条件的欧几里德簇分割法,该算法对欧几里德簇分割法和区域生长分割法进行融合改进,利用同一点云数据对该算法与上述算法进行比较分析,最后用一处复杂建筑物点云数据对该算法的分割效果进行再次检验,分割效果较为明显,再次证实了该算法具有较强的实用性。 相似文献
5.
机载激光扫描点云的三维数字图像表达模型将二维形态学运算推广至三维,给出基于三维数字图像的膨胀和腐蚀运算方法。针对点云三维数字图像,提出基于三维数学形态学和聚类分析的分割方法。将点云三维数字图像进行膨胀和聚类分析,依据聚类结果得到点云的分割结果。讨论了本方法两个参数与点云分辨率、地物间隔之间的关系。选用两套实例数据进行实验,并将第一套数据计算结果与Mean Shift算法、渐进三角网加密算法进行比较,从分割评价因子、精度、计算效率等方面分析本文方法与其他两种方法的优劣,最后分析了本文方法的稳定性。 相似文献
6.
本文基于机器视觉探讨数字摄影测量三维构像下的智能数据处理要素之二：海量点云分割处理技术。多模型拟合方法通过将点云拟合到不同模型中,依照点云空间分布特征和几何结构特征进行分割。针对点云数据量巨大、分布不均匀、结构复杂等特性,本文提出一种基于多模型拟合的点云分割方法。首先通过降采样,采用基于密度分布的聚类方法,实现对点云的预分割。在预分割基础上,利用基于分裂合并的多模型拟合方法对点云进行后续拟合分割。针对平面和弧面,本文采用不同的拟合方式,最终实现对室内密集点云分割。试验结果表明,该方法能够在无须提前设置模型数目的情况下实现点云的自动分割。且相较于现有的点云分割技术,此方法相较于现今的常规方法能取得更好的分割效果,在分割的正确率上要高于现有的常规分割方法,在处理相同数据量的点云分割时,能够达到远低于常规方法的时间消耗。通过本文提出的三维点云分割方法能够实现将大规模、复杂三维点云数据分割为较为精细、具有准确模型参数的三维几何图元,为后续实现大规模、复杂场景的精确三维构象提供有力支持。 相似文献
7.
8.
《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
9.
随着三维激光点云数据获取能力的提升，基于三维激光点云进行建筑物模型重建与立面测绘成为工程应用中常用的方法。三维激光点云数据能够体现建筑物丰富和直观的细节信息，然而海量数据处理给建筑物模型构建带来了极大挑战。本文通过对建筑物的三维激光点云数据进行横切得到建筑物轮廓点，并采用基于遗传算法的TSP算法对轮廓点进行处理以获取建筑物各立面的方程系数，最终实现建筑物模型的构建和获取详细的建筑物立面数据。试验结果表明，此方法可以较好地实现LOD1级建筑物模型的构建，进而为更高（LOD3）级别的建筑物模型构建提供依据。 相似文献
10.
传统的基于全站仪等单点测量技术难以获取钢结构整体信息,且测量速度慢、模型重建精度低。针对此问题,本文将三维激光扫描技术应用于钢结构模型重建领域,提出了基于LiDAR点云的复杂钢结构模型重建方法。首先,基于标靶球和钢结构面信息实现多测站点云的高精度配准,并通过半径滤波算法去除噪点,以得到完整的激光点云数据;然后,对复杂钢结构单体模型进行分割,以实现各个部件的模型重建;最后,根据现场实测数据对重建的三维模型进行精度评估。试验结果表明,基于该方法得到的模型精度较高,与实际尺寸差值均小于1 cm,为复杂钢结构的三维模型重建提供了有效解决方案。 相似文献