共查询到18条相似文献，搜索用时 109 毫秒
1.
在地面三维激光点云特征提取的过程中,由于三维点云数据采集仪器、采集方法及后期处理等因素影响,依靠传统的基于曲率、法线等几何特征及统计学算法提取出的点云特征数量较多且存在较大误差,若使用其直接作为特征点数据进行点云粗配准,很难提高点云粗配准的精度及速度。因此,本文在对点云数据实际空间分布结构分析的基础上,结合特征点提取算法、法向一致化算法、PCA（Principal Component Analysis）方法及特征点聚类等方法,提出了一种三维激光点云数据虚拟特征点拟合算法。该算法生成的虚拟特征点是由点云实际的特征点拟合得到,或是由位于被测物特征线上的特征点拟合生成的特征线计算得到,该虚拟特征点并不是扫描对象上实际存在的激光反射脚点。通过实验验证,虚拟特征点拟合算法可以较准确地拟合出由于设备及操作方法等原因而未被采集到的建筑物边角点数据,得到的虚拟特征点数据较实际特征点数据具有更少的数据量及更高的精度,使用拟合得到的虚拟特征点可以减少粗配准算法的计算量,提高粗配准算法的计算效率并能获得更精确及可靠的初始配准变换参数。 相似文献
2.
建筑物点云表面重建在高精度城市测绘、虚拟现实等领域有十分广泛的应用前景。由于建筑物的几何形态多变,重建算法普遍存在计算速率慢、拟合精度低和模型结构不完整的问题。为此,本文以单体建筑物为研究对象,提出基于加权约束的单体建筑物点云表面重建算法,在表面初始化过程中充分考虑数据对结构拟合的贡献。在此基础上,构建基于正则集的单体建筑物表面重建算法,实现建筑物拟合过程中的加权拟合误差、近邻结构平滑的同步优化。针对多类建筑物三维点云的实验结果表明,相比传统的建筑物重建策略,本文的加权约束方法可根据不同类型的点云数据设计自适应权重,并选择模型拟合中最优的权重函数,在高噪声、低精度点云数据下能得到更高精度的单体建筑物表面模型。 相似文献
3.
车载激光扫描系统能够快速准确地获取街道环境的点云数据,但由于扫描点云的点密度高、数据量大、空间分布不均匀、地物相互遮挡及城市街道环境复杂等特点,难以直接从原始点云数据中提取出路坎点云。本文首先通过分析路坎点云的空间分布特征和局部几何特征,构建包含相对高程、法向量方向、多尺度高程差及多尺度高程方差的点云特征向量;然后,采用SVM提取城市街道环境车载激光扫描数据中的路坎点云,并对提取结果进行聚类去噪,优化路坎点云。最后,通过Street Mapper 360系统和Lynx Mobile Mapper V100 系统采集的4份不同城市街道环境车载激光扫描数据对本文方法进行验证,其中路坎点云提取结果的完整度均超过了94.99%、准确度均超过91.88%、精度亦均达到了90.55%以上。实验结果表明,本文方法能够精确地提取复杂城市街道环境中规则或不规则的路坎点云,且具有较强的稳健性,适用于各类复杂的城市街道环境。 相似文献
4.
针对因回光反射平面标靶点云数据缺失或冗余而难以准确计算靶心坐标的问题,本文提出一种基于距离标靶重心最远点的边缘点提取和靶心定位算法。首先,进行点云数据预处理,先人工大概选取出标靶点云所在位置,并根据回光反射强度信息提取出标靶点云,对标靶点云进行粗差剔除、投影以及坐标旋转等工作;然后,进行边缘点提取,应用所提的边缘点提取算法对投影到二维平面的标靶点云进行边缘点提取;最后,进行靶心定位,先应用抗差最小二乘对边缘点进行拟合计算圆心坐标,然后将其旋转回三维空间作为靶心坐标计算值。实验结果表明,本文提出的边缘点提取算法能高效、准确地提取出标靶边缘点,比文献[12]中的边缘点提取算法节约了大量时间,并且应用所提取出的边缘点能稳健地计算出靶心坐标,与基准值的偏差在亚毫米以内,优于文献[11]、[12]算法靶心计算精度,有效地解决了残缺或冗余的回光反射平面标靶点云靶心定位问题。 相似文献
5.
街道景观图是城市规划设计和城市管理的重要参考依据,车载点云数据能够提供沿街建筑的三维点信息,精度高,覆盖范围广泛,为街景立面整治提供了新的解决方案。为此,本文提出一种适用于车载点云的街景立面的自动提取方法,提取立面点云的具体步骤为：对原始数据去噪滤波;选取非地面点构建规则格网并二值化,依据语义特征筛选出建筑物点云;用POS数据拟合直线段帮助选取参考向量与参考平面;计算点云到参考面的距离,按距离分类点云数据,并对前述步骤中未分类点另行提取,合并面点集得到以沿街建筑物立面为主的街景立面点云。为了验证这一方法的可行性和有效性,采用点云数据进行实验,实验结果表明本方法在一定程度上提高了数据处理效率,能得到较理想的结果。 相似文献
6.
