大型古建筑维护中残缺区域视觉施工测量优化

在大型古建筑物测量的过程中,由于残缺区域边界纹理特征分布极为复杂,造成残缺区域特征在图像重构的过程精确度降低,导致难以进行准确测量。提出一种基于边界特征自动提取算法的大型古建筑残缺区域施工测量方法。根据残缺区域边界的曲率计算结果,结合种子格栅选取和自动区域生长等方法将大型古建筑残缺区域的关键数据点从背景中进行有效分离,根据多边形细分和离散光顺相关原理对大型古建筑残缺区域的边界进行重构,提高了大型古建筑测量的准确度。试验结果表明,利用边界特征自动提取算法能够有效将大型古建筑残缺区域进行重构,极大地提高了大型古建筑测量的准确度。

影像边缘特征与LS-SVM的点云边缘残缺区域修补方法

针对点云修补过程中点云边缘的残缺区域边界信息的不确定性问题,本文提出了一种基于影像边缘特征与LS-SVM的点云边缘残缺区域修补方法:首先将影像与点云进行配准,并利用亚像素边缘检测算法提取目标边缘特征;然后构造一特征平面,同时将训练样本集与目标边缘特征投影至该平面,以确定重采样范围与点位;通过利用最小二乘支持向量机回归方法,获得残缺区域的曲面方程并进行重采样,最终完成修补。实验证明,该方法得到的修补点云与原始数据融合平滑,修补效果符合实际目标的特征。