基于三维建模和激光点云的建筑物目标监测系统

以提升目标监测效果为目的,提出基于三维建模和激光点云的建筑物目标监测系统。该系统首先利用感知单元采集目标激光点云数据,通过通信单元将数据传输到数据处理单元内,利用八叉树抽稀算法对建筑物目标激光点云数据实施简化处理,然后使用3DsMax三维建模软件构建目标三维模型,利用该模型进行实现建筑物目标监测,最后实验结果表明:系统采集的数据偏差小,点云抽稀率可达到30.5%,目标特征值监测偏差小于5%,可有效监测建筑物目标物体变化情况,监测性能良好。

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。

倾斜摄影Mesh模型与激光点云构建部件级城市三维模型

为构建部件级城市实景三维(3D)模型,本文在倾斜网目(Mesh)模型建模和激光点云建模的技术上,探讨建筑物、部件以及城市场景模型建模的方法,并最终融合构建部件级城市实景3D模型,并应用于国家新型基础测绘北京试点-副中心运河两岸商务区实景3D建模项目中,为北京市新型基础测绘建设提供一份力量。

基于激光点云数据的地物分类与城市三维模型构建

为了解决传统方法地物分类和城市模型构建中精度低和效率低的问题。本文提出基于激光点云数据的地物分类和城市三维模型的构建。在地物分类方面,讨论了特征提取、特征选择以及分类算法等步骤。对于城市三维模型构建,阐述了数据获取、数据预处理、特征提取、模型生成和模型优化等关键步骤,并利用最小二乘法进行城市模型的构建。实验结果表明:本文方法可以有效提高地物分类精度及模型构建效率。

基于Mesh模型和激光点云的高精度三维场景重建

三维场景建模技术是实现城市规划、设计、施工以及数字孪生的重要手段。相对于传统测绘手段,新型测绘技术的发展使得对城市场景生命周期的管理变得更加数字化和智能化。基于此,本文以浙江省嘉兴市火车站为研究区,提出一种结合“激光扫描+倾斜摄影+人工建模”的技术方案,即通过三维激光扫描、倾斜摄影测量和人工建模技术实现城市场景高精度部件级的数字孪生。研究结果表明:本文构建的三维模型平面中误差为南广场±0.17 m,北广场±0.12 m,不仅可以满足城市场景建模精度要求,为后续建筑物改造与维护提供更加丰富的几何和纹理信息,也为城市的维护、管理及可持续发展提供重要依据。

基于倾斜摄影+激光点云数据的三维地理信息模型建设

研究参考倾斜摄影和激光点云技术,结合数据采集、多源数据融合、智能化提取和单体化三维建模,在实景地图的支持下,实现实景三维地理信息模型的建设,完成数据提取、整理和分类,通过建立完整的数据体系,实现实体公路数字化重建。

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。

基于倾斜三维模型与机载LiDAR点云的DEM快速更新

随着倾斜摄影技术的发展和实景三维建设的不断推进,地形级实景三维地理场景对DEM现势性要求日益提高。为了解决传统方法更新DEM成本高、工作量大的问题,本文提出了利用倾斜三维模型成果转换点云,融合两期DSM和DOM进行变化检测,替换已有机载LiDAR点云,快速更新DEM的方法,并通过项目验证了该方法的可行性,极大地节约了生产成本,为DEM更新提供了思路。

多源点云优化的城市三维模型构建

简易模型与传统复杂的单体模型相比,对存储、可视化、传输和后续应用技术要求低,敏感信息承载量少,且能满足大部分应用需求,具有更高的应用价值。考虑应用需求与技术现状,自然资源部将城市三维模型(L0D1.3级)纳入实景三维中国建设任务中。目前相关生产以半自动化采集为主,工程化应用存在技术流程烦琐、效率较低且对数据量限制较大等问题。本文立足山东实际,提出了一种基于多源点云优化的城市三维模型快速构建技术,在充分利用现有数据基础上有效提升了数据处理效率,大幅减少了生产成本,并在实景三维山东建设过程中得到了有效验证,具有较好的社会经济效益与推广价值。

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。

基于三维激光扫描点云的异形钢构三维重建与质量控制

文章分别对异形钢结构安装前期、中期及后期进行三维激光扫描,并进行BIM建模及精度控制,相比较传统使用自动全站仪的精度控制方法,克服了点状精度控制方法的不足,实现了“体状”钢结构实时精度检测与控制,满足了异形双曲钢结构高精度安装要求,可为类似工程提供借鉴。

