基于三维激光点云数据的电力电缆绝缘缺陷识别

针对电力电缆绝缘缺陷识别精准度较低的问题,提出一种基于三维激光点云数据的电力电缆绝缘缺陷识别方法。利用剪裁法增强原始三维激光点云数据,通过区域生长法与最小二乘法完整获取电缆绝缘材料的三维结构面信息。借助Canny边缘检测方法求解电缆绝缘表面缺陷与内部缺陷边缘信息,自动识别出电力电缆绝缘的缺陷位置及缺陷类别。结果表明,所提方法可以精准识别电缆绝缘表面的划痕缺陷、电缆外屏蔽表面起泡和孔洞缺陷,识别耗时短,鲁棒性较优,具有较高实际应用价值。

基于DBSCAN的三维点云缺失数据分类系数优化仿真

针对三维点云数据质量不理想造成的分类困难问题,提出基于DBSCAN算法的三维点云数据分类优化方法。预处理三维点云数据,填补缺失数据,保证数据完整性。通过直通滤波法剔除远离三维点云主体的无效点,采用K-D tree和KNN算法改进统计滤波,滤除三维点云数据中的离群点,优化原始三维点云数据质量。引入天牛群优化算法改进DBSCAN算法,利用天牛群优化算法选取DBSCAN算法的邻域搜索半径和搜索邻域中包含的最小对象数两个参数,将优化后三维点云数据输入改进的DBSCAN算法中,实现三维点云数据分类。实验结果表明,所提方法C-H系数和轮廓系数更大、D-B系数更小。

大数据时代高校空间信息类专业中的点云智能处理教育与探索

目的:当前,随着大数据、云计算、物联网与人工智能等新技术的迅速发展以及在各学科的渗透,以海量激光点云为数据基础的数字现实时代已经来临,要求点云数据处理课程面向大数据智能化推进理论和实践教学改革。方法:文章以南京邮电大学物联网学院的本科课程——点云智能处理与应用为例,阐述该课程的教学体系及课程教学内容、实践教学内容的设计,并结合当前新型激光传感器与车载、机载等移动平台以及人工智能数据处理算法发展成果,将相关大数据智能化领域的新技术、新理论以及新案例融入传统课程教学中,摒弃以往僵化的教学模式,采用整体性思维重新组织与设计教学内容,完善学生的知识体系;强化实践教学设计与提高科研竞赛参与度,在实践与科研竞赛活动中实现与理论知识的融会贯通;综合应用问题驱动法与案例教学法等多种教学方法,增强学生的学习积极性,实现此课程的初步改革设计。结果:实践表明,通过以上教学与实践改革,学生的课程参与度明显提高,学生的独立思考能力得到锻炼,实践操作水平进一步提高。结论:文章的研究为大数据智能化时代空间信息类专业相关课程改革与实践以及培养具有人工智能背景的专业人才提供了参考,具有一定的借鉴价值。

基于三维激光点云技术的城市轨道交通线路空间数字底座建设

[目的]为推动上海轨道交通数字化转型、高质量发展,需通过建设数字孪生模型,打造统一、权威、精准的空间数据底板,为线网规划、建设、运维、管理等涉及空间地理的应用场景提供空间数据服务。[方法]结合实际场景和存量数据,采用三维激光点云、卫星遥感及无人机等技术进行三维重建,生成空间数字底座模型。利用手持式三维激光扫描仪采集城市轨道交通专题空间数据,将采集的点云数据模型单体化,利用GIS(地理信息系统)将城市轨道交通实景三维模型、规划和控制数据以及各种空间基础地理数据接入可视化平台,建立“全空间、全周期、全要素”空间数字底座。以上海轨道交通九亭站为例,制作站场分层平面图和三维实景模型,将模型文件与各种属性信息进行挂接后接入城市轨道交通线路空间数字底座中。[结果及结论]城市轨道交通线路空间数字底座结合空间基础地理数据,可为线网“规划—设计—管理—运营”提供统一的空间地理服务。将车站三维实景模型以及建设中征地范围信息接入空间数字底座中,便于开展城市轨道交通房地和固定资产日常管理,为城市轨道交通日常运营和管理提供权威、准确、直观的决策依据。

