基于深度图像的建筑物点云平面边界线提取算法

以地面三维激光扫描建筑物数据为对象,提出一种快速提取建筑物平面边界线算法。将点云数据先进行目标分割,然后转化为二维的深度图像,探测深度图像的边界,利用深度值与点云坐标的对应关系提取建筑物点云边界线。通过实际数据的实验,验证了算法的可行性。

基于航空LiDAR数据的桥梁边界线提取方法

桥梁三维信息是构建三维数字城市和虚拟地球重要的基础空间信息。快速准确地提取桥梁边界线信息是桥梁三维提取的核心问题,也是目前的研究热点。提出了一种基于航空LiDAR数据的桥梁提取方法。该方法最大的优点是采用基于知识引导进行桥梁边界线提取,通过分析桥梁的空间结构特征和几何特征,较好地提取出桥梁边界线。通过与专家人工桥梁判读的结果比较,该方法提取结果具有较高的精度。

改进RFLICM模型的青海湖水体边界提取

针对传统FCM聚类方法提取青海湖水体边界的不确定性,提出改进模糊局部信息聚类方法(RFLICM)的青海湖水体边界提取方法。该方法利用条件概率密度函数的负对数描述像素与聚类间相似性,并结合空间位置定义模糊局部变量以控制算法分割尺度,结合邻域像素标号定义先验概率,进而将影像分割成湖水和陆地两部分,通过提取影像分割结果轮廓线获得湖水边界线。实验结果表明,该方法可以有效地提取青海湖边界信息,提取结果优于RFLICM与隐Markov随机场模型的增强型空间约束FCM影像聚类(HMRF-FCM)方法。

地面3维激光扫描技术建筑物特征线提取

为了提取出地面建筑物的特征点与特征线,采用平面拟合算法提取特征点的方法,对算法进行了理论分析和实验验证,得到了建筑物的特征点与特征线,并构建出该建筑物的边界线框图。结果表明,利用地面3维激光扫描技术,扫描得到建筑物的点云数据,并对点云数据进行处理,最终能够提取出建筑物的边界线。这对数字城市建设具有重大的意义。

基于MLS点云模型特征的提取算法

针对以往特征提取算法提取边界特征效果不理想和特征识别时间较长的问题,提出了一种改进的点云模型特征边界线提取算法.该算法以移动最小二乘法为基础,在对已有的边界特征提取方法研究的基础上,结合研究对象棱角分明的特点,提取点云模型边界特征点集,利用双向搜索方法快速生成模型的特征边界线,并对得到的特征边界线进行特征修复,从而得到较为稳定的点云模型的特征边界线.实验结果表明,该算法能快速地提取点云模型的特征边界线,为后续基于特征边界的建模节约了大量时间.