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。

改进的区域生长算法在三维激光点云识别岩体结构面中的应用

交错分布的结构面构成了岩体中的薄弱部位,准确高效的岩体结构面识别和特征信息提取可为岩体稳定性评价提供重要依据。三维激光扫描技术可以极大地提高结构面勘测效率和精度,但目前主流的点云分析算法存在结构面边缘识别模糊、点云分割准确性不能满足结构面特征信息提取精度等问题。因此,考虑岩体结构面点云位置与其邻域的空间关系,利用KD-tree数据结构进行最邻近搜索的体素下采样,在稳健随机Hough变换的基础上改进了区域生长算法,通过多特征值对区域生长分割参数进行修正,依据点云法向量差值和特征终值进行结构面分割,实现了结构面产状、间距、延展度信息的提取。研究结果表明:与传统的主成分分析法和随机抽样一致法相比,在室内块体模型组成的24个结构面中,该方法在相同区域具有更高的识别率和准确率,既能在复杂变化的平面区域保证数据的完整识别,也能在平面的尖锐位置较好地分割边缘点云。利用该方法可以将24个结构面分为6组,并在识别数据中获取对应的结构面特征信息,与实际测量结果相比,角度信息误差约为1°,距离信息误差1cm以内。利用该方法在长江干流蟒蛇寨斜坡岩体中成功识别出3组结构面同时计算各组结构面间距与延展度信息,并采用赤平投影图分析不同结构面组对斜坡稳定性的影响。所提出的方法在室内模型及现场斜坡验证效果良好,可以为岩体结构面识别分割提供稳定且有效的技术支撑。

基于激光点云数据的单木骨架三维重构

针对树木三维重构过程中面临的处理速度慢、重构精度低等问题,提出一种采用激光点云数据的单木骨架三维重构方法。首先,根据点云数据类型确定组合滤波方式,以去除离群点和地面点;其次,采用一种基于内部形态描述子(ISS)和相干点漂移算法(CPD)的混合配准算法(Intrinsic Shape-Coherent Point Drift,IS-CPD),以获取单棵树木的完整点云数据;最后,采用Laplace收缩点集和拓扑细化相结合的方法提取骨架,并通过柱体构建枝干模型,实现骨架三维重构。试验结果表明,相比传统CPD算法,研究设计的配准方案精度和执行速度分别提高50%和95.8%,最终重构误差不超过2.48%。研究结果证明可有效地重构单棵树木的三维骨架,效果接近树木原型,为构建林木数字孪生环境和林业资源管理提供参考。

基于三维激光点云的船用螺旋桨变形分析

传统采用螺距仪的测量方式效率低且准确性有待提高,为了准确获取船用螺旋桨的变形情况,提出一种使用三维激光扫描仪对其测量并进行变形分析的方法。在获取多视角的三维激光点云数据后,先进行裁剪去噪的预处理,然后对点云进行基于改进的SAC-IA粗拼接和K-D Tree加速处理的ICP精拼接,并对拼接精度进行分析,最后在CATIA软件中对比基于点云建模拟合的模型与原设计模型,得到船用螺旋桨直观且具体的变形情况,验证了该方法的可行性。

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。

巷道三维激光点云数据变形提取方法

在地下煤炭资源开采过程中,高地压、高应力等外部因素会使得巷道围岩出现形状改变并引发冒顶、片帮等围岩破坏现象,严重威胁煤矿安全生产。为及时掌握巷道围岩变形情况,对煤矿巷道变形进行有效监测,提出了一种基于三维激光点云技术的巷道断面提取与变形量分析方法,并通过巷道内模拟实验验证了该方法的可行性。实验结果表明:所提方法能够适应井下巷道复杂环境,自动识别巷道变形位置并利用断面提取法进行更精确的变形分析,所监测表面位移分辨率能够达到厘米级,符合巷道表面位移监测需求。

基于特征点动态选择的三维人脸点云模型重建

针对典型的点云配准方法中伪特征点过多导致配准效率低和配准结果不精确的问题,提出一种基于特征点动态选择的三维人脸点云模型重建方法。该方法在粗配准阶段,采用动态特征矩阵求解法获取粗匹配特征变换矩阵以避免伪特征点的干扰。在精配准过程中,采用二次加权法向量垂直距离法在人脸流形表面选择更有效的特征点以减少伪特征点的数量,并采用基于特征融合与局部特征一致性的迭代最近点方法进行精配准。经过对比实验验证了算法的可行性,实验结果表明,该算法能够实现高精度且快速的三维人脸点云模型重建,且均方根误差达到1.8165 mm,相较其他算法,其在模型重建精度和效率方面都有所提升,具有良好的应用前景。

GeoSLAM激光点云的三维可视化数字影像融合目标细部重建

三维激光扫描技术应用范围逐渐扩大,但激光点云缺乏真实的纹理信息,致使目标细部重建与实际目标存在偏差,而三维可视化数字影像技术可以有效地弥补三维激光扫描技术的不足,如何对其进行有效融合应用成为重点研究方向,故提出GeoSLAM激光点云的三维可视化数字影像融合目标细部重建方法研究。利用点云滤波算法去除GeoSLAM激光点云中的噪声信息,校正处理三维可视化数字影像的畸变现象,以此为基础,利用Moravec算子提取融合目标细部特征点,配准激光点云与数字影像中的特征点,制定融合目标细部重建程序,从而实现激光点云与数字影像的有效融合,即目标细部的精准重建。实验结果显示:本方法能够更加精准地完成细部重建,相比对比方法而言,具备均值为0.9295的相关系数,和更低的融合目标细部特征点提取错误率,且对建筑类别的数字影像的细部重建效果更好,细部特征点提取错误率仅为1%,充分证实了提出方法应用性能更佳。