基于Biased-SVM和Poisson曲面矿体三维自动建模方法

矿体三维建模是数字矿山的基础和核心.为了提高建模效率,减少人工干预,提出了基于偏差支持向量机(Biased-SVM)和Poisson曲面的矿体隐式自动三维建模方法.该方法通过对原始钻孔数据的学习建立最优分类函数,将离散化的建模空间内任意点分类为矿体外与矿体内;在此基础上提取矿体边界点,计算点云法向,建立表征矿体模型几何信息的有向点集;结合矿体点云模型采用Poisson曲面法建立矿体边界指示函数,并提取等值面形成矿体模型.针对不同矿体钻孔数据,采用该方法建立矿体模型,并与传统显式建模方法进行对比分析.结果表明:提出的方法具有人工干预少、自动化程度高、模型表达自然光滑等优点,为矿体的自动建模与更新提供了一条有效途径.

基于倾斜影像的城市场景隐式曲面重建

在基于倾斜影像的城市场景重建过程中,由于获取影像时存在场景遮蔽和大视点变化的情况,建筑物立面等区域存在着影像密集匹配点云稀疏甚至空洞的情况,自动化重建难度大,难以反映建筑物的真实形态。本文提出了一种新的基于倾斜影像的城市场景隐式曲面重建方法:首先,以倾斜影像密集匹配点云为基础建立Delaunay四面体;然后,对Delaunay四面体进行约束图割,提取出可视化的三角面,进而更加精确地估计点云的法向信息;最终,结合Screened Poisson曲面重建,实现了城市场景的隐式曲面重建。通过多种隐式曲面重建方法的对比试验,验证了本方法的准确性和适用性。