城市环境下的车载LiDAR点云在道路边界提取时容易受到路边车辆、行人遮挡等影响，而造成伪边界点的生成和边界线的不连续。本文发现利用高程标准差约束能够有效的处理该类问题。本文首先进行数据预处理，包括点云分段及地面点滤波、基于相邻点间距离将地面点整合成扫描线存储；其次基于扫描线建立连续双窗口，采用扫描线双向移动窗口法，构造双窗口之间高差、夹角值、高程标准差3种约束条件获取候选路坎点，并根据道路边界的连续性采用密度聚类中的DBSCAN算法聚类去噪，生成较为连续且精确的路坎边界点；最后对边界断点区域计算累计曲率值和距离来判断该位置是否为路口，若边界线断点为路口不进行连接，反之，视为车辆或行人遮挡导致的断点，采用二次多项式曲线填补拟合，获得边界的数学参数模型。实验结果表明，在存在较多遮挡的城市环境下道路边界提取精度能够达到80%以上。 相似文献
7.
以球形标靶作为同名特征点进行点云数据配准时，若标靶附近有干扰物或扫描的标靶点云含有大量噪声，会对点云配准质量造成很大影响。针对目前点云配准对标靶自身噪声有所忽略的问题，分析球形标靶的特点，探讨小波阈值去噪方法的适用性，并对去噪小波基函数的选取进行实验，提出球形标靶点云离散噪声小波阈值去噪方法。实验表明，标靶自身点云的去噪不可忽视。分析结果表明，该方法能够更有效地滤除球面外围粗差噪声，单个球形标靶的中心位置拟合精度提高约0.8 mm，相较标靶球未经去噪的拼接结果，扫描物特征检查点的坐标拼接误差减小约5 mm，点云总体配准精度提升约20％，是一种有效的点云数据配准预处理方法。 相似文献
8.
单一基元分类方法难以全面描述复杂的点云场景,采用多基元进行分类成为一种趋势,提出了一种融合点、体素和对象特征的点云分类方法。主要包括4个方面：① 分别确定各层面分类基元,点基元方面采用最优邻域方法,体素基元方面基于八叉树方法进行体素划分,对象基元方面使用改进的多要素分割方法进行点云分割;② 提取各基元分类特征,首先提取点基元分类特征并进行局部线性约束编码(Locality-constrained Linear Coding, LLC),然后以此为基础提取体素基元和对象基元的潜在狄利克雷分布特征(Latent Dirichlet Allocation, LDA)和最大池化特征(Max Pooling, MP);③ 降低分类特征维度,利用随机森林变量重要性算法对分类特征进行筛选与降维;④ 进行点云分类,使用随机森林算法实现点云分类。采用3种不同类型的点云数据进行试验,结果表明融合3种基元特征的分类精度相比于点基元分类分别提升了1.43%、7.02%和2.48%,分类特征降维可以有效降低特征冗余度,分类器分类时间减少约70%;通过与其他算法的对比,新算法分类精度更优,且适用于多种场景点云数据的分类。 相似文献
9.
建筑物立面是城市地物的重要组成部分,而移动激光扫描是获取城市地物三维信息的重要手段之一。本文提出了一种基于移动激光扫描点云的建筑物立面半自动提取算法。该方法首先构建研究区水平网格;然后计算局部点云几何特征,并且将特征投影到水平网格生成点云特征图像;接着基于支持向量机（Support Vector Machine,SVM）对建筑物立面网格进行粗提取;最后使用网格属性（形状系数、网格面积、最大高程）对粗提取结果进行过滤,并将结果反投影到三维空间中得到精确的建筑物立面。以卡内基梅隆大学的移动激光扫描点云进行试验后表明,本算法能够较好地提取出建筑物立面,提取精度为84%,召回率为90%,数据修正后精度为88%,召回率为91%。通过与现有算法对比,本文提出的算法具有较高精度。 相似文献
10.
摘 要： 利用三维激光扫描仪获取铁路边坡形变数据，并对点云数据进行体素化处理，利用种子生长法对体素化后的数据进行分类，并拟合其空间参数；通过观测点云数据与目标数据分类结果拟合平面之间的距离，确定边坡形变的具体值；利用扩展卡尔曼滤波对多期数据进行统计分析，得到边坡形变的速率与加速率，预测边坡形变。 相似文献
11.
???????????輼??????????????η????????????KNNS??ICP??????????η???????????????????????????????????????????????????????????????????????????????????Σ????ó????????????λ????????????????????KNNS??ICP???????????????????????????????????????????????ж???????????????????????????????????????????????????????????????????????仯????????????????η?????????÷??????????????????????????????÷???????Ч??? 相似文献
12.
