顾及地形特征的LiDAR点云数据快速处理算法

提出了一种基于地形特征的点云简化算法,首先根据图像学差分算子提取点云中的地形特征点,再以地形特征点作为种子点建立TIN模型进行迭代简化,并对算法中存在的计算效率低下的问题进行优化。采用两组数据进行算法有效性测试,并与经典的距离-高差简化算法结果进行对比。结果表明,该算法在地形复杂的区域有更好的简化效果。

一种基于线性KD树的点云数据组织方法

常规KD树索引对大规模点云数据进行组织和管理时,指针的存储往往耗费大量的内存空间。本文结合线性索引的编码思想,提出了一种线性KD树索引的构建和查找方法,存储点云时可以充分利用内存空间,通过自然数编码表示结点间的关系,并给出了线性KD树的构建和邻域查找方法。最后通过与开源最临近搜索库ANN库进行对比试验,证明本文的线性KD树索引可以明显减少点云组织时的内存消耗,并与基于指针的ANN库具有相近的临近查找效率。

一种建筑物点云轮廓线的自动提取方法

针对地面激光点云包含大量冗余数据、特征信息不明显等缺点,提出了一种自动提取建筑物点云轮廓线的方法。首先基于主成分分析和熵函数计算每个点的最佳邻域,再根据几何位置关系,滤除散乱点和平面中的点,保留轮廓线点云。针对不同地面激光点云数据,无需反复调整阈值。实验证明,该方法提取的建筑物点云轮廓线清晰完整,与现有方法提取的结果相比正确率有一定的提高,且冗余点云几乎全部被滤除,自动化程度高,具有良好的适用性。

基于TEQC海量GPS数据信息提取软件的研究

随着GPS数据量的不断的增大,快速获取GPS的测站信息,数据质量检核信息等显得越来越重要,然而在Windows环境下,TEQC终端一次只能处理单个文件,并且操作繁琐,生成的数据文件过多,用户查阅不方便。基于TEQC的海量GPS数据信息快捷提取软件具有十分重要的意义。笔者采用基于对话框的MFC程序,通过调用TEQC实现了这一过程。

大场景内建筑物点云提取及平面分割算法

提出一种从地面激光点云数据中提取建筑目标并进行分割的新方法,该方法利用半径渐变的主成分分析法确定各点局部几何特征(最佳半径,法向量、维度特征);根据几何特征将地面点从原始点云中剔除,将非地面点按距离聚类形成点云簇,并对点云簇进行整体特征分析,识别建筑物目标;依据点的局部特征设置区域增长法生长准则对建筑物目标进行平面分割并对分割结果进行优化。实验结果表明,该方法不仅能快速有效提取大场景中的建筑物目标进行分割,并且解决了传统区域增长法不稳定的问题,提高了建筑物点云平面分割的精确性和可靠性。

无附加信息的地面激光点云自动拼接方法

提出了一种基于几何信息的点云自动拼接方法,该方法可以在没有强度、影像等附加信息的情况下实现点云测站间的自动拼接。通过特征距离直方图提取待拼接站的特征点,然后在参考站的特征空间中进行K临近查找得到特征点的初始匹配集合。提出相对高度和法向量的相似性度量,结合均方根距离剔除误匹配,计算得到初始转换参数,使用香农熵筛选复杂性较低的点参与迭代最临近点(ICP)精拼接。真实点云数据的实验证明,该方法可以剔除初始匹配集合中的误匹配,得到较好的初始转换参数,并提高ICP算法的效率和精度。

运用GPS高频时间序列对地震前兆的探索研究

通过对在日本福岛地震发生前后短时间内的两个GPS测站的时间序列进行拟合以获取在短时间内的地震同震位移数据,通过动态时间序列图的形式对地震同震位移数据进行研究,结果发现,在地震发生时很短的时间内地震同震位移数据会发生大幅度的变化,在地震结束后又恢复正常。这种变化规律可以为地震前兆预测做参考。