为提高密林地形激光雷达测量(Light Detection and Ranging,LiDAR)点云数据植被点和地面点精准分类精度,采用5大传统滤波方法对林区点云进行滤波精度评定,借助布料仿真滤波算法实施相应的初始滤波处理,经准确处理后得到地形特征相对完...为提高密林地形激光雷达测量(Light Detection and Ranging,LiDAR)点云数据植被点和地面点精准分类精度,采用5大传统滤波方法对林区点云进行滤波精度评定,借助布料仿真滤波算法实施相应的初始滤波处理,经准确处理后得到地形特征相对完备的初始地表点,再对具有突出植被点的初始地表点实施迭代开运算,由此得出新的地表点。并借助Ⅰ类误差、Ⅱ类误差等一系列的指标获得科学的评估精确度。布料仿真算法与简单形态学算法组合滤波较传统滤波算法Ⅱ类、总误差均明显下降,Kappa系数呈增长趋势。结果表明,该方法适用于林区点云分类,可以获得较好的滤波效果。展开更多
为了实现建筑复杂异形构件的自动、快速、分级实体化建模,提出了一种基于三维点云的智能逆向实体化建模方法。以上海音乐厅的科林斯柱头为例,首先,采用双边滤波算法对三维激光扫描仪采集的原始点云数据进行平滑预处理;之后,基于Python...为了实现建筑复杂异形构件的自动、快速、分级实体化建模,提出了一种基于三维点云的智能逆向实体化建模方法。以上海音乐厅的科林斯柱头为例,首先,采用双边滤波算法对三维激光扫描仪采集的原始点云数据进行平滑预处理;之后,基于Python语言的Pymeshlab模块、rhinoscriptsyntax模块、scriptcontext模块对Meshlab和Rhino软件进行了二次开发,依次提出了基于泊松表面重建的三角面片网格生成方法、四边面网格重建方法、非均匀有理B样条(NURBS)多重曲面重建方法;最后,根据实体模型的使用用途,提出了不同精度、不同存储等级、不同数据格式的实体模型自动生成方法。研究表明,该方法显著提高了建筑复杂异形构件实体模型构建效率,节省了传统人工处理模型的时间与成本,可为建筑信息模型(Building Information Modeling,BIM)智能建模、智能预拼装、智能有限元分析等工作提供重要支撑。展开更多
文摘为提高密林地形激光雷达测量(Light Detection and Ranging,LiDAR)点云数据植被点和地面点精准分类精度,采用5大传统滤波方法对林区点云进行滤波精度评定,借助布料仿真滤波算法实施相应的初始滤波处理,经准确处理后得到地形特征相对完备的初始地表点,再对具有突出植被点的初始地表点实施迭代开运算,由此得出新的地表点。并借助Ⅰ类误差、Ⅱ类误差等一系列的指标获得科学的评估精确度。布料仿真算法与简单形态学算法组合滤波较传统滤波算法Ⅱ类、总误差均明显下降,Kappa系数呈增长趋势。结果表明,该方法适用于林区点云分类,可以获得较好的滤波效果。
文摘为了实现建筑复杂异形构件的自动、快速、分级实体化建模,提出了一种基于三维点云的智能逆向实体化建模方法。以上海音乐厅的科林斯柱头为例,首先,采用双边滤波算法对三维激光扫描仪采集的原始点云数据进行平滑预处理;之后,基于Python语言的Pymeshlab模块、rhinoscriptsyntax模块、scriptcontext模块对Meshlab和Rhino软件进行了二次开发,依次提出了基于泊松表面重建的三角面片网格生成方法、四边面网格重建方法、非均匀有理B样条(NURBS)多重曲面重建方法;最后,根据实体模型的使用用途,提出了不同精度、不同存储等级、不同数据格式的实体模型自动生成方法。研究表明,该方法显著提高了建筑复杂异形构件实体模型构建效率,节省了传统人工处理模型的时间与成本,可为建筑信息模型(Building Information Modeling,BIM)智能建模、智能预拼装、智能有限元分析等工作提供重要支撑。