地面激光扫描点云与无人机影像点云融合应用

通过建立高精度的桥梁三维点云模型,检查桥梁病害情况并拟合绘制出桥梁线形。首先以无人机近景摄影、环绕飞行、井字飞行获取某双线特大桥梁主体与细部纹理数据,然后将不同航线采集的数据在Context Capture软件里面进行三维重建,将桥梁主体与细部影像融合生成完整桥梁点云1。运用Trimble SX12仪器完成对桥梁一体化扫描,获得完整桥梁点云2。提出基于双向KD-tree优化的ICP(Iterative Closest Point)算法对无人机航摄桥梁点云1与地面激光扫描桥梁点云数据2进行配准融合,加密后的桥梁点云用于建立运营铁路双线特大桥精细化三维实景建模。提出基于KD-tree的PCA(Principal Component Analysis)算法完整提取出桥梁吊索点云,运用最小二乘法拟合出桥梁拱轴线线形、RANSAC算法拟合出桥面线形。通过与单一无人机、单一地面激光扫描精度及完整性对比分析,以验证融合建模的有效性。研究结果表明:融合建模的模型水平精度1.71 cm、垂直方向精度1.25 cm,较单一无人机建模精度在水平与竖直方向分别提升16.59%与20.89%;融合建模的完整性为98.17%,纹理效果更加真实,并检查出桥墩存在蜂窝麻面、渗水等病害,拱肋存在涂装锈蚀、破裂等病害。该研究可为桥梁三维点云模型应用研究提供思路参考,具有较好的应用前景。

一种多源数据融合的虚拟港口三维重建方法

文中针对倾斜摄影技术在港口三维重建中存在技术缺陷,提出一种无人机倾斜摄影与近地面摄影测量相结合的建模方法构建虚拟港口三维场景.对于多源点云数据,利用体素滤波下采样进行精简;基于采样一致性初始配准算法的点云粗配准和基于KD树改进Point-to-Plane ICP(Iterative Closest Point)算法的精配准实现密集点云数据融合;最后利用融合后的点云数据进行三维重建.结果表明:该方法较倾斜摄影建模在模型质量和精度上有大幅提升,模型误差符合I级产品标准,可用于构建虚拟港口三维场景.

复杂场景下多模态点云数据配准技术

针对复杂环境下多模态点云数据获取难,以及对点云数据配准、三维模型构建精度的要求越来越高的情况。本文以南通大剧院实景三维建模为例,当初始点云和校准点云两组多模态融合点云位置差较大时,采用ICP算法进行点云配准易导致局部最优问题,利用所提出的基于控制点辅助约束的最近点迭代(CPA-ICP)算法通过对点云数据进行配准,并与其他3种点云配准算法的试验进行对比,可知该方法的配准精度和配准效率较高,对复杂场景下的多模态点云数据融合有较好的参考意义。

基于图像与点云融合的巷道锚护孔位识别定位方法

煤矿掘进巷道锚护位置的精准识别与定位是钻锚机器人实现智能永久支护亟需突破的关键技术。笔者提出一种基于视觉图像与激光点云融合的巷道锚护孔位智能识别定位方法,包括图像目标识别、点云图像特征融合和定位坐标提取3个步骤:①针对煤矿井下低照度、水雾和粉尘等环境因素导致的锚孔轮廓成像模糊的问题,采用IA(Image-Adaptive)-SimAM-YOLOv7-tiny网络对巷道待锚护孔位进行视觉识别,该网络能够自适应地增强图像亮度和对比度,恢复锚孔边缘的高频信息,并使模型重点关注锚孔特征,提高锚孔检测的成功率;②求解激光雷达和工业相机联合标定的外参矩阵,将图像检测的锚孔边界框通过透视投影关系生成锥形感兴趣区域(Region Of Interest,ROI),获得对应的目标点云团簇;③采用点云处理算法提取锚护孔位边界点云,获得孔位中心坐标及其法向量,并通过坐标深度差比较判断锚孔识别的正确性。文中搭建了锚杆台车机械臂钻孔定位系统,对算法自主定位的精度以及准确度进行验证,试验结果表明:IA-SimAM-YOLOv7-tiny模型的平均精度均值(Mean Average Precision,mAP)为87.3%,较YOLOv7-tiny模型提高了4.6%;提出的融合算法定位误差为3 mm,单锚孔情况下系统平均识别时间为0.77 s,与单一视觉方法相比,采用激光与视觉多源融合不仅可以降低环境和小样本训练对定位性能的影响,而且可以获得锚护孔位的法向量,为机械臂调整钻孔位姿实现精准锚固提供依据。