地面三维扫描点云数据生产流程简析

地面式三维扫描系统可以在极短时间内获取仪器视野内物体表面的坐标、反射率、色彩等数据,再通过转站扫描、数据拼接等内业处理,生产出准确、高效、多用途的三维点云数据模型。三维激光扫描技术突破了传统测量仪器单点测量的局限,能够在极大程度上还原现场,不仅能在传统测量领域发挥特长,还能够应用到工业逆向工程、建筑工程BIM管理、古建建模、事故现场复原等众多行业领域中。文章结合生产实践,从细节上阐述了点云数据实际生产流程及关键技术处理。

三维点云数据采集与拼合技术的研究与应用

本文旨在全面探讨三维点云数据采集、处理及拼合技术的原理、方法及应用。首先介绍了三维点云数据采集技术的三种主要方法。其次,探讨了三维点云数据处理技术。再次,重点研究了三维点云数据拼合技术,这些方法为三维点云数据的完整性和精确性提供了有力保障。最后,分析了三维点云数据在地质灾害防治、城市建设和文物保护等领域的应用,展示了其广泛的应用前景。通过本文的研究,得出了三维点云技术在数据采集、处理及拼合方面的高效性和准确性,以及其在多个领域中的广泛应用价值。

点云数据与倾斜影像的古建筑三维模型构建

针对古建筑三维建模中使用单一技术手段测量导致的结构缺失、精度低、图像拉花和破洞等问题,研究基于倾斜影像与点云数据的古建筑三维模型构建方法。使用无人机和激光扫描仪采集古建筑的倾斜影像数据和激光点云数据,并预处理上述数据,通过新特征点配准算法实现两种数据融合,得出准确完整的古建筑三维数据。提取古建筑的轮廓线,使用Revit软件构建古建筑三维模型,对所得模型纹理贴图,实现古建筑的三维模型构建。实验结果表明:该方法可以获取完整的、高精度的古建筑三维数据,以此构建的古建筑三维模型的精准度和完整度都很高,而且结构清晰、纹理清楚、效果逼真,具有优秀的建模性能。

基于激光点云数据的地物分类与城市三维模型构建

为了解决传统方法地物分类和城市模型构建中精度低和效率低的问题。本文提出基于激光点云数据的地物分类和城市三维模型的构建。在地物分类方面,讨论了特征提取、特征选择以及分类算法等步骤。对于城市三维模型构建,阐述了数据获取、数据预处理、特征提取、模型生成和模型优化等关键步骤,并利用最小二乘法进行城市模型的构建。实验结果表明:本文方法可以有效提高地物分类精度及模型构建效率。

基于机载LiDAR点云数据的建筑物三维模型重建方法研究

根据建筑物点云的分布特征,提出一种机载LiDAR点云建筑物三维模型重建方法。首先,利用布料模拟滤波算法剔除地面点,实现包含建筑物点云在内的非地面点提取,并利用最大类间方差法提取建筑物点云;其次,使用Alpha Shape算法提取建筑物点云中边缘点,并规则化处理建筑物轮廓线,通过屋顶分割算法提取建筑物屋顶信息;最后,使用SharpGL工具进行建筑物三维模型重建。以某地级市某地区机载LiDAR点云数据为例进行实验,结果表明该方法进行建筑物三维模型重建具有较高的精度与效率,适用于城镇复杂区域建筑物三维模型重建。

三维激光点云技术在智慧城市空间信息测绘中的应用

引言 随着大数据、人工智能、数字孪生、物联网等相关技术的发展,智慧城市技术底座已经形成,在打造城市数据终端模型的同时,还需要精准的空间信息作为支撑。本文以智慧城市空间测绘为研究对象,在对智慧城市概念进行简要论述的基础上,介绍城市空间信息测绘技术的发展情况,并从实际应用角度出发,重点研究三维激光点云技术在智慧城市空间信息测绘中的应用情况。

