排序方式： 共有15条查询结果，搜索用时 125 毫秒
11.
矿区地表彩色点云的自动分类 总被引：1，自引：0，他引：1
以矿区的彩色三维激光点云数据为研究对象，提出了矿区点云快速自动分类及目标提取的方法。首先根据彩色点云的RGB值计算HSV空间中的H值，根据各地物间H值的差异，分别对地面点与非地面点根据地物颜色先验值进行点的提取。然后对提取的点进行聚类计算，利用各类地物点云在空间分布上的显著差异，采用分层截面投影，由投影点最小包围盒的长宽比及面积比对矿区地物点云进行自动分类与提取。最后以Riegl VZ-1000扫描仪采集的某矿区地表点云数据为试验对象，验证本文算法的可行性和实用性。 相似文献
12.
道路绿化带是城市园林绿地系统重要组成部分,具有重要的生态和环境服务功能,道路绿化带信息的精细分类与提取以及绿化带的动态分析对于道路信息化管理具有重要意义。本文提出基于车载LiDAR技术的道路绿化带自动提取与绿植地物精细分类算法。为验证算法有效性,选取北京市丰台区某路段作为实验区域,一期试验数据采集时间为2015年6月,二期试验数据采集时间为2015年9月。将车载LiDAR点云数据作为原始数据,对原始数据进行剪裁分块等预处理,提高算法运行速度。首先对每段道路点云数据进行地面、低矮地物与高地物分类,并将低矮地物与地面点进行组合;然后通过绿化带的点云特性与空间特征,精确提取出每段点云数据中的绿化带,根据所提取的绿化带确定分类范围,利用各类地物点云的特征差别,对绿化带内地物进行详细分类;最后对比同一区域内的多期绿化带数据,从而判断绿化带面积以及绿化带中的各种地物是否发生变化。为验证算法精度,采用人工交互的方式提取绿化带,并对绿化带内各类地物进行人工分类,以此作为参照将人工统计得到的信息与自动提取出的绿化带信息以及各个分类地物信息进行对比,试验区人工提取绿化带总面积为13 027 m 2,自动提取绿化带总面积为12 749 m 2,2组数据相差278 m 2,相对误差为0.02。自动分类算法在试验区场景中杆状地物的探测率为80%,树木的探测率81.81%,灌木探测率为73.91%。对比2期绿化带数据,发现面积缩减量为129.5 m 2,另外新增3株灌木。实验结果说明了本文所述算法的准确性。 相似文献
13.
高压线塔是杆状构筑物,在受到地下开采等外界环境影响时,极易发生变形。文中采用地面三维激光扫描技术记录高压线塔,通过对高压线塔点云数据分层处理,提取各层点云切片中心点坐标。根据线塔不同高度处偏离基础中心点的距离,得到线塔实测挠度。结合材料力学中对杆状结构的受力分析,线塔最大挠度处在线塔的自由端,运用近似微分法实现对高压线塔理论挠度计算。研究表明:从力学角度出发,通过理论计算值与实测挠度值对比,说明近似微分法分析杆状结构挠度变形具有合理性;将理论分析计算与三维激光扫描自动化测量相结合,实现对线塔挠度变形的分析,为进一步研究线塔的挠度变形奠定基础。 相似文献
14.
针对传统单点测量技术在监测范围及效率方面存在的问题,该文研究了一种基于特征线的高压线塔变形监测方法。因为高压线塔的塔腿对其安全运行起着重要作用,所以选取塔腿棱线作为特征线,分析塔腿变化情况。通过截面角点提取、塔腿提取及塔腿棱线提取等过程,求取同期塔腿棱线不同分段之间以及不同时期塔腿棱线相同分段之间的偏移角度和方向。基于某高压线塔两期点云数据的实验结果表明:该方法能够从复杂的高压线塔点云数据中,提取出塔腿部分点云,进而提取塔腿棱线,最后根据特征线的方向向量分析塔腿偏移角度及方向,得出高压线塔仍处于安全状态的结论。 相似文献
15.