集改进图卷积和多层池化的点云分类模型

针对基于图卷积的点云分类模型在提取点云不同语义区域的特征信息以及高效利用聚合的高维特征方面存在的问题,本文提出了一种新的点云分类模型,该模型采用了动态自适应图卷积和多层池化相结合的方法。具体而言,本文采用了残差结构来构建更深层的卷积,以学习不同语义区域点对特征中不同层次的特征信息,从而生成动态自适应调整卷积核,针对不同的点对动态更新边的特征关系,从而提取更为精确的局部特征。同时,本文将聚合的高维特征输入到多层最大池化模块中,回收利用第一次最大池化后丢弃的特征信息进行多层最大池化,从而获取更为丰富的高维特征,提高分类模型的精度。实验结果表明,在ModelNet40数据集上,本文提出的分类模型的总体精度达到93.3%,平均精度为90.7%,明显优于目前主流的点云分类模型,并具有较强的鲁棒性。

双层索引驱动的隧洞海量点云高效管理方法

针对隧洞表观性态监测,三维激光扫描获取的点云具有数据量巨大、非结构化以及狭长线状非均匀分布等特点,给隧洞点云数据处理极大的压力,也制约了隧洞工程点云监测应用的发展。为此,本文结合隧洞工程空间分布特点,提出一种基于双层索引结构的隧洞海量点云管理方法。该方法设计了一种基于Hough变换的隧洞水平中线粗提取方法,指导隧洞点云数据沿水平中线进行点云自动分段;而后利用“自下而上”的归并构建策略建立分段点云八叉树索引。在此基础上,利用非冗余的多层次细节(LOD)建模方法和内外存动态调度技术实现海量点云数据快速可视化。实验结果显示,本文方法有效提高了隧洞点云水平轴线提取效率,基于双层索引结构的隧洞点云管理在点云检索、海量点云数据可视化等方面表现出优异性能。

大规模差异化点云数据下的联邦语义分割算法

海量点云数据的存储对自动驾驶实时3D协同感知具有重要意义,然而出于数据安全保密性的要求,部分数据拥有者不愿共享其私人的点云数据,限制了模型训练准确性的提升。联邦学习是一种注重数据隐私安全的计算范式,提出了一种基于联邦学习的方法来解决车辆协同感知场景下的大规模点云语义分割问题。融合具有点间角度信息的位置编码方式并对邻近点进行几何衍射处理以增强模型的特征提取能力,最后根据本地模型的生成质量动态调整全局模型的聚合权重,提高数据局部几何结构的保持能力。在SemanticKITTI,SemanticPOSS和Toronto3D三个数据集上进行了实验,结果表明该算法显著优于单一训练数据和基于FedAvg的方法,在充分挖掘点云数据价值的同时兼顾各方数据的隐私敏感性。

基于多细节特征层的三维激光点云建筑物模型构建方法研究

近年来,许多学者针对不同类型的建筑物建模提出了诸多有益的解决方案,但是针对老旧住宅型居民楼建筑物的快速建模方法研究较少。为此,本文提出了一种基于多细节特征层的三维激光点云数据建筑物快速建模方法,首先,在获取建筑物点云原始数据后,经过点云去噪与归一化处理,计算尺度信息并提取特征参数;其次,在此基础上进行点云高程切片,将切片后的分块点云分别进行边缘拟合与边界确定,并通过层级间的连接关系,构建数字化模型表面;最后,拼接模型表面并进行优化,构建整个建筑物数字化模型,并以某老旧小区住宅楼为实际样例进行测试。结果表明,该方法能较好地完成建模任务,所构建模型的精细化程度达到了工程实际应用要求,在三维点云建筑物建模领域有较好的推广价值和借鉴意义。

机载激光点云单木分割方法对比及精度分析

通过对机载激光点云基于冠层高度模型、基于点云以及基于层堆叠种子点分割方法,对针叶林、阔叶林、针阔混交林3种不同类型林分进行单木分割,并通过计算单木分割的检测率、正确率、F-score等精度指标,探究不同分割方法在不同类型林分的适用性。实验结果表明,对于针叶林,基于点云分割方法的分割精度最高,基于层堆叠种子点分割方法对树木分割的正确率最高;对于阔叶林和针阔混交林,基于层堆叠种子点分割方法的分割精度和检测率较高,优于其他两种分割方法。

基于通道注意力和图卷积的激光三维目标检测

针对三维目标检测时点云分区容易损失几何信息的问题,提出一种基于通道注意机制和图卷积的融合模型,建立基准网络级联构建特征增强层,加强基准网络对提取有效特征信息的敏感性,以提取局部点云几何结构特征,提升三维目标检测精度。根据KITTI数据集上的实验结果表明,融合模型将基准网络对行人的检测精度提升了4.25%,对自行车的检测精度提升了2.88%。实验结果表明,所提模型能够提高目标检测精度,特别有效提升了对小目标的检测精度。