太子湾项目关于倾斜影像与点云数据的三维建模及应用

为研究倾斜影像与点云数据在三维建模与BIM技术应用中的关键作用,以广东深圳市南山区太子湾学校项目为例进行了探讨。文章首先对项目的基本情况进行了介绍,内容涉及用地位置、面积和施工指标等。然后对BIM技术在建筑行业的协调优势进行了详细的阐述,尤其强调了其在工程实施效率和降低风险方面所带来的正面效应。随后,包括施工BIM模型深化、管线全面优化排布和净高分析、可视化体验的重要性等,对太子湾学校项目中倾斜影像和点云数据的应用进行了深入分析。最后分析在应用过程中可能遇到的倾斜影像和点云数据方面的问题成本问题、处理数据的复杂程度以及隐私保护等方面的问题。

基于倾斜影像与点云数据的古建筑三维模型构建

针对古建筑三维建模中使用单一技术手段测量导致的结构缺失、精度低、图像拉花和破洞等问题,研究基于倾斜影像与点云数据的古建筑三维模型构建方法。使用无人机和激光扫描仪采集古建筑的倾斜影像数据和激光点云数据,并预处理上述数据,通过新特征点配准算法实现两种数据融合,得出准确完整的古建筑三维数据。提取古建筑的轮廓线,使用Revit软件构建古建筑BIM三维模型,对所得模型纹理贴图,实现古建筑的三维模型构建。实验结果表明:该方法可以获取完整的、高精度的古建筑三维数据,以此构建的古建筑BIM三维模型的精准度和完整度都很高,而且结构清晰、纹理清楚、效果逼真,具有优秀的建模性能。

无人机倾斜飞行与激光点云数据融合的三维建模技术研究

无人机(UAV)在测绘领域具有显著的应用价值,倾斜摄影技术的发展更是使得三维测图技术大步前进。本论文通过激光点云与倾斜摄影无人机数据融合,提出了一种新的三维建模方法。通过采集大量的实验数据,调整无人机的飞行姿态,实现了倾斜摄影的空中拍摄。然后,激光点云数据融入进来,提供更为精确的地面信息,从而实现了三维地景的高精度重建。研究表明,该方法不仅可以提供高质量的三维模型,且在建模精度和计算效率方面,都优于之前的方法。这项技术的研究与发展,对于未来无人机测绘、城市规划、环境监测等领域,都有重要的参考价值。

基于点云数据的变电站三维建模方法研究

为提高变电站后期监测与运维管理能力,运用三维激光扫描技术,构建基于点云数据的变电站三维模型。首先,运用三维扫描设备采集变电站点云数据,通过概率统计方法、自适应密度体素滤波算法(adaptive density voxel filtering algorithm,ADVFA)及基于密度的空间聚类算法(density-based spatial clustering of applications with noise,DBSCAN)对变电站点云数据集进行顶部与地面切除、压缩和去噪预处理,减少数据运行的难度与时间。其次,构建变电站电气设备点云数据快速提取方法和匹配模型,由特征编码、特征解码和特征学习3个模块组成邻域特征聚合方法对预处理后的电气设备点云数据进行分割提取,基于图像识别的快速匹配方法,完成分类设备点云与模型库设备种类的相对匹配,提高电气模型精细匹配效率。最后,通过算例分析验证所提出的基于点云数据的变电站三维建模方法的有效性和合理性。

基于激光点云数据与三维可视域分析的变电站摄像机配置

为解决变电站摄像机布点主观性强、点位配置验收难度大等问题,提出了一种基于激光点云数据与三维可视域分析的变电站摄像机优化配置方法。该方法通过激光点云技术对变电站设备建模,并根据变电站设备智能巡视点位配置标准,采用三维可视域分析算法智能生成摄像机安装布点方案,实现变电站远程巡视摄像机自动化与精细化布点工作。结果表明,此优化布置方案相比传统布置方法投入摄像机数量更少,点位覆盖率与冗余覆盖率更高。

基于三维点云数据的接触线摩擦磨损检测方法

随着我国经济社会的发展,电气化铁路逐渐成为铁路运输中不可或缺的一部分。接触线局部磨耗对接触网的经济运行指标有很大影响,直接威胁着供电安全。为了检测接触线的摩擦磨损情况、保障供电安全,提出了基于三维点云数据的接触线摩擦磨损检测方法。在检测过程中,该方法可以通过对接触表面的三维点云数据进行分析和处理,来评估接触线的磨损情况。

