基于三维激光点云的序列运动图像点目标快速跟踪方法

由于现有方法未充分考虑小目标和遮挡目标检测的问题,导致目标跟踪效果不佳,由此针对点目标跟踪较为困难的问题,提出基于三维激光点云的序列运动图像点目标快速跟踪方法。首先下采样序列运动图像三维激光点云并去除其中的地面数据,通过动态阈值改进欧式聚类方法,分割图像为目标和背景,然后改进SECOND算法,在目标检测阶段融入自适应空间特征融合模块和二维卷积神经网络,同时采用3D DIoU替代Smooth L1作为损失函数,提升SECOND算法的目标检测性能,最后在激光雷达坐标系中构建各点目标的三维中心,利用3D卡尔曼滤波器连续跟踪目标,以交并比和欧式距离为度量标准,通过贪婪算法匹配最近邻目标,实现序列运动图像点目标快速跟踪。实验结果表明,所提方法IoU值更高,可达到0.971,且对目标的跟踪更理想。

基于三维激光点云数据的电力电缆绝缘缺陷识别

针对电力电缆绝缘缺陷识别精准度较低的问题,提出一种基于三维激光点云数据的电力电缆绝缘缺陷识别方法。利用剪裁法增强原始三维激光点云数据,通过区域生长法与最小二乘法完整获取电缆绝缘材料的三维结构面信息。借助Canny边缘检测方法求解电缆绝缘表面缺陷与内部缺陷边缘信息,自动识别出电力电缆绝缘的缺陷位置及缺陷类别。结果表明,所提方法可以精准识别电缆绝缘表面的划痕缺陷、电缆外屏蔽表面起泡和孔洞缺陷,识别耗时短,鲁棒性较优,具有较高实际应用价值。

基于三维激光点云数据的校园绿地乔木三维绿量对比研究——以广西生态工程职业技术学院为例

树冠是指树干以上连同其生枝叶的部分,其体积的大小是估算树木三维绿量的重要参数。校园绿地中乔木树冠形态各异,结构复杂,树木树冠体积的准确、自动、无损测量是校园绿地调查中的一个重要研究项目。随机抽取广西生态工程职业技术学院内5个树种共计25棵乔木的三维激光点云数据与树木三维绿量冠幅-冠高公式法进行了对比研究。以三维激光扫描仪获取的三维激光点云数据基于不规则三角网法计算乔木树冠体积。计算结果对比表明:测量值与参考值的均方根误差RMSE为2.913、绝对误差最大值为7.22 m3,最小值为0.17 m3;相对误差最大值为11.06%,最小值为0.12%;平均绝对误差为2.20 m3,平均相对误差为3.13%,该算法不用考虑树冠的形状,减少了人为判别导致的差异。因此,以三维激光扫描仪获取点云数据,运用不规则三角网法自动提取校园绿地乔木树冠体积快捷、有效、可推广。

采用边界对比学习的三维激光点云场景分割算法

针对传统三维激光点云场景分割算法容易忽略目标边界模糊的问题,采用边界对比学习算法设计了三维激光点云场景分割网络,旨在通过对比学习提升模型在边界处的预测性能。首先采用PointNet++作为主干网络,通过多尺度的降采样特征编码和上采样特征解码来学习点云中不同类别的语义特征,并逐点预测目标类别,实现场景整体分割;然后引入对比学习算法,采用迭代的方式捕获子场景点云的边界,并挖掘出模糊的边界点;最后在网络训练阶段利用对比学习损失函数实现边界类别增强,大幅提升了对三维激光点云场景分割的精度。在公开的三维激光点云场景分割数据集上进行了大量实验,结果表明:所提分割算法在19个语义类别的点云中有15个的分割性能是最佳的,整体的指标性能均优于对比算法,消融实验和可视化结果也验证了所提算法可以有效改善三维激光点云场景分割任务中边界的预测性能,充分说明了所提算法的优越性。