面向三维点云的端到端细粒度分类网络

针对基于深度学习的三维点云分类方法在元类识别中对子类解译不足的问题,提出一种面向点云的三维模型细分类框架,构建具备层间语义相关和层内上下文感知的端到端细粒度点云网络——FGP-Net.首先以相互连接的卷积算子构建密集连接块,层内利用球邻域查询构造局部区域以完成局部到整体的特征映射,并通过偏置注意力机制关注上下文差异,从而更好地捕捉细粒度属性;然后在层间利用多层特征融合策略探索各层特征间的相关性,通过反向传播学习相关语义信息以提升模型分类性能.在FG3D的3个子数据集Airplane,Chair和Car上的实验结果表明,FGP-Net的总体准确率分别达到95.77%,80.88%和77.94%;与先进的三维点云分类模型PointNet++,PointCNN,Point2Sequence,DGCNN等相比,FGP-Net的分类性能均具有一定的优越性.

基于点云数据驱动的中厚板机器人焊接路径规划

为实现中厚板多层多道自动化焊接的需求,提出一种基于点云数据驱动的机器人焊接路径自适应规划算法。以V形焊缝为例,首先通过线结构光扫描焊缝表面采集点云数据,对点云数据进行滤波预处理,在精简数据量的同时也去除噪声点,据此采用点云分割和边缘提取算法成功提取焊缝特征点。最终通过焊接实验验证算法的准确性和可行性,结果表明,提出的算法处理得到的焊缝特征点坐标与人工示教得到的实际坐标偏差小于0.17 mm,能够满足实际应用需求。

基于点云模型自适应分层优化的计算全息图算法

全息图能记录光波的相位信息,全息再现时,观看者可获得更加真实的深度体验。本文在主菲涅尔波带法生成计算全息图的基础上,提出一种新的改进算法,采用SFM算法,重建出真实物体的点云模型,通过估算其密度,对实际点云模型进行初始化分层,并根据密度变化率进行分层优化,得到当前模型最优的点云分层结果。结合主菲涅尔波带法,生成优化后的三维点云模型的计算全息图,与未进行分层优化的模型相比,具有更清晰的轮廓细节和结构相似度。

基于点云技术的景深与层次量化分析方法研究

对于建成环境景深与层次的定性描述已难以满足风景园林领域研究与实践中所面临的精准化与定量化分析需求。通过梳理景深与层次研究进展,以点云技术为基础,构建“数据准备与参数设定-算法模拟与结果可视-量化分析与辅助判断”全过程数字化的景深与层次量化分析方法,深描建成环境景深与层次的客观特征。以南京市情侣园和河西生态公园为例,选取多个空间样本对该方法加以运用,发现其在分析效率、数据精度及结果可读性方面较传统量化方法具有优势,并探讨了该方法在多场景运用中的潜力,为景观空间精细化研究及高品质营造提供参考。

基于车载LiDAR的道路标识线提取算法研究

为满足高精度地图制作中对道路标识线提取需要,为充分挖掘车载点云数据三维空间特征及反射强度特征提出一种道路标识线提取算法。首先,采用数学形态学滤波算法完成地面数据提取;其次,基于法向量特征及聚类算法获取路面数据;然后,基于反射强度信息的分层模板法提取标识点云,完成道路标识线信息提取;最后,对实际道路的验证结果表明:该方法的准确率达到96%以上,完整率达到94%,检测质量指标达到94%,能提取比较完整的道路标识线。

一种基于车载激光扫描点云数据的单株行道树信息提取方法

提出了一种基于分层网格点密度的单株树信息提取方法,从车载激光扫描点云数据中提取出组成单株行道树的激光点,并计算树高、冠幅等特征信息.该方法由建立规则网格,基于高程的点云分层,逐层计算网格点密度,逐层提取激光点,提取单株行道树和计算特征等步骤构成.通过实例证明,提取结果较好地保留了组成单株行道树的激光点,并能较准确地计算特征信息.该方法拓展了车载激光扫描系统的应用领域,并可为城市绿化管理提供新的技术方法.

