基于深度学习的实时点云修补算法

传统点云修补方法对于特征不明显的点云修补效果不佳,为此提出了一种基于深度学习的点云修补算法,算法框架包括自动编码器、对抗生成网络及强化学习模块。该算法首先在潜在空间表征上训练对抗生成网络,然后引入自动编码器网络,自动编码器网络中的编码器可以将输入点云压缩成潜在空间表征,最后引入强化学习模块,为对抗生成网络的生成器选择合适的向量合成完整点云的潜在空间表征。实验表明,该算法可以修补特征不明显的点云,并能在毫秒级别内较为有效地完成点云缺失区域修补。

基于筛选和K最近邻法的三维点云修补方法

现阶段三维点云的数据采集方法因其对物体表面的敏感性,其测量结果中不可避免地存在大量的空洞、毛刺区域。三维点云的修补对于点云数据的进一步分析与应用具有十分重要的意义。针对三维点云数据的修补问题,对训练数据进行分类筛选,避免了误差点对于点云模型修复的影响;结合点云数据的拓扑结构特征,将改进的K最近邻法应用于点云模型修复,得到了贴近实际的点云模型。

改进哈里斯鹰优化算法在匹配地面点云孔洞修补中的应用

针对无人机匹配点云经地面点滤波后存在较多孔洞的问题,本文提出了利用改进哈里斯鹰算法优化最小二乘支持向量机修补地面点云孔洞。首先,利用八叉树结构法对滤波后的点云数据进行地面特征点提取;然后,采用非线性收敛因子和自适应逃脱概率策略对哈里斯鹰算法进行改进,并将其用于最小二乘支持向量机孔洞修补模型的参数优化。试验结果表明,与常规最小二乘支持向量机相比,组合模型的孔洞修补精度提高了34.3%,其稳定性也得到增强,具备一定的时效性和现实性。

HHO-LSSVM算法在匹配地面点云孔洞修补中的应用研究

针对无人机匹配点云经地面点滤波后会存在较多孔洞的问题,提出利用哈里斯鹰算法(harris hawks optimization,HHO)优化最小二乘支持向量机(least squares support vector machine,LSSVM)来进行地面点云孔洞修补。首先利用八叉树结构法对滤波后点云数据进行地面特征点提取,其次采用哈里斯鹰算法对最小二乘支持向量机中的核参数和正则化参数进行优化,并利用组合算法构建匹配地面点云孔洞修补模型。实验结果表明,与单一最小二乘支持向量机相比,组合模型的孔洞修补精度提高了22.3%,其稳定性也得到增强,具备一定的时效性及现实性。

基于改进曲线收缩流方法的点云张开孔洞的虚拟修补

针对现有方法修补点云张开孔洞效果不佳的问题,提出了一种基于改进的曲线收缩流虚拟修补点云张开孔洞的方法。在计算出孔洞边界点的表面法向量和切向量的基础上,根据特征线补全边界缺失部分,组成全部边界;然后得到各边界点切向量垂直平面与边界的交叉点,并与对应边界点构成交叉向量;利用内法向量和交叉向量的加权和计算边界点生长方向,根据原始点云的密度确定生长步长,从而进行修补;最后,利用拉普拉斯平滑算法光顺网格,使网格均匀化,得到最终修补效果。实验结果表明,与基曲面网格添加法、波前法和几何特征修补法对比,基于改进的曲线收缩流方法在高斯曲率分布相似性方面提高26.8%。

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。

不同地形特征下的TLS点云空洞修补精度分析

点云空洞修补是三维激光扫描(Terrestrial Laser Scanning,TLS)技术运用于山地测绘中的一个重要数据处理环节。本文构建了一套基于山谷、山脊和河滩三种地形特征的针对山地测绘的TLS点云空洞修补精度分析方法。并对Geomagic Studio提供的修补算法对不同地形特征下点云空洞中的修补精度进行评价。此外,还通过对比分析实验证明了点云空洞范围内地形特征线的位置与空洞的修补效果之间有密切联系。这为山地区域地面点云空洞修补方法的精度评价提供了一种新的方法。该方法也可以在后期针对复杂地形的点云空洞算法的研究中作为精度验证与评价的方法之一。

基于三维激光扫描技术的土石方精确测算方法

针对常用的土石方测量手段存在测量效率低下、点密度稀疏等问题,该文采用三维激光扫描仪进行测量,可以在短时间内获得大量的点云数据,大大地提高了作业效率和点云密度。经过实验对比分析,三维激光扫描仪与GNSS测量数据一致,三维激光扫描仪测量数据准确可靠。使用一种基于BP神经网络的点云孔洞修补方法对地面点云孔洞进行修补,有效地保证了地面数据的完整性,提高了土石方量计算的准确性。