激光点云中典型地物分割方法

对于激光点云中的典型地物,传统点云分割算法由于其适用性不同,且分割阈值较难设置,易出现过分割或欠分割现象。针对此问题,通过分析不同算法的原理及适用性,提出基于区域增长与欧氏聚类相结合的点云分割方法。该方法通过区域增长将激光点云中的典型地物分为树、杆类及建筑类,再分别对这两大类地物设置不同阈值,采用欧氏聚类算法将个体单独分割开来。实验结果表明,本文方法能将树、杆状物、建筑物等典型地物分割开,同时解决了因阈值设置不合理而出现的过分割或欠分割问题。

建筑立面点云对偶深度图像中窗户提取方法

提出了一种地面激光点云数据的建筑物立面窗户提取方法。针对窗户包含点云的情况,首先对建筑立面点云进行特征分析及无效点去除,由于窗户、展台、及其他凹凸特征物与建筑立面的墙面存在深度差,可基于此采用距离加权倒数IDW内插方法生成建筑面片的对偶深度图像,再经阈值分割、中值滤波平滑处理,形态学滤波等,找到窗户内的点云及边界。而对窗户空洞情况,可采用构建TIN进行边界提取,由于窗户边界点构成的边长远远大于窗户周边点,可基于此找到窗户边界点。通过对实测点云数据进行实验,将提取的效果与实际情况作对比,结果表明,该方法能有效对窗户进行提取。

融合光线追踪和中值滤波的深度图像修复算法

针对深度图像在数据采集过程中存在深度值缺失和噪声的问题,提出了一种融合光线追踪和中值滤波的深度图像修复算法。该算法通过构建路径跟踪器将深度值分解为直接光照值和间接光照值,对分解后的深度值进行时空滤波和方差估计处理,再将处理后的结果合成深度图像,然后对合成的深度图像依次进行抗锯齿化和色调映射处理,最后使用中值滤波算法平滑未修复的噪声。采用自行实时采集的深度图像作为数据集,将文中算法与双边滤波、联合双边滤波、形态学滤波算法进行实验对比。实验结果表明,文中算法能有效修复较大范围的空洞区域,较好地保持物体边缘的清晰和细节特征;同时,文中算法修复后的深度图像峰值信噪比和均方根误差均优于对比算法的值。

基于最小二乘密度聚类的城市点云去噪算法

点云作为一种简便的三维表达方式,已经被大量应用在城市三维数字化中,但是城市对象的复杂多变,导致城市点云相较于其他场景点云,其较为复杂,去噪难度更高,去噪精度要求更高。为了解决城市点云的去噪问题,本文从高维特征密度空间出发,采用最小二乘密度聚类约束,遵循标准阈值原则设计了一种新的算法。本算法先构建高维特征密度空间,再用最小二乘算法求解各维度密度拟合曲线,最后根据标准阈值原则提取各维度合限点集的交集,即为目标点集。实验表明:本文算法针对城市场景中的点云具有较高的精度与较好的剔除效果,满足城市点云去噪任务的要求,达到了预期的效果。

基于CNN网络的带遮挡车牌识别

为提高存在遮挡的车牌识别准确率,基于数据驱动,利用形态学算法如腐蚀、膨胀、旋转等对标准化字符进行自动化处理,并自适应地加入高斯噪声构建带有遮挡的字符样本以代替常见的无遮挡标准车牌字符样本。结合图像边缘检测与HSV(Hue,Saturation and Value)模型对车牌实现正确定位;采取霍夫边缘检测对倾斜的车牌进行仿射校正,并归一化车牌尺寸对车牌进行规定比例的字符切分。在此基础上,使用卷积神经网络(Convolutional Neural Networks,CNN)对样本库进行训练并对车牌内容进行识别。实验结果表明,该方法对带遮挡物的车牌具有良好的识别效果,且对汉字的识别精度略高于字母及数字。通过不同网络中与无遮挡样本库的识别效果对比可知此样本库的整体识别精度确有明显提高,有一定的应用价值。

基于PCL库的点云滤波算法研究

点云滤波处理作为点云数据处理的初始步骤,其去噪效果直接影响到后续点云分割、地物分类、三维模型重建等操作结果。不同滤波算法由于其原理不同,运行效率及适用性也存在很大差异,通过选取直通滤波、体素滤波、统计滤波、条件滤波、半径滤波这五种经典滤波算法,对其原理作详细描述。在PCL库的基础上,设置不同的阈值对每种算法进行了大量的实验及分析,验证参数设定对每种算法的运行效率,适用范围及滤波结果质量的影响。

闪蒸海水淡化中关键部件引射器的模拟研究

海水淡化在现今水资源利用方面具有重要地位,闪蒸海水淡化技术是海水淡化的一个新型技术,其中关键部件引射器内部工作性能就具有巨大的研究价值。文章运用ANSYS Fluent软件对其内部工作条件进行了数值模拟,通过大量建模和模拟,归纳有价值的结果与数据,为引射器的设计与应用提供指导和帮助。

混合Gamma分布的LJ1-01夜间灯光去噪算法——以沪宁杭都市圈为例

为了将人类活动引起的有效光点与非人类活动引起的噪声点区分开来、提高特征目标提取和分析中的提取精度,该文提出了一种混合卡方分布算法对LJ1-01夜光数据进行去噪。由于LJ1-01数据符合卡方分布,但单卡方拟合精度较低,因此使用多个卡方的叠加来表示LJ1-01数据和噪声子集,并基于最小二乘原理,结合有效统计灯光值构造间接平差方程,求解各叠加态的比例;然后,基于比例构建具有高拟合精度的连续概率密度曲线;最后,构建了丰度函数,并以原始图像中不同噪声子集的权重中心的偏移量去除噪声。为了验证算法的通用性和稳定性,选择不同的噪声子集并与正态分布算法对比,实验结果表明该文算法对噪声去除效果较好。