共查询到18条相似文献，搜索用时 698 毫秒
1.
2.
3.
针对常用的平面拟合方法在有"噪声点"存在的情况下,会出现拟合不稳定的问题,本文采用稳健性较好的RANSAC算法,从机载Li DAR数据中提取出建筑物顶部面片。RANSAC算法进行参数拟合时,会存在一些缺陷,通过改进RANSAC算法(LMed S算法)可以达到更好的拟合效果。首先利用直通滤波器对点云数据进行简单的滤波,然后通过Voxel Grid滤波器对点云数据进行下采样。对下采样之后的点云数据,用LMed S算法提取建筑物顶部面片。试验表明,利用LMed S算法可以成功提取建筑物顶部面片,稳健性较好。 相似文献
4.
利用高精度DSM数据提取建筑物轮廓算法研究 总被引：2，自引：1，他引：1
基于DSM数据提取建筑物轮廓信息是快速自动构建建筑物三维模型的基础和前提.本文将随机抽样一致性算法RANSAC引入到DSM点云分割中,提出了一种基于随机抽样一致性算法模型的建筑物面片识别和轮廓提取算法,实现了高精度DSM数据的建筑物轮廓信息提取,试验验证了本文方法的精度和可靠性. 相似文献
5.
建筑物屋顶面点云分割结果的好坏对建筑物三维模型重建起着重要的作用。针对传统RANSAC算法建筑物屋顶面点云的分割问题,提出了一种基于局部约束的建筑物点云平面分割方法。利用点云局部曲面法向约束构建法向准则,利用半径约束的点云空间聚类的方法对共面屋顶面点云进行分解,从而抑制"伪屋顶面"的产生;利用局部抽样策略降低算法的迭代次数,减少运算量。实验表明该方法能够获得稳定可靠的建筑物屋顶点云分割结果,将有利于后续的建筑物三维模型重建。 相似文献
6.
针对在三维点云环境下分离目标物体所出现的过度分割问题,提出一种结合随机抽样一致性和颜色差值区域聚类的分割方法。首先利用RANSAC算法去除场景中大部分平面,使得目标物体和连成片的点云脱离,然后结合点云的距离阈值和目标颜色差值,得到目标点云数据。针对L1中值算法对曲率较大模型的骨架提取存在的不足,进行了改进。通过L1中值算法对点云模型进行骨架提取,得到点云的骨架点,然后沿端点方向向外进行最大内切球的球心提取,最后连接多个球心及骨架末端点,得到符合人类视觉效果的骨架。改进的算法提高了L1中值对曲率较大点云骨架提取的准确性。 相似文献
7.
针对三维激光点云配准中随机采样一致性(RANSAC)算法存在采样次数多、准确度低的缺点,该文提出了一种结合几何刚性和法向量一致性的点云配准算法。该算法通过改进采样策略降低采样次数并提升匹配精度,首先将点云的法向量信息加入采样集,使得每次的采样点从三对减少为两对;接着以两对采样点的刚性和法向量一致性计算置信度来确定当前采样是否置信;最后以迭代运算选取采样内点数最高的样本来估算变换矩阵实现点云精确配准。对激光三维点云进行配准试验,结果表明,本文方法在匹配效率及匹配性能上均优于传统RANSAC算法,且配准精度更高。 相似文献
8.
《测绘与空间地理信息》2020,(7)
针对三维激光扫描仪扫描目标物获取的点云数据,采用球域膨胀算法提取点云数据平面特征,阐述了球域膨胀算法中的关键概念,分析并给出了球域膨胀算法的基本思想及核心,以及球域膨胀算法的详细流程,并进行了实验分析。利用RANSAC算法和球域膨胀算法分别进行点云数据平面特征提取实验,对实验结果进行归纳总结,通过对比分析得出了球域膨胀算法优于RANSAC算法的结论。 相似文献
9.
《武汉大学学报(信息科学版)》2020,(7)
杆目标是城市中重要的基础设施,其自动提取对智慧城市数据快速更新具有重要意义。车载移动测量系统可以快速获取道路两侧地物的高精度点云数据。针对车载点云提出了一种基于杆圆弧特征的杆目标自动提取方法,首先根据单条和相邻多条扫描线上目标分布形态,对原始点云中的非杆柱状部分进行聚类去噪;然后运用约束随机抽样一致性(random sample consensus, RANSAC)检验算子搜索圆弧状点集,对其三维特征进行统计分析,精确识别杆柱状部分;最后根据目标点云空间形态动态确定区域生长条件,搜索杆目标的完整点云。实验分析结果表明,该方法能有效降低杆目标提取中邻近非杆地物的干扰,具有较强的自适应能力。 相似文献
10.
11.
12.
地面三维激光扫描点云密集,实体信息隐含,特征提取困难。根据原始点云数据的特点,提出对点云进行实体化处理,种子点生成技术可用于实体提取。完成点云实体化后,通过随机采样一致算法结合稳健估计方法,可更好地进行地物特征提取。由于现实客观世界的复杂性,采用一些先验性知识,可以减少人工处理过程,加快点云分类和实体建模速度。 相似文献
13.
14.
一种基于 K-D 树优化的 ICP三维点云配准方法 总被引：1，自引：0，他引：1
为提高三维点云数据配准精度和速度,提出一种基于K-D树优化的ICP三维点云配准方法,首先采用中心重合法实现点云数据的粗配准,然后利用K-D tree快速搜索最近点对改进传统ICP方法,完成三维点云数据精配准,该方法克服传统ICP算法中由于利用欧式距离来判断最近点所引起的工作量大、耗费时间多的缺陷,提高点云的配准速度。在此基础上利用斯坦福不同密度Bunny点云数据进行实验验证,结果表明在采用中心重合法实现三维点云粗配准的基础上,利用K-D tree优化ICP算法,能够提高点云配准的精度、速度和稳定性。 相似文献
15.
Nusret Demir 《Journal of the Indian Society of Remote Sensing》2018,46(8):1265-1272
The purpose of this study is to derive vectoral 3D roof planes from the LIDAR point cloud of the detected buildings. For segmentation of the LIDAR point cloud, the RANSAC algorithm has been used. Because the RANSAC algorithm is sensitive to the used parameters, and results in over- or under-segmentation of the clusters, a refinement method has been proposed. The detection of roof planes has been improved with use of the refinement method. Therefore, similar plane surfaces have been combined, followed by the region-growing algorithm, to split the under-segmented plane surfaces. The digitization of the roof boundaries is performed using the alpha-shapes algorithm, followed by line fitting to generalize the roof edges. The quality assessment has been done using the reference vector dataset with comparison using four different criteria. 相似文献
16.
17.
一种基于ISS-SHOT特征的点云配准算法 总被引：2，自引：0，他引：2
针对点云配准过程中易产生错误对应点、收敛速度慢、配准时间长等问题，提出了一种基于内部形态描述子（ISS）及方向直方图描述子（SHOT）特征的点云配准算法。运用体素格网法下采样后，采用ISS算法提取特征点，并用SHOT对特征点进行描述，利用余弦相似度匹配对应点对，再采用RANSAC算法剔除错误对应点对，使得两片点云获得良好的初始位姿，最后采用点到平面的ICP算法进行精确配准。试验结果表明，与传统ICP算法及基于ISS的SAC-IA+ICP算法相比，本文算法配准精度及配准效率更高，对数据量大、重叠率较低点云具有很好的稳健性。 相似文献