长测距地基点云密度自适应平面分割算法

为了解决长测距地面激光点云高密度变化的问题,采用了一种密度自适应的平面分割方法。首先基于估算理论点间距构建动态邻域搜索范围,联合内指标和香农熵确定最佳邻域并计算维度特征;然后根据最佳邻域、维度特征、法向量和点面距设计区域增长规则,得到初步分割结果;最终通过面片合并优化分割结果,并在最长扫描距离为1 km的单站地面激光扫描数据进行了实验验证。结果表明,该方法分割准确率达到95%,召回率达到92%,能够准确对长测距地基点云中的建筑物平面进行分割;与传统香农熵方法相比,本文中使用动态邻域搜索范围可以显著提高算法效率。该方法能高效准确地从大场景点云中提取建筑物平面,为城市3维建模提供了参考。

室内视角下减弱点云空洞影响的三维可视性分析方法

可视性是指在一定环境条件下,观察者从特定位置所能看到的空间范围。针对现有基于点云数据的可视性分析方法主要聚焦于室外视角,同时未充分考虑点云空洞的问题,提出一种减弱点云空洞影响的室内视角可视性分析方法。首先,将预处理得到的窗户中心点看作视点,以视点为中心,理论视距为半径,构建半球形视域空间。然后将视域空间内的点投影至深度图像形成视域图像,其像素深度值即为可视视距。通过分析视域空间的可视范围,模拟室内通过窗户观测到的外部场景。在这个过程中,点云空洞会造成视距错误,利用空间属性对视域空间分类,并根据不同类别视域空间的地物连续性和遮挡关系提出视距校正方法,以减弱点云空洞对可视空间体积的影响。最后,利用视点处的可视空间体积指数进行可视性分析,并与现有基于体素、基于表面的可视性分析方法以及人工评价进行比较。结果表明,本方法与人工评价的结果具有更好的一致性,能够更有效地分析建筑内部的可视性,为城市规划、景观设计等相关领域提供了一种全面可靠的可视性分析策略。