利用无人机倾斜摄影点云的建筑单体化提取

针对倾斜摄影密集匹配点云难以支撑建筑三维应用开展的问题,提出了一种利用投影点密度和八叉树叶节点连通性聚类的倾斜摄影点云建筑单体化提取方法。该方法充分利用无人机倾斜摄影点云建筑物丰富的立面特征,在不同空间目标特征分析的基础上,依据投影点密度进行建筑物立面识别,引入八叉树叶节点连通性聚类方法对提取的建筑物立面进行进一步分割,从而实现无人机倾斜摄影点云建筑物立面的单体化提取。对实测数据进行验证,结果表明该方法能取得较好的效果,可为基于密集匹配点云的建筑物单体化提取提供借鉴。

基于Otsu的建筑物点云分割改进算法

提出了一种基于Otsu的建筑物点云分割改进算法,针对传统Otsu分割算法在精确性方面的不足提出2点修改意见。首先根据投影点密度理论将三维点云转换为二维灰度图像,再利用Otsu算法及其改进算法对图像进行分割。采用Riegl公司VZ-400激光扫描仪采集的武汉大学信息学部第一教学楼的点云进行分割处理,并与传统的Otsu分割算法进行对比。结果表明,该算法分割正确率可达96.54%,远高于改进前的72.82%。

基于车载激光扫描数据的窗户提取与重建技术

借鉴投影点密度的思想,提出了一套从车载激光扫描数据中提取和重建窗户的方案。首先,将建筑物立面点云投影到立面平面,通过建立不规则三角网(TIN),比较三角形边长来提取窗户边缘点。然后根据边缘点的分布建立格网,计算格网内的投影点密度,分类出代表窗户区域的子块并对同一窗户内的子块进行聚类。将得到的窗户在立面平面上的二维坐标代入立面平面方程,并结合窗户的厚度进行解算得到窗户立体模型各角点的三维坐标。最后利用方案对建筑物立面点云数据进行了具体处理并给出了窗户的提取和三维重建的效果。

基于车载激光扫描数据的电线杆自动识别与定位

本文对车载激光扫描数据进行了研究,将投影点密度(DoPP)与电线杆的几何特点相结合,提出了一种基于激光扫描数据的电线杆自动识别和定位的方法。首先,将车载测量系统获取的激光点云投影到水平面,建立水平格网,设置投影点密度阈值分类出杆状地物所在的格网区域;然后将分类得到的杆状数据拟合成为一条空间直线,以电线杆的几何特性作为期望值和方差,自动识别电线杆;最后,该空间直线与地面网格相交确定电线杆的定位位置。本文算法与T3D Analyst商用软件提取的电线杆进行比较,实验结果表明本文方法行之有效。