基于点密度采样的建筑物点云立面分割方法

由于地面激光扫描仪扫描时常存在死角,导致点云缺失、密度不均匀等问题,使得建筑物立面难以完整分割,为点云后续三维重建带来了很大的困难。提出了一种基于点密度的指导采样方式,并对提取的模型进行再优化的分割算法,即GSMOSAC(global sample and model optimize sampling and consensus)算法。该算法改进了最小采样集的选取方式,并对采样模型进行优化处理,以提高所提取模型的可靠性。针对三种不同类型的激光雷达点云数据的实验结果表明,该算法的分割效果比传统的RANSAC算法和多结构(Multi-GS)算法都更好。

一种三维激光点云中建筑物立面分割方法

针对三维激光点云数据中建筑物立面分割不完整、不准确的问题,深入分析建筑物立面激光点云在二维及三维空间中的几何形态,提出了一种根据立面特征规则的建筑物立面分割方法。首先,充分考虑建筑物主体立面与阳台立面特征的异同,建立相应判断规则;然后,依据立面的几何形状将立面分为平直立面与拱形弯曲立面,据此动态确定立面点云聚类生长方向,提高分割精度。实验表明,该方法可以准确分割建筑物立面点云数据,分割的准确率可达94%以上,具有较强的适用性和鲁棒性。

车载联合机载LiDAR点云数据的建筑物立面精细分割

从数据量庞大且散乱的车载LiDAR点云中分割出建筑物立面数据是一项繁琐而艰巨的工作。本文提出一种结合机载LiDAR点云的车载LiDAR点云建筑物立面分割方法。该方法在空-地点云严格配准的基础上,从机载LiDAR点云中分割出每栋建筑物的顶部点云,提取建筑物顶部外轮廓线并进行规则矢量化处理,设置轮廓线缓冲区实现立面点云的粗分割;再采用基于稳健特征值的平面拟合法对单栋建筑物的每个立面进行去噪滤波,实现建筑物立面的精细分割。试验结果证明了该算法对城市场景中车载LiDAR点云处理的有效性。

利用多尺度张量投票的建筑立面分割方法

地面三维激光扫描是城市建筑立面数据采集的新方法,由于三维点云具有数据量大、无规则等特点,导致从点云中精确分割城市建筑物信息面临着严峻的挑战。在传统张量投票方法基础上,充分考虑各个尺度下点云立面特征判别的概率,提出了一种多尺度张量投票方法来实现平面分割,更加精确地实现了立面特征的识别。通过实例,将该方法同主成分分析和传统张量投票进行对比与分析,结果表明,多尺度张量投票方法在分割精度方面较优。

一种车载LiDAR建筑物立面点云精细分割方法

车载LiDAR技术是智慧城市基础设施三维数据快速获取的重要手段,对于获取精细的城市建筑三维模型,实现车载点云数据的建筑物立面快速、精细分割具有重要作用。文中提出一种建筑物车载立面点云自动精细分割方法,首先提取出建筑物的外轮廓线,通过设置轮廓线缓冲区实现立面点云的粗分割,然后采用RANSAC平面探测算法探测建筑物主立面,从而实现建筑物立面的精细分割。试验结果表明,文中算法能快速、准确地从车载点云中分割出建筑物立面点云,为建筑物精细三维模型重建奠定基础。

一种基于Delaunay三角网边长阈值与激光点云的建筑立面结构提取方法

该文提出了一种基于Delaunay三角网边长阈值与激光点云的建筑物立面结构提取方法。首先对建筑物点云数据进行去噪等预处理,并采用RANSAC算法对点云数据进行立面分割,然后构建Delaunay三角网,并利用三角网边长的统计信息,自动设置区分长短边的阈值,以此提取建筑物立面点云的边界点。实验结果表明,该方法能够有效地提取较为完整的建筑物立面结构,且与平面投影法提取结果对比也验证了其可靠性。

一种三维激光点云中建筑物立面渐进分割方法

针对建筑物立面分割的问题,该文提出了一种三维激光点云中建筑物立面渐进分割方法。建立三维格网索引,通过分析建筑物立面在三维格网内的空间分布特征和二维平面格网内投影的线性分布特征,确定立面种子格网和投影线的拟合点,拟合投影线并基于种子格网约束生长完成每层格网中立面粗分割;使用RANSAC算法对粗分割后的立面点云进行面拟合,实现精细分割,并将各层格网中的立面进行合并,实现建筑物立面的完整分割。实验结果表明,该方法能有效地实现建筑物立面的精细化分割,有助于后续的建筑物精细三维模型重建。

基于虚拟现实技术的车床仿真系统

基于开发CA6132型车床虚拟教学软件的目的,采用了虚拟仿真的方法,开发了带有虚拟现实特征的车床教学系统软件.提出了虚拟车床开发的一般流程,阐述了矫正图像的立面分割技术,开发了基于Unity3D引擎软件的虚拟车床仿真系统,解释了虚拟现实的基本原理,建立了CA6132型车床的三维模型,提出了在Unity3D下车床加工的仿真方法,开发了基于虚拟现实设备z Space虚拟现实车床仿真系统,提出了虚拟现实的场景交互方式,降低了实际车床操作的危险.

一种航空影像建筑物立面重复结构自动识别方法

重复结构识别对于基于影像的建筑物立面重建具有重要意义,提出了一种影像立面重复结构自动识别方法。首先基于Sobel边缘检测算法实现立面影像的楼层分割,然后通过LSD（line segment detector）直线检测算法对影像的直线特征进行提取,再经过均值滤波、二值化处理等过程实现窗户边界线的定位,最后结合楼层检测结果对多余分割线进行剔除,得到优化的识别结果。结果表明,该算法对于内部结构复杂的窗户能够准确地定位出边界线,适用性良好。