改进的3D-BoNet算法应用于点云实例分割与三维重建

为了更好地利用点云数据重建室内三维模型,本文提出了一种基于3D-BoNet-IAM算法的室内场景三维重建方法。该方法通过改进3D-BoNet算法提高点云数据的实例分割精度。针对点云数据缺失问题,提出了基于平面基元合并优化的拟合平面方法,利用拟合得到的新平面重建建筑表面模型。在S3DIS和ScanNet V2数据集上验证3D-BoNet算法的改进效果。试验结果表明,本文提出的3D-BoNet-IAM算法比原始算法分割精度提高了3.3%;对比本文建模效果与其他建模效果发现,本文方法的建模效果更准确。本文方法能够提高室内点云数据的实例分割精度,同时得到高质量的室内三维模型。

基于三维点云的采后香蕉表征褐变定量评估方法

【目的】研究采后香蕉的表征褐变并评估其衰老程度对香蕉保鲜管理至关重要,本研究致力于解决传统人工测量香蕉表征褐变存在的劳动强度大、效率低下的问题。【方法】提出一种基于三维点云的采后香蕉表征褐变过程定量评估方法。首先利用三维扫描仪获取香蕉的三维点云模型,重构出香蕉的几何模型;然后使用欧式聚类对香蕉几何模型进行点云滤波降噪处理;再结合图像阈值分割法与散点轮廓算法(Alpha Shapes)求出香蕉的体积、表面积和黑斑面积;最后利用傅里叶函数对香蕉表面黑斑变化过程进行模拟,确定香蕉表征褐变过程的评估模型。设计本算法与溢水法测量实际香蕉体积、手绘测量面积的对比试验。【结果】拟合香蕉的生长函数,回归直线对观测值的拟合程度R2=0.9816>0.75,验证了算法的有效性。对比试验结果表明,本算法与实际测量值的平均相对误差小于1%,验证了该算法的准确性和可行性。【结论】本研究可为香蕉的保鲜管理提供数据及技术支撑。

遮挡条件下多视角甜椒果实点云三维重构方法

为进行表型原位自动化测量,实现甜椒数字化育种和管理,针对原位果实表型测量中的目标遮挡问题,提出一种多视角甜椒果实点云的三维重构方法。通过虚拟叶片的方法,创建增强数据集,建立基于YOLO v5算法的甜椒果实识别模型,实现对不同遮挡程度果实的识别,同时,构建考虑果实位置与遮挡程度的果实表型采集算法,实现多视角的果实三维数据采集。最后,配准甜椒果实三维点云,提取甜椒表型参数,并通过温室甜椒果实表型,对点云重构方法的有效性进行验证。相较手动测量数据,果实果宽平均相对误差为1.72%,果高平均相对误差为1.60%。试验结果表明,本文所提出的甜椒原位表型点云重构方法,可为遮挡条件下作物表型提供有效的解决思路和可行方法。

Myvoxel R-CNN:基于体素的三维点云目标检测模型

围绕目前三维点云目标检测中存在的特征提取不充分、困难(Hard)目标检测准确率低、模型泛化能力有待提高等问题,提出了一种新的单模态三维点云目标检测模型Myvoxel R-CNN,该模型由3个主要模块组成,分别是3D主干网络、2D鸟瞰区域建议网络(2D主干网络+区域建议网络(RPN))以及检测头,在3D主干网络中添加了多头自注意力模块和基于稀疏卷积的残差块,增强了3D主干网络的体素特征学习能力,捕获了更多数据和特征内部的相关性.设计了一个由注意力融合模块组成的2D主干网络,增加了原模型对2D特征的关注度.为了进一步增加所提出模型的泛化性,引入了一种新的数据增强方案——随机局部金字塔数据增强方法,以形状感知的方式生成增强对象样本.在KITTI数据集上,本模型对汽车Hard级别的检测精度AP 3D提升了约2.23%,此外简单(Easy)和中等(Moderate)类别分别提高了约0.60%和0.62%,对行人Easy级别的检测精度AP 3D、AP BEV分别提升了约0.62%和0.86%,Hard级别的AP 3D、AP BEV分别提升了约1.45%和1.53%,实验结果表明,Myvoxel R-CNN在KITTI数据集上的表现优于其他方法.