基于RANSAC算法的隧道点云横断面提取

针对最小二乘法对所有点(包括"局外点")拟合难以得到最佳线性参数的问题,本文基于RANSAC算法对观测值随机抽样进行参数估算,判断符合模型的"内部点"为一致集,并通过迭代得到足够的一致集,最后设计试验验证该算法的适用性;对隧道点云采用基于中轴线方法进行边界提取,以及三维激光扫描用于生产实践提供参考意义。

基于PCA算法的隧道点云横断面特征提取研究

三维激光扫描点云数据存在大量“边界噪声”,采用最小二乘方法拟合平面时,采用了包含“边界噪声”的所有三维点集,导致拟合效果较差,主成分分析(PCA)方法通过降维能够提取出数据的隐含特征,对边界噪声点云较为敏感。本文结合两种方法,通过设计实验进行拟合平面方法的适用性和可行性验证,计算隧道点云平面特征,提取任意点云横断面,为三维激光扫描技术提取隧道点云横断面的应用提供了指导意义。