基于多维度特征和MLP的岩体点云植被滤波方法

岩体点云滤波是岩体三维重建的关键环节。针对岩体点云环境,提出一种基于多维度特征和多层神经网络的植被滤波方法。该方法首先计算点云中每一点的多维度特征作为特征输入;然后利用多层神经网络构建分类器实现对岩体点云数据的植被滤波过程。分析多维度特征的可用性,并通过不同的实验过程筛选最优网络模型参数。与其他分类器相比,本算法精度较高,能够更好地应用于岩体点云植被滤波领域。

基于面提取的三维岩体点云孔洞检测与修复方法

在岩体工程中,由于扫描测量角度、障碍物的阴影和遮挡等因素,使用激光扫描仪扫描得到的岩体点云数据往往包含孔洞,影响后续三维重建的效果。现有的修复方法主要针对规则的点云数据,依据孔洞邻域信息对点云孔洞进行修复,对岩体点云孔洞的检测与修复效果欠佳,且效率低。从岩体点云数据特征出发,提出一种基于平面提取的岩体点云孔洞检测与修复算法。首先,应用一种优化的区域生长算法对岩体点云进行平面提取,然后遍历所有点云并检索其k邻域点集,将其映射至对应平面,计算邻域夹角,实现孔洞检测;最后将点云孔洞根据边界点集的对应平面数量进行分类,在对应平面上新增采样点实现点云孔洞修复。本算法通过平面提取实现了点云数据的去噪和平面拟合过程,简化后续的孔洞修复流程,降低时间复杂度。实验结果表明,与已有算法相比,本算法对大型不规则岩体点云孔洞的检测、修复准确率和运行效率更高,修复效果更佳。

基于匹配点逐层过滤的岩体点云配准方法

岩体点云配准是岩体三维重建与分析的基础。经典的点云配准方法虽然能够很好地适用于普通点云,但对于岩体点云并不能获得足够的精度。由于岩体点云表面结构复杂,且大部分区域为平面,基于岩体点云的这些特点,提出通过几何特征逐层过滤匹配点的岩体点云配准算法,引入匹配点对的协方差矩阵的特征值和特征向量矩阵,以及曲率、主方向等几何特征逐层过滤匹配点对,精确地找到匹配点对。在不同岩体点云上的实验测试与分析结果表明,该算法在准确度上有明显优势。