一种基于LiDAR点云栅格化的海岸线提取方法

针对当前从三维激光点云中提取海岸线方法的不足,提出了一种基于点云栅格化的海岸线提取方法。首先对点云进行去噪等数据预处理,然后直接将其栅格化生成更为平滑的海岸地形,最后采用中国近海海域潮汐精密模型,从栅格海岸地形中提取基于平均大潮高潮面MHWS(Mean High Water Springs)海岸线。实验表明:此处所提出的点云栅格化方法较当前方法提取的海岸线更可靠、合理,提取效率更高,同时也可用于其他辅助岸线的提取。

融合栅格与表面特征编码的轻量级点云分类网络

点云携带着丰富的三维特征,其分类问题一直是深度学习领域的热点。现有点云分类网络的精度已经较为理想,但参数量与计算量过于庞大,不利于实际场景下的部署。针对该问题,提出一种轻量级点云分类网络GridPoint。首先设计点云栅格化模块Gridding,根据点的坐标位置进行栅格区域划分;然后扩展坐标的高次项函数,对原始点云进行表面特征编码,增强对轮廓特征的表达;最后使用两次全局池化完成局部特征的提取与全局特征的聚合。使用经典点云数据集ModelNet40、ShapeNetCore与真实数据集ScanObjectNN进行分类与消融实验。实验结果表明,GridPoint的分类精度接近PointNet++等主流网络,差距在0.3%~2.3%之间;网络参数量与计算量分别为0.11 M与0.05 G,相较主流网络分别减少了81.7%和88.9%以上,在轻量化方面优势显著,具有良好的实用价值。

栅格型点云数据的自由曲面建模技术研究

通过研究激光线扫描测量原理以及测量数据类型 ,提出一种有效的数据点平滑处理技术和复杂曲面建模方法 该方法包括三个步骤 :首先对测量点数据平滑处理 ;然后进行特征线提取 ,并以特征线为基础对曲面进行分割 ;最后 ,在每块测量点数据上进行以NURBS为基础的曲面构造 ,并将各曲面进行拼接、裁剪 。

图像辅助激光点云的相似材料模型破裂边界提取

针对现有的相似材料实验观测方法获取破裂区域信息效率低以及数据处理复杂的缺点,根据模型点云呈面分布的特征,提出一种图像辅助激光点云的相似材料模型破裂边界提取方法.将模型点云栅格化生成合成图像,并建立点云与图像像素的映射关系,对合成图像进行灰度二值化处理,利用Canny算子提取二值化后图像的边缘,最后根据点云与像素的映射关系获取点云的破裂边界.研究结果表明:该算法可较好的提取出破裂区域的边界,提取的结果可以用于开采沉陷研究当中.

顾及分层动态区域增长的车载LiDAR点云行道树提取方法

行道树的准确提取对生态园林城市建设及城市智慧化发展具有重要意义。但车载LiDAR点云数据中经常出现行道树与近邻地物相互遮掩、连接的情况,从而导致无法准确进行行道树提取。针对这一问题,本文提出一种分层动态区域增长行道树提取方法。首先,通过点云栅格化滤除地面点并根据地物投影特征进行行道树初步提取。然后,根据地物分布特征对点云数据进行等高度分层处理,构建层次化点云空间,进一步获取行道树与干扰地物信息。接着,在层次化点云空间内部进行动态区域增长,获取同一层和相邻层之间的点云属性信息,生成点云聚类簇以区分行道树与干扰地物。最后,根据干扰地物的几何特征和行道树杆状特征,滤除干扰地物实现准确的行道树提取。本文选用激光雷达大会提供的竞赛数据及Open DataLab官网提供的里尔、巴黎两地区街道点云数据进行实验。实验结果表明,本文方法行道树提取的正确率与完整率分别在98.69与97.73之上。本文方法能够在行道树与近邻地物相互遮掩、连接的情况下实现准确完整的行道树提取。同时,本文分层动态区域增长行道树提取方法的数据适用性更强,并且可以在行道树独立性不强的情况下有效提取行道树。

车载激光雷达点云快速栅格化算法研究及应用

针对车载激光雷达点云数据量大、密度高且存在分层错位和噪点等情况,提出了一种具实时性激光点云快速栅格化算法,该算法根据雷达扫描精度预设栅格单元大小,可在不丢失对象形状特征的情况下,能快速完成点云数据平滑及降采样处理,并将数据量缩小为处理前的60%。将该栅格算法处理后的点云数据应用于深度学习,作为pointnet++神经网络的训练集及测试集,完成语义分割模型训练与测试。实验结果表明,该算法可在1 s内完成上百万量级的点云栅格处理,并且经该算法处理后的点云数据能有效缩短训练时长、提升网络测试精度。

基于激光雷达的作物收获导航线实时提取方法研究

为提高联合收获机无人驾驶导航路径的精度,本文提出一种基于激光雷达的作物收获导航线实时提取方法。搭建点云数据采集系统,利用平面拟合法确定激光雷达安装高度和安装角度。利用三维激光雷达扫描收获机前方作物的点云数据,结合IMU惯性传感器反馈的姿态信息,实现作物点云数据从激光雷达坐标系到车体坐标系的变换。基于激光雷达扫描视场角、安装高度和安装角度获取感兴趣区域(ROI)的坐标,并对感兴趣区域进行直通滤波和统计滤波,去除灰尘、秸秆粉末等噪声的影响,以实现点云数据无效点和离群点的剔除。提出一种基于栅格八邻域高程差的作物收获导航线快速识别算法,以点云栅格化后在Z轴方向上的坐标值作为检测依据,定义某一栅格与其8个相邻栅格在Z轴坐标上的差值为高程差,遍历栅格并根据设定阈值进行比较判断,实现收获边界点的有效提取。采用最小二乘算法进行收获边界点的拟合,实现田间作业过程中作物收获导航线动态提取。田间试验表明,该方法具有较好的鲁棒性,能在作物稀缺、杂草较多等情况下保持较高的准确性,其中前进方向偏差角平均值为0.872°,割台横向偏差为0.104 m,收获导航线准确率为93.5%,可为联合收获机工作提供辅助导航,提高无人驾驶的准确率。

一种标靶球的自动探测方法

标靶球广泛应用于地面激光点云数据配准中,针对标靶球提取需要人工干预的缺陷,提出一种标靶球自动探测的方法。该方法首先在法向约束的基础上,确定候选球面中心点,以预设半径标定候选球面点;然后对候选球面点空间聚类,以面积和点数为约束对候选球面点集初次排除,以预设半径对RANSAC方法探测到的球体模型进行二次排除,最终获得球面点和球体参数。试验结果表明,该算法能够快速、有效识别标靶球特征。