基于三维激光点云比对的煤矿巷道表面位移监测研究

煤矿巷道表面位移监测对于确保矿山安全和稳定运营至关重要。采用基于点云法向量的下采样算法与多尺度模型到模型的点云比对算法(Multiscale Model-to-Model Cloud Comparison,M3C2)相融合的方式,实现了对巷道表面的特征提取与整体性监测;通过三维激光扫描仪获取的三维激光点云对巷道表面进行重构,获取三维点云模型,利用点云对比算法对不同时期的2期点云数据进行处理,并以色值表征煤矿巷道位移区域变化,运用于实际巷道表面位移监测。结果表明:应用基于点云法向量的下采样算法与M3C2算法相融合的方式成功提取特征区域并实现巷道表面位移的整体性监测,此方法能直观反映巷道表面的变形区域,相比在巷道直接应用M3C2算法性能更优。

多层次架构下融合自注意力的三维激光点云语义分割算法

为解决三维激光点云局部特征提取不充分且缺少上下文特征信息融合的问题,提出了一种融合自注意力机制与多层次特征提取架构的MAKNet点云特征提取网络。该网络以三维激光点云数据作为输入,通过引入SAA模块提取点云特征,增加中心点特征值与其邻域点特征值之间关注权重值,抑制稀疏点特征低识别度问题,然后采用多尺度特征提取方式,进行多层点特征提取和融合,并进行点云特征跳跃链接,增加被提取点信息涵盖量。实验结果表明,在公开数据集S3DIS上总体准确率相比于PointNet++由80.1%提升至86.9%,在自建输电线路走廊数据集上总体准确率达到96.4%,证明MAKNet网络在语义分割任务上具有良好的鲁棒性以及较强的泛化能力。

基于三维激光点云技术的城市轨道交通线路空间数字底座建设

[目的]为推动上海轨道交通数字化转型、高质量发展,需通过建设数字孪生模型,打造统一、权威、精准的空间数据底板,为线网规划、建设、运维、管理等涉及空间地理的应用场景提供空间数据服务。[方法]结合实际场景和存量数据,采用三维激光点云、卫星遥感及无人机等技术进行三维重建,生成空间数字底座模型。利用手持式三维激光扫描仪采集城市轨道交通专题空间数据,将采集的点云数据模型单体化,利用GIS(地理信息系统)将城市轨道交通实景三维模型、规划和控制数据以及各种空间基础地理数据接入可视化平台,建立“全空间、全周期、全要素”空间数字底座。以上海轨道交通九亭站为例,制作站场分层平面图和三维实景模型,将模型文件与各种属性信息进行挂接后接入城市轨道交通线路空间数字底座中。[结果及结论]城市轨道交通线路空间数字底座结合空间基础地理数据,可为线网“规划—设计—管理—运营”提供统一的空间地理服务。将车站三维实景模型以及建设中征地范围信息接入空间数字底座中,便于开展城市轨道交通房地和固定资产日常管理,为城市轨道交通日常运营和管理提供权威、准确、直观的决策依据。

基于三维激光点云数据的输电导线动态变化检测技术

介绍了一种基于三维激光点云数据的输电导线动态变化检测技术,概述了输电导线动态变化检测技术的重要性和应用背景。详细讨论了三维激光点云数据的获取与处理方法,包括数据获取、预处理以及处理与分析的技术流程。在此基础上,设计了一种针对输电导线特征的动态变化检测算法,并对算法的性能进行了评估。通过算法优化与调整,进一步提高了检测的准确率和效率。

基于三维激光点云的建筑物立面图绘制

使用卫星定位接收机、全站仪、测距仪等传统测绘方法进行建筑物立面图测绘时受立面结构和现场条件影响,往往施测难度大、作业效率低,难以满足工程应用需求。为解决这一工程难题,基于扫描仪原理分析和工作实践,本文采用地面三维激光扫描、全景采集、点云处理、立面正射影像生成等技术构建了一套完整的建筑物立面数据采集和立面图绘制方案。实践证明,方案精度可靠、稳定高效,较传统测绘方法具有明显优势,适用于当前各类城市建筑外立面改造时的立面图绘制。

