地铁点云分割方法比较研究

地铁点云数据包含了多种物体信息,无法对其进行特征识别,因此,需要通过对点云数据的分割来将点云数据所包含的不同的场景进行分离,提取出单个目标的点云信息。本文基于地铁场景中不同物体的自身特点,分别采用欧式聚类点云分割法、随机采样一致性(RANSAC)点云分割法和区域生长点云分割法并结合PCL(Point Cloud Library)点云函数库对地铁点云数据中广告墙、地铁上下车门、墩柱、轨道这四个主要部件进行分割。通过对分割后的结果进行分析,结果是在地铁情景中,基于区域生长的点云分割法更适合于准确分割出用户感兴趣的目标单体点云数据。

基于Marr小波改进的SIFT算法的遥感影像配准

针对遥感图像配准方法中错误匹配点对过多、配准效率低和其他性能,提出了一种基于小波的遥感图像配准方法。首先,利用尺度空间理论下的Marr小波对参考图像和待配准图像进行特征提取,然后利用欧氏距离对参考图像和待配准图像的特征点进行初配准,再根据随机采样一致法,对初配准结果进行精配准。为了验证方法的有效性,选择无人机实时航拍图像、不同时相变化遥感图像以及遥感不同高度的遥感图像。实验结果表明:该方法与SIFT(Scale Invariant Feature Transform)算法以及其他改进SIFT算法相比可以有效剔除错误匹配点对,提高了配准精度,同时提高配准效率两倍以上。该方法可以应用于不同遥感数据源,能够有效地提高配准精度,降低配准时间。