面向磁浮轨道的多源点云数据的混合滤波方法

在磁浮轨道的仿真数据处理过程中,磁浮轨道点云数据的滤波提取是重要环节之一,实际应用应根据待提取的磁浮数据特性,采用高效的滤波方法。磁浮轨道的点云数据对象主要包括由无人机(UAV)倾斜摄影获取的磁浮轨道的图像数据并经过三维重建后形成的稠密点云数据、由手持式激光雷达扫描磁浮轨道获取的激光点云数据。根据这两种点云的数据特性,考虑磁浮轨道四周复杂场景的点云环境,分别对两种点云进行混合滤波。首先,对激光点云数据采用八叉树下采样方法,有效降低了点云数据的数量级,节省了运行时间。然后,分别对激光点云与稠密点云数据采用布料模拟滤波(CSF)方法,过滤了地平面点云数据,保留了非地面点云数据;采用统计离群点去除(SOR)滤波方法,筛除了大量离群点;根据磁浮轨道特征,采用直通滤波过滤了坐标范围外的点云数据。实验结果表明,在不影响磁浮轨道结构的前提下,对于采用八叉树下采样方法的激光点云数据和没有采用八叉树下采样的稠密点云数据,该方法的滤波率分别为86.15%和64.76%,经混合滤波后的两种点云数据的结构近似,点云数量处于同一数量级,为磁浮轨道点云特征提取等后续任务提供了有效保障。

一种复杂地形场景点云的WOA-CSF自适应性滤波方法

为解决布料模拟滤波算法(CSF)自适应性不高的问题,提出了一种基于鲸鱼优化算法(WOA)和自适应参数调整的改进CSF算法(WOA-CSF)。本文首先构造以误分类点云误差率最小为标准的适应度评价函数,然后采用WOA算法对CSF算法的四个参数进行自适应寻优,构建了WOA-CSF滤波算法,最后开展了WOA-CSF算法与CSF算法滤波实验的对比研究。实验结果表明:WOA-CSF算法在城市、乡镇、村庄和山区等四种复杂环境下平均Kappa系数从68.33%提升到81.54%,平均总误差率从10.54%下降到6.62%,平均I类误差率从25.87%下降到6.77%,在复杂场景下较好地滤除非地面点的同时,又极大程度上保留了地形特征。

基于无人机和点云滤波的边坡灾害识别方法

为解决传统公路边坡灾害识别方法风险大、成本高以及植被覆盖情况下灾害识别困难的问题,采用无人机倾斜摄影与机器学习技术,构建了一种面向复杂地形环境的点云滤波和灾害识别方法。首先通过无人机倾斜摄影技术获取多角度高清边坡影像,重构高精度边坡三维点云模型;接着利用支持向量机(SVM)机器学习算法,训练和建立基于公路边坡表面形态特征的SVM点云分类模型,对边坡地面与植被点云进行识别与分类,获取滤除植被的边坡表面点云数字高程模型(DEM);最后采用DEM差分算法(DoD)对不同调查时期获取的边坡表面DEM进行地形变化检测,根据三维模型变化检测结果获取边坡灾害具体信息以及变化云图,从而实现公路边坡隆起、塌陷、落石等灾害的自动识别。将该技术应用于长沙市某公路边坡工程灾害调查,成功识别出的边坡隆起区域面积约为621.93 m^(2),平均隆起高度1.13 m,塌陷区域面积约为460.42 m^(2),平均塌陷高度0.82 m,边坡灾害区域的总土方量约为1081.06 m^(3),构建的植被点云滤波方法准确率优于98.4%。研究结果表明:构建的基于SVM与DoD算法的点云滤波和无人机边坡灾害自动识别方法,具备准确滤除植被、快速识别及量化边坡灾害的能力,且对复杂地形条件下的边坡具有较强适用性。

激光点云滤波技术在植被分布调查中的应用

研究了机载激光雷达点云滤波技术在植被分布调查中的应用方法及效果。以RY县PK林场为案例分析对象,首先根据地质气候条件及测绘目标成像需求对航测设备、雷达设备进行选型;其次利用点云滤波技术,对PK林场点云数据进行采集与建模,并实现地块识别与分类;再次,针对十年间地块植被变异情况进行点云差异化建模,分析地块内植被空间变化情况;最后对研究成果进行误差分析,得出运用无人机航测设备、激光雷达测绘设备、点云模型建模系统等,可以为森林治理、土地调查等工作提供可靠的数据基础的结论。