墙体、窗户等单元构件是建筑物重要组成部分,精细提取其几何参数及位置信息对于完整表达建筑物整体模型具有重要意义。针对单一点云数据源无法获取建筑物单元构件相关参数并完整表达室内外模型重建问题,本文提出一整套融合室内外多源点云数据的BIM模型重建技术。为验证方法的有效性,选取河南理工大学测绘与国土信息工程学院教学楼为实验区域,室内外数据采集时间为2019年5月。在对实验区域机载、车载和地面点云数据进行预处理的基础上,分别选取各点集共轭特征点,以高精度的地面点云为基准,将机载和车载点云融合到地面点云。为提高后期模型重建精度及处理效率,以点云间最小空间距离的方式剔除重叠区域冗余数据。对建筑物进行整体平面与立面剖切,将剖切面在CAD中进行跟踪绘制二维线划图,将二维线划图导入Revit软件中绘制轴网与标高,并利用提取到的墙体几何参数编辑墙体族类型进行BIM模型重建。根据提取到的窗户几何参数统计其类型并编辑窗户族,将其归为有规律性和无规律性两类,有规律性窗户单元找出其重复性规律及位置控制参数,无规律性窗户单元逐个放置,二者结合优化BIM模型。为验证模型重建精度,选取建筑物代表性立面,以人工实测立面边长为参照,将由点云数据提取到的相对应立面边长及模型边长与之对比分析,其误差集中分布在0.0~0.2 m之间,存在0.2 m以上误差,但大部分在0.3 m以下。实验结果证明了该方法的准确性。 相似文献
13.
以冷龙岭断裂上一处典型地貌点云数据为例,采用最邻近法、距离反比法、不规则三角网法、样条函数法、克里金法等5种插值方法进行遗漏点云插值填充,研究并探讨最合适的插值算法。结果表明,不规则三角网插值法不仅可以很好地填充点云遗漏数据,还可以按照实际地形变化精确表示其高程数据并还原野外的真实场景,为后期的研究提供数据保证。 相似文献
14.
提出一种基于Li DAR点云的室内平面图自动生成方法,旨在快速地以室内Li DAR点云数据为基础,实现点云法向量的稳估计,从而自动化提取墙面面片,进而完成室内平面图的构建。实验结果表明:该方法有效抑制室内Li DAR点云数据的噪声(如墙面重影),并能较好地生成室内的平面结构图。 相似文献
15.
提出一种基于采样一致性初始配准（SAC-IA）和正态分布变换（NDT）配准融合的点云配准方法。首先计算出待配准点云和目标点云的快速点特征直方图(FPFH）特征;然后依据该特征,利用SAC-IA算法求出初始转换矩阵,完成初始配准;最后在初始配准的基础上,利用NDT算法对两片点云进行精配准。实验结果表明,该方法的配准精度显著优越于ICP算法,且配准效率也有所提升。 相似文献
16.
以四川理县一地质滑坡为例,分析扫描点空间位置的理论精度,探讨点云数据获取以及点云过滤、点云拼接、地理参考等数据预处理的关键技术,给出一套比较直观、全面的滑坡形变分析方法,包括基于点云比较的形变分析、基于TIN比较的形变分析、基于特征点的形变分析以及基于DEM的形变分析。为了充分利用非地面点云数据,提出一种提取滑坡区域电线杆、树干的几何特征来分析滑坡水平变化的新方法。通过分析得到的滑坡形变量与GNSS远程实时监测结果基本一致。 相似文献
17.
精确的三维道路信息,对于交通运输,城市规划,道路网建设,三维道路建模等具有重要意义.车载移动测量系统作为一项高新测绘技术能快速,准确地获取三维激光点云,适用于大场景的道路提取与建模.本文提出了一种从车载激光点云中快速精细化提取三维道路及其边界的方法.该方法首先利用车载激光点云的空间特征对点云进行自适应分段,然后利用先验知识与规则提取候选的道路及其边界,并根据道路边界的线状特征,对所提取的道路边界进行跟踪及矢量化,最后得到道路的参数.为了验证本方法的有效性,试验采用了3组不同道路场景的数据进行验证,结果表明提取结果的准确度,完整度及检测质量都达到了90%以上.定量与定性的结果分析表明,本文方法对于不同复杂场景下不同点密度的数据具有很好的适应性,能快速,鲁棒地提取大场景内的道路及其边界. 相似文献
18.
针对规则建筑物点云数据特点,基于测量平差理论,提出一种基于点、面几何特征的点云配准算法。首先利用建筑物点云数据中平面与平面的重合关系,推导了基于特征面的点云配准模型|而后结合基于特征点的点云配准模型,给出基于点、面特征的点云配准模型|最后利用实测数据进行实验,证实该方法能在一定程度上提高点云配准精度。 相似文献