三维激光点云技术在智慧城市空间信息测绘中的应用

引言 随着大数据、人工智能、数字孪生、物联网等相关技术的发展,智慧城市技术底座已经形成,在打造城市数据终端模型的同时,还需要精准的空间信息作为支撑。本文以智慧城市空间测绘为研究对象,在对智慧城市概念进行简要论述的基础上,介绍城市空间信息测绘技术的发展情况,并从实际应用角度出发,重点研究三维激光点云技术在智慧城市空间信息测绘中的应用情况。

三维激光点云技术在智慧城市空间信息测绘中的应用

智慧城市依托过去的城市框架,融合新型的信息技术,全面捕获网络覆盖下的城市空间数据,实现跨平台信息的密切交流。其中,空间信息测绘的准确度直接关乎智慧城市的创建成效,而以往的卫星定位、倾斜摄影等测绘手段精度有限,成为制约智慧城市创建步伐的瓶颈。鉴于此,三维激光点云技术凭借其在精度、效率及成本上的显著优点,在智慧城市空间测绘领域大量运用,这除了大幅提升了空间三维数据的品质,更是为智慧城市的构建提供了有利条件。

基于三维激光点云的1∶500地形图测绘方法浅析

数字全野外测图方式成本高、效率低、周期长,在测区环境恶劣、地势险峻的情况下,存在测量人员安全生产风险等问题。地面三维激光扫描技术可以在短时间内获取测区详细、高精度的三维点云数据,实现自动化数据采集,工作效率高,成果质量好。在大面积或地形复杂险峻地区利用机载LIDAR扫描,通过对点云数据进行处理,能够快速完成测区地形信息测绘。通过与全站仪测量数据进行精度对比发现,基于三维激光点云的1∶500地形图测绘方法能够满足精度要求。

三维激光点云技术在智慧城市空间信息测绘中的应用

随着科学技术的持续进步,建筑行业逐渐进步与发展。在数字化背景下,为满足市场对智慧城市建设的高效率和高精度需求,相关技术应用的重要性日益凸显,受到社会各界广泛关注。基于此,简单分析三维激光点云技术的基本概念及传统测绘技术在智慧城市建设中存在的问题,并深入探究基于三维激光点云技术的智慧城市空间信息测绘应用要点,具体涉及数据采集、彩色点云浏览、点云去噪、点云模型生成等内容,以供业内人士参考。

基于三维激光点云的隧道电缆敷设质量参数自动检测方法

电力电缆敷设不规范是导致绝缘故障的主要原因,影响电缆的安全运行。当前电缆敷设质量检测多采用人工接触式测量,主观性强、精度低,容易对敷设区域造成二次损伤。文章提出一种基于点云的隧道电缆敷设质量参数自动检测方法。首先在电缆敷设施工位置获取隧道电缆点云数据;之后基于隧道的结构特征分割出电缆点云;最后,基于颜色和形态特征从电缆点云中分割出敷设区域并自动测量敷设质量参数。所提出的电缆和敷设区域点云分割算法的平均精确度、召回率、F1分数均大于0.92,自动测量的4个敷设质量参数平均绝对误差均小于0.35 mm。试验表明,该方法可以准确定位电缆敷设区域,并对敷设质量参数进行自动精准测量。

