虚拟现实场景图像点云大数据展示仿真

虚拟现实技术可以利用计算机图像建模技术构建虚拟空间,通过视觉效果增强现实效果。但是,由于虚拟场景特征点较多,且密度较大,复杂场景的三维重建和展示的难度较高。提出基于图像点云大数据的虚拟现实场景展示方法。利用Kinevt v2设备获取虚拟现实场景两帧图像及点云数据,通过对点云数据的滤波处理,优化虚拟现实场景重构精度。基于滤波处理,提取虚拟现实场景两帧图像的特征点,并匹配特征点,构建三维场景重建模型。将三维场景重构模型与配准后的点云数据、场景颜色信息相融合,完成模型的可视化,实现虚拟现实场景的展示。实验结果证明了研究方法展示的虚拟现实场景特征信息更完整,在图像滤波处理前后,研究方法的虚拟现实场景特征点提取效率均更高,总耗时在7ms以内,且研究方法应用下图像处理器占用的空间内存低于20MB。

面向调线调坡的点云大数据分析及深度模型研究

已建成的隧道与原始的设计隧道之间的偏差信息对于地铁线路的安全调整非常重要。然而,目前还没有明确的数学公式能够准确地描述和度量这个偏差。目前主流的做法是通过人工测量具有相同间隔的截面的侵限值,并对这些侵限值进行累加求和,最终得到该偏差,这种方式存在误差大、耗时、成本高等缺点。为了解决这些问题,提出了一种新的基于深度神经网络的偏差表示方法,其能够基于点云大数据学习到设计线路的参数与侵限值之间的内在联系,进而预测出能够使得侵限值的和最小的参数,这些参数可以被用来辅助地铁线路的安全调整。在一个采集于实际地铁工程中的数据集上的实验结果表明,该方法能快速地计算出合适的调线调坡方案,并且只需要很少的计算机内存资源。

点云数据虚拟场景图像智能展示仿真研究

为了提供更真实、自然的虚拟现实体验,为用户提供舒适的体验效果,提出一种基于图像点云大数据的虚拟现实场景展示方法。采用体素化网格滤波器对图像点云大数据滤波处理,基于旋转图像特征描述子改进迭代最近点算法,用于图像点云大数据配准,再通过包围盒法建立点云K-邻域,结合曲率信息和均匀网格精简点云,对场景深度加以分析,基于获取的深度信息利用Unity3D实现虚拟现实场景展示。仿真结果表明,通过所提方法得到的虚拟现实场景展示效果更为理想,避免了点云精简过度的问题,亮度和饱和度更为自然,更符合人眼对图像的要求。

点云智能研究进展与趋势

随着以激光扫描、倾斜摄影为主的各种现实采集(reality capture)装备的快速发展,点云已成为继矢量地图和影像数据之后的第三类重要的时空数据源,并在地球科学、空间认知、智慧城市等科学研究和工程建设中发挥越来越重要的作用。如何从点云大数据中快速、准确获取精准有效的三维地理信息成为测绘地理信息领域的科学前沿和地学应用研究的迫切需求,也是三维地理信息获取与建模面临的重大难题。点云智能应运而生,并成为突破上述难题的科学途径。本文围绕点云智能中的三个重要方向:点云大数据处理的理论方法,点云大数据智能处理关键技术和重大工程应用,阐述点云采集装备、智能化处理,以及科学研究与工程应用的最新进展,最后对点云智能的重要发展方向趋势予以展望,希望为点云研究相关人员提供科学参考。

基于大数据分析技术的激光三维图像重构研究

基于多景深融合模型的激光三维图像重构方法难以应付大规模点云大数据处理问题,为解决此问题,研究基于大数据分析技术的激光三维图像重构方法。采用基于MapReduce算法的计算模型处理激光三维图像的点云大数据,使用K-means聚类算法分割处理完成的激光三维图像点云大数据,读取分割完成的点云大数据,通过OpenGL应用程序接口设置数据点的颜色、纹理、贴图等元素,变换视线、视点方向,重构激光三维图像。实验结果表明,所提方法根据原始点云大数据可有效重构激光三维图像,平均用时在11.3ms左右,重构精确度均值高达98.1%,是一种高效、准确的激光三维图像重构方法。