基于体素化网格下采样的点云简化算法研究

针对三维点云数据冗余量大、重建时间长、效率低等问题,提出一种基于体素化网格下采样的点云简化算法。该算法首先求出点云数据集的最小三维长方体包围盒,把点云数据划分进三维体素栅格中去;其次计算点云的k邻域,进行曲面法向量估计;然后,在三维体素栅格中选择满足要求的数据点,实现点云下采样;最后,调用Power Crust对下采样点云数据进行曲面重建,在三维可视化类库Visualization Toolkit(VTK)进行显示。实验结果表明,该算法能够加快三维点云数据的重建速度,较好地保持了点云特征,提高曲面重建的效率和鲁棒性,适合实时处理。

智慧矿山挡墙状态检测方法

无人驾驶车辆在矿山行驶过程中,如果矿区挡墙出现破损而没有被及时发现并修复,车辆在行驶或卸载时超出挡墙安全范围,易造成安全事故。现有的挡墙状态检测方法多是基于车端、无人机传感设备采集的点云数据,视野有限,稀疏性较大,稳定性差,且缺乏针对挡墙状态完整性检测的方法。针对上述问题,提出了一种基于路侧激光雷达传感器的挡墙状态完整性检测方法。采用分辨率较高的路侧激光雷达传感器采集车辆行驶区域的挡墙点云数据,采用多边形区域滤波及体素栅格化获得完整的挡墙点云数据。采用滑动寻迹搜索技术,沿着挡墙延伸方向将其划分成子单元,以适应不同形状挡墙。针对矿区场地不平整及远处点云数据稀疏带来的误检问题,采用高度差阈值和密度阈值双阈值法,通过检测子单元的缺陷情况得到整个挡墙状态的完整性检测。采集了内蒙古某矿区“L”型、“S”型挡墙的点云数据,并在有遮挡和无遮挡的场景下进行现场试验,结果表明,该检测方法对不同形状挡墙的缺陷均具有较强的检测能力,能够实时识别并标记出点云数据的破损部位。