一种改进的激光点云数据精简算法

随着三维激光扫描仪获取的点云数据量越来越大,激光点云数据精简已成为测绘领域中的一个新的研究热点。在对点云数据分层技术研究的基础上,将二维平面曲线精简算法—Douglas-Peucker算法拓展到三维空间并进行改进,使得算法在处理前不需要已知点云间的邻接关系,可以对三维散乱点云数据进行直接处理。借助于Matlab平台编程实现点云数据精简,并利用程序构建精简后的点云数据的网格模型。通过与原始点云的网格模型进行对比分析,实验表明此改进算法的精简效果比较理想。

一种改进的点云数据精简算法

近年来,三维点云数据压缩技术已成为逆向工程领域中的一个研究热点。在对点云分层技术研究的基础上提出了一种改进的点云数据压缩方法,该方法不需要确定点云间的邻接关系,可以直接对三维散乱点云数据进行处理。借助于Matlab平台编程实现点云数据精简,并利用程序构建精简后点云数据的网格模型。通过与原始点云的网格模型对比分析,表明此方法的精简效果比较理想。

地面点云数据快速重建建筑模型的分层方法

为了快速从地面激光扫描数据重建建筑物模型,避免数据处理中复杂的点云栅格化和面片分割,提出一种基于分层方法的建筑三维模型快速重建方法。利用直方图统计方法去除噪声,结合大多数建筑物自身特点,对点云数据进行分层并垂直投影至各层平均高度的平面,得到建筑物各层的边缘特征点,进而规则化,实现建筑物三维数字模型的快速重建。实验结果表明,方法可以快速提取建筑物边界点,简化传统点云数据在建筑物重建中的复杂过程和大量的数据处理运算,而且最终模型的精度可以得到保证,具有一定的普适性。

三维激光扫描地形点云的分层去噪方法

针对三维激光扫描采集的地形点云,提出在高程方向进行切片分层的去噪方法。将分层提取的点云投影在平面上,对点云进行网格划分,把网格内的点云转换为二值图像,采用数字图像处理方法过滤离散的网格噪点;然后对分层提取的点云轮廓特征格网,通过对上下层轮廓边缘特征比较,获取点云的地面轮廓网格点,删除孤立噪点与非地面点。根据对不同地形的点云进行去噪实验,通过分层过滤非地面点可以得到很好的去噪效果。

基于实体模型索引的海量激光点云分块存储研究与应用

三维激光扫描技术的日益进步推动了点云数据量级的不断攀升,给海量点云的高效管理及优化处理带来新的挑战。文中针对在大范围点云场景中快速调度局部详细点云的实际应用需求,借鉴空间格网结构的数据组织思路,优化并提出可变长度的海量点云分层分条带存储的工作机制,结合数据库管理,实现了基于实体模型索引的激光点云及三维模型的快速调度及联动显示。基于研发的点云专家科研系统实践,推动了海量点云数据集约化管理水平,具有一定的科研及实用价值。

基于TLS的高压线塔倾斜与曲率变形研究

高压线塔是杆状构筑物,在受到开采等活动影响时,地表移动和变形对高压线塔的安全有重要影响。文中根据地表移动与变形规律,提出一种高压线塔倾斜与曲率变形分析方法。首先运用地面三维激光扫描仪扫描高压线塔,对点云数据进行分层处理,提取各层点云数据切片中心点坐标,计算高压线塔基础倾斜、塔身倾斜与曲率。研究表明,文中使用的三维激光扫描技术和数据处理方法能够较好地分析得出线塔基础倾斜、塔身倾斜与曲率等数据,规避传统监测方法塔基倾斜和塔身倾斜分开分析的弊端,为进一步研究线塔倾斜变形奠定技术基础,为线塔的变形分析提供可靠依据。

一种车载激光扫描数据的滤波处理算法

车载激光扫描系统能够快速、高效地获取城市地物的三维空间信息,是采集城市近景三维空间信息的一个重要手段。设计了一种从车载激光点云中分离出地面点和非地面点的滤波算法。首先建立规则格网,基于格网中激光点的高程差提取出初始地面点的方法;然后基于格网分层过滤出精确的地面点,从而达到地面点和非地面点的分离。实验结果表明:该算法滤波效果良好,能够满足城市DTM建立的精度要求。

一种散乱分层点云的有序化精简方法

针对激光扫描仪所得点云散乱分层的特点,提出一种有序化的精简方法。首先基于已知标记点建立三维R-tree和八叉树集成的空间索引,快速准确地获取局部点云数据,保证良好的数据检索效率。然后根据局部点云数据的参考平面法向量信息,选取工件坐标系中的一个坐标轴作为参数化的方向,对局部点云数据进行参数化并拟合二次曲面。最后对R-tree叶节点内的二次曲面进行有序化采样,使散乱分层的点云变为单层,得到整个型面的有序参考点集。应用实例表明,该方法适用于大规模的、具有复杂几何特征且存在一定程度散乱分层的点云,可以有效地提高数据点的整体精确度,且不会丢失点云的细节特征,具有较强的实用性。