一种近似芯片级尺寸的小型化微带点频滤波器

射频滤波器作为具备信号筛选功能的射频器件,对现代通信系统而言具有举足轻重的地位。随着通信技术的不断更新迭代,要求射频滤波器具有小型化以及低成本的特点。目前,利用半导体工艺可制作尺寸极小且性能佳的芯片级滤波器,但研发成本普遍过高。文中使用薄膜工艺,通过对滤波器的结构、材料、性能指标进行综合考量,设计了一款适用于点频源、跳频源模块中使用的微带点频滤波器。通过仿真软件HFSS进行建模仿真并对加工工艺进行误差分析,成功得到了一款通带在12 GHz±15 MHz的微带点频滤波器,其尺寸为2.5 mm×3.5 mm×0.127 mm。测试结果表明,性能曲线达到设计指标,成功验证了设计的可行性。

点云滤波算法构建矿山开采沉陷模型的对比研究

针对现有机载LiDAR点云滤波算法缺乏详细对比的问题,本文以西部矿区某工作面地表沉陷区为试验区,选择渐进形态学滤波、三角网渐进加密滤波和基于坡度阈值滤波3种经典的算法去噪,并分析了算法的适用性。试验结果表明,在地表起伏明显、植被稀疏的陕北矿区,采集的点云数据利用三角网渐进加密滤波得到去噪后的点云建模效果最优。试验结果可为矿区开采沉陷精细化建模提供重要的技术手段。

基于LiDAR点云滤波技术的风电场地形图处理方法

随着无人机技术在风电场地形图测绘中的广泛应用,随之带来DEM精度的不断提高。但是在存在大量植被和居住地的地区如何剔除非地面点将DSM转化为DEM则显得尤为棘手。通过简单分析几种常用的LiDAR点云数据滤波技术,比较优劣后深入探讨布料模拟滤波算法,将布料模拟滤波算法应用于风电场地形图等高线的绘制,为更好地解决采用无人机航测技术进行风电场地形图测绘提供一种解决思路。

一种改进的车载激光扫描点云滤波算法

为了提高车载激光扫描点云滤波精度,同时解决目前点云滤波算法中存在的人机交互多、参数不易把控等问题,本文在经典不规则三角网(Triangulated Irregular Network,TIN)迭代加密滤波算法的基础上,优化地面种子点选取与进行格网大小自适应变化,提出了一种改进的TIN迭代加密滤波算法。该改进滤波算法实现非地面点滤波的主要途径为:首先,对原始车载点云数据构建格网,通过计算邻域卷积以及构造虚拟种子点实现地面种子点的确定;其次,根据设置阈值条件将待判断激光点加密至TIN中;最后,通过自适应改变格网大小并进行迭代滤波完成地面点提取。使用两段城市典型道路车载激光扫描点云数据进行实验,结果表明本文改进滤波算法的滤波性能更好,具有较好的地形适应性。

车载激光点云组合滤波算法

为了解决传统车载点云滤波算法无法有效剔除地形坡度较大区域非地面点的问题,本文结合布料模拟滤波(CSF)算法与传统不规则三角网(TIN)的特点,提出一种基于CSF算法的改进TIN滤波算法。首先,使用CSF算法对原始点云进行滤波处理,获取初始地面点;其次,使用改进TIN滤波算法对CSF算法滤波结果进行进一步滤波,通过邻域卷积和选取种子点与构造虚拟种子点,根据滤波次数改变格网大小进行迭代滤波。使用两组地形条件不同的城市道路点云进行试验,对比不同滤波算法的滤波结果。结果表明,本文提出的组合滤波算法能够有效弥补单一滤波算法的不足,能够较好地适应城区情况。