基于三维激光点云的动态道路场景自动驾驶车辆定位方法

人眼难以明确自动驾驶车辆自身位置与驾驶环境,缺失场景同步数据,定位轨迹与实际轨迹拟合度较低,由此,提出基于三维激光点云的动态道路场景自动驾驶车辆定位方法。利用三维激光点云技术扫描动态道路场景,生成多图元,将三维激光点云数据投射至通视性较高的单视图中,利用任意二维函数提取单视图特征,根据地图元素的数据编译函数和动态道路场景耦合结果,反复联通真实场景,大面积复杂视图改良后实现定位。测试结果表明,车辆定位轨迹与实际轨迹拟合度较高,重构视差值最高为0.35,定位准确度高。

基于三维激光点云的220kV线路风偏跳闸故障分析

输电线路外部运行环境恶劣,导线在极端大风等强对流天气下发生摆动,对附近物体净空距离减小,容易引发线路跳闸故障.相较传统人工巡视,利用三维激光扫描设备对输电通道进行扫描建模,基于模型对大风工况下导线摆动轨迹进行模拟,能快速定位出净空距离危险点,有力支撑线路跳闸风险预警分析.以某地区一起220 kV线路风偏跳闸故障为例,基于三维激光点云数据对导线风偏过程进行模拟.结合工况模拟与现场巡视结果,确定了该次故障为大风导致线路风偏后对线下路灯放电引起,验证了三维激光点云技术在线路故障分析过程中的有效性.

基于体素栅格的建筑物三维激光点云数据抽稀方法

为了提升三维激光点云数据处理、存储、运算效率,对基于体素栅格的三维激光建筑物点云抽稀方法进行了研究。通过提取原始三维激光点云空间位置和法向量作为体素栅格存贮数据的主要信息;以三维激光点云最大外包矩形构建最大体素,并依据点云位置不断地进行空间划分,直至阈值范围内,从而实现点云数据的高效组织与管理。对体素栅格内的点云依据设定空间半径阈值检索种子点周边点云,剔除体素栅格中阈值内点云,保留种子点云,从而实现了三维激光点云数据抽稀,有效压缩了三维激光点云数据。并通过实验验证了该方法可以有效降低三维激光点云数据冗余,为海量三维激光点云数据的存储与应用等方面的研究提供参考。

基于三维激光点云的电力线巡检技术研究

从基于三维激光点云的电力线巡检优势出发,分析该巡检技术与传统巡检技术的差异,并在此基础上,着重研究了以激光系统、空中测量平台、数字摄影机、GPS技术相结合的三维激光点云电力线巡检技术方法,并考虑到点云巡检中可能出现的问题,提出了部分要点和优化对策,实现对电力线的全方位、自动化巡检,提高巡检质量和效率。

基于三维激光点云的道路参数化建模方法

为满足道路精细化管理和快速三维建模的需要,本文基于三维激光点云数据,通过分析并设计道路数据结构和参数信息,采用参数化建模的方法实现道路自动三维建模。首先基于三维激光点云数据提取矢量和参数信息,建立道路参数化模型库;然后针对道路路面和地物不同的数据结构,设计了路面连续规则三角网算法和独立地物放样算法;最终根据参数和算法驱动道路自动三维建模。以车载移动测量系统采集的某道路三维激光点云进行试验,验证该方法的可行性和精度可靠性。

融合多模态特征的三维激光点云人脸识别研究

为了提高复杂人流背景下人脸识别能力,充分提高三维激光点云人脸识别的精度与准确性,提出融合多模态特征的三维激光点云人脸识别研究。构建复杂表情人脸图像采集模型,然后采用多尺度的线性特征规划方法,构建复杂表情人脸图像角点检测和边缘轮廓检测模型,再通过分析人脸器官之间的相对位置关系,利用器官特征点的空间路径线性规划方法,以多模态特征参数融合技术来实现三维激光点云人脸识别。实验结果表明:所设计方法的人脸识别正确率可达98.1%,平均识别相似度与平均识别耗时分别为0.899与1.75 s。与对照方法相比,所设计方法的人脸识别正确率与精度更高,耗时更短,特征提取效果最佳。说明本方法具有三维激光点云人脸识别优势。