WPA-CSFTC模型在点云滤波中的应用

为了提升经典布料模拟滤波(CSF)算法的点云滤波精度、自适应性以及稳定性,本文提出了一种基于狼群算法(WPA)与地形认知的CSF算法。该改进滤波算法实现点云滤波的思路为:首先,将构建的地形认知模型扩展为粗精度数字高程模型(R-DEM);其次,通过点云地形归一化处理,将地形趋势与地形细节分离;最后,将经WPA优化后的CSF算法用于点云滤波中。使用某实测机载激光点云数据进行实验,并使用误差评判标准与Kappa系数对滤波结果进行精度评价。结果表明,WPA-CSFTC模型的点云滤波总误差较经典CSF算法与CSFTC算法分别降低了6.13%、9.67%,Kappa系数较经典CSF算法与CSFTC算法分别提升了23.60%、10.36%,对于点云分类效果更优,具有较高的点云滤波稳定性与自适应性。

利用不同点云滤波算法构建矿山开采沉陷模型的对比研究

针对现有机载LiDAR点云滤波算法缺乏详细对比的问题,以西部矿区某工作面地表沉陷区为试验区,选择渐进形态学滤波、三角网渐进加密滤波和基于坡度阈值滤波3种经典的算法去噪,并分析了算法的适用性。试验结果表明,在地表起伏明显、植被稀疏的陕北矿区,采集的点云数据利用三角网渐进加密滤波得到去噪后的点云建模效果最优。试验结果可为矿区开采沉陷精细化建模提供重要的技术手段。

阵列干涉激光雷达点云滤波在输电线路路径中的应用

输电线路通常需要穿越各种的复杂地貌,导致输电线路路径的施工难度极大、成本极高,因此研究了阵列干涉激光雷达点云滤波在输电线路路径优化设计中的应用。将使用阵列干涉激光雷达收集的输电线路环境三维点云数据进行滤波降噪,同时构建点云数据空间索引模型,进而利用随机森林算法从空间索引模型中提取输电线路路径特征并以此优化路径选择。实验数据显示,该方法的综合评分值为91.357 8,降低了对环境的影响和建设成本,提高了能源传输效率。

机载LiDAR测深点云滤波与分类方法研究

机载LiDAR测深(airborne LiDAR bathymetry,ALB)技术在海岸带、海岛礁等复杂浅水海域的水下地形测量中具有效率高、精度高、机动性强等优势,但受复杂海面、水体环境等多种因素的综合影响,ALB点云中存在大量噪点,直接影响ALB数据成果质量及其应用。为此,论文针对海面异常点导致的海底虚假地形、海底点云过度滤波导致的真实地形细节损失以及如何深度挖掘ALB信息进行高效底质分类问题,分别从海面异常点检测、海底点云滤波和海底点云分类3个方面进行了详细研究。

道路点云的双边与倾斜度信息滤波算法改进

根据以往研究发现,统计滤波算法可以去除道路周围的大部分离群点,使道路边界更加明确清晰,但是统计滤波精化后的道路点云中仍然存在部分混合在道路内部及与道路相连特征相似的非道路点云。而使用双边滤波算法对道路内部近地面点滤波,效果较优,但无法去除与道路相连、特征相似的边缘非道路点。基于此两种算法的优缺点,本文提出一种结合双边滤波与倾斜度信息的滤波算法——倾斜度滤波算法,使之在保持原算法优点的基础上,提高其对点云的特征保持以及对道路边缘点的滤波能力。实验表明:①倾斜度滤波后道路边缘处的非道路点云明显去除;②倾斜度滤波后提取的最终直路点云准确性相较于双边滤波算法提升了5.98%,倾斜度滤波后提取的最终弯路点云准确性相较于双边滤波算法提升了3.53%。因此,倾斜度滤波算法可进一步提高点云滤波的精度。

基于改进的不规则三角网的密集匹配点云滤波与应用

密集匹配点云作为一种新型数据,被广泛应用于各种地形图测绘生产,针对现阶段密集匹配点云滤波技术尚不成熟的问题,本文利用一种改进的不规则三角网加密滤波算法,通过建筑物立面选取地面种子点,结合高程排序构建不规则三角网进行地面点云滤波,并与传统不规则三角网加密滤波算法进行对比,结果表明:改进的算法在地面滤波过程中,选取的地面种子点更加准确。对于不同的地形,此算法具有一定的适用性,在地形平坦区域总误差为9.3%,地形复杂区域总误差为12.9%,匹配精度提升了20%~30%,取得了较好的滤波效果。

基于阈值自适应确定的多波束点云滤波算法

针对水下多波束地形测量点云去噪问题,提出了一种基于阈值自适应确定的点云滤波算法。首先引入虚拟网格对多波束点云进行分区编号,并采用二次分层统计法剔除显著离群噪点;其次归一化计算网格内种子点与邻域各点的坡度角,引入k-Medoids聚类算法自适应更新坡度阈值;最后按照多尺度滤波窗口逐级对点云进行迭代运算,得到精细化地形点云。2个实验区的多波束点云滤波实验结果表明,本文算法能较好去除多波束点云的噪声和非地形点,有效提高坡度阈值的自适应性,滤波精度有明显提升,可以适用于大规模的多波束点自动化云滤波工作。

矿区沉陷DEM多重滤波方法研究

针对传统地表移动监测方法周期较长、工作量大的问题,通过无人机LiDAR和点云滤波获取地面点云,并构建沉陷DEM,实现地表沉陷监测的方法具有快速、高效的优势;由于现有点云滤波和插值算法构建的沉陷DEM模型仍会包含噪声,限制了该技术在矿区的普及,因此,进一步研究了沉陷DEM噪声的去除方法,对比分析了多重滤波与经典滤波方法。实验分析结果表明:在几种去噪方法中,中值滤波组合维纳滤波的去噪效果最好,保留了下沉盆地的细节特征,能够满足矿区地表形变监测的基本要求。

面向滩涂DEM构建的机载LiDAR点云滤波方法

在基于激光点云构建DEM的过程中,用于区分地面点和非地面点的点云滤波处理至关重要。本文面向基于机载LiDAR点云的沿海滩涂DEM高精度的构建需求,提出了一种机载LiDAR点云的改进坡度滤波算法。首先,采用统计异常值剔除法(SOR)去除原始机载LiDAR点云数据中的噪声;然后,利用规则格网的坡度和高程阈值,设计了适用于滩涂点云数据的地面点坡度滤波方法;最后,选取如东市长沙港的滩涂机载LiDAR点云作为试验数据,构建滩涂DEM,并进行精度检验。试验结果表明,利用本文方法处理后的LiDAR点云构建的DEM精度满足国家与行业标准的要求。

基于深度学习的机载LiDAR点云滤波方法

针对传统滤波方法处理机载LiDAR点云精度不高、自动化程度低和泛用性差的问题,提出了一种端到端的点云深度学习网络模型。首先对原始点云进行几何变换和对坐标增加噪声获取更多数据,提升模型的鲁棒性;其次在深度学习模型中,对点云数据划分网格保留几何信息,网格内采用随机降采样方法提高计算速度;对点云数据存在类别分布不均衡的现象,采用加权交叉熵损失函数,提高模型泛用性;在测试阶段,以原始切片对角线交点为中心增加切片的边长,避免数据几何信息丢失;最后将深度学习模型和布料模拟算法进行比较。实验结果表明该深度学习网络模型在城市、乡镇,村庄和山区4种场景的点云滤波精度平均总误差减少0.223 95、平均kappa系数增加0.136 93,对于地形复杂多变的场景有效保留了地形的各种细节特征,滤波效果较好,具有一定的现实意义。

基于多特征聚类的复杂环境机载点云层次滤波方法

机载激光雷达(LiDAR)点云滤波是点云数据处理的关键步骤,决定着后续派生品应用的精细程度。针对复杂场景区各种地物的交错性和多态性、地形的突变(断裂)性、相邻地物和地面点高程的相似性等导致的难以区分地物点和地面点瓶颈,本文提出了一种基于多特征聚类的点云层次滤波方法。本文方法首先耦合点云几何和物理信息进行多特征点云聚类,然后发展一种顾及地形断裂的地面点簇识别方法捕捉各类地面点,最后利用捕捉到的地面点构建初始地面参考面,并借助多尺度层次点云滤波方法进一步查找原始点云中的地面点。以4组地形复杂且建筑物和植被混杂区点云数据为试验数据,将本文方法与6种代表性滤波算法对比表明,本文方法的平均总误差最小、滤波性能最优、稳定性最高。