融合多源空间数据的复杂场景真三维模型构建方法

城市三维模型已经在城市建设、社会服务等诸多领域得到广泛应用,为快速、精确地构建三维城市模型,满足城市精细规划和管理的需求,本文围绕快速、合理、准确地构建真三维模型这一主线,以城市地形和地物为研究对象,提出了由地形到地物、由概略到精细的城市三维模型快速构建方案,实现了城市基础地形、建筑物和其他三维场景的快速建模,并基于Skyline平台对提出的建模思路进行了具体的实现,形成了完整的操作流程。

BIM技术与实景还原技术在冶金改造工程中的融合应用研究

在冶金改造工程的实施过程中,存在原始设计资料不完整、技术改造信息不准确、可利用场地空间有限等问题。实景还原技术可以反映改造现场的真实情况,将实景模型与BIM模型融合,利用融合模型进行改造方案的规划、设计和施工,有助于提升改造的精确性,降低投资成本。本文以高炉改造项目为例,介绍了融合实景还原技术的BIM应用方法与内容,研究了实景还原技术在冶金改造项目中的关键技术要点,包括室内激光点云扫描和室外倾斜摄影技术。本文探索了实景还原模型与BIM模型融合的技术路线和应用方法,创新开发了基于点云数据的三维设计工具,可直接利用点云数据提取设计参数,实现三维构件拟合。

多模态融合的三维语义分割算法研究

如何高效提取稠密感知的图像特征信息以及真实三维感知的点云特征信息并充分利用其各自优势进行信息互补是提升三维目标识别的关键。本文提出了一种图像和点云融合的多模态框架用于三维语义分割任务。图像与点云特征提取分支相互独立,设计深度估计融合网络用于图像分支,将稠密感知的图像语义信息与真值显式监督的深度特征信息有效融合,对点云的无序及稀疏性进行补偿。并改进体素特征提取方法,减少点云体素化带来的信息损失。图像、点云分支提取多尺度特征后通过动态特征融合模块提升网络对关键特征的提取能力,更有效的获取全局特征。同时本文提出点级的多模态融合数据增强策略,提升样本多样性的同时有效缓解样本不均衡问题。在Pandaset公开数据集上进行对比实验,本文的多模态融合框架展现出更优的性能和更强的鲁棒性,尤其在小样本小目标上性能提升更为明显。

基于ALS和TLS融合数据的枝条属性因子构建木材材积模型

【目的】立木材积作为森林蓄积量估算的重要单元,具有重要的森林资源调查意义,研究基于多源激光雷达手段获取立木枝条属性因子的方法,探究树木点云构建更优立木材积预测模型的能力。【方法】本文基于地基激光雷达(TLS)与机载激光雷达(ALS)融合的点云数据,运用几何特征树木骨架和提取不完全模拟水分和养分传输算法(ISTTWN),建立三维树木模型,并获取杨树单木的枝条属性因子。通过构建以枝条属性因子为自变量的立木材积预测模型,探索构建林分蓄积量最优估测模型。【结果】融合后的枝条属性因子较融合前精度有所提高,提取精度依次为着枝高度>枝长>弦长>着枝角度>分枝角度>弓高,其中枝长拟合度最高,R2达0.989。在利用特征参数与枝条属性因子构建材积预测模型中,基于枝条属性因子构建的模型较由特征参数建立的线性与非线性材积模型R^(2)分别提高0.088与0.110,RMSE则分别降低0.012与0.009 m^(3)。而将二者结合共同构建立木材积模型后,其线性与非线性模型拟合度分别达0.729与0.759,为六组材积预测模型中最佳。【结论】TLS与ALS融合点云数据后,由于数据之间的相互弥补,有效提高点云密度,在三维树木模型研建中能够显著的提高枝条属性因子的提取精度,同时在材积预测模型中加入枝条属性因子这一自变量能够有效提高模型预测的准确性。

多源点云融合技术在城市更新数据采集中的应用

多源点云融合技术在城市更新数据采集中扮演着越来越重要的角色。该技术通过融合不同设备和传感器获取的点云数据,实现对城市地物的全面、精确感知。在城市更新过程中,采用多源点云数据融合技术,可以快速、高效地获取城市基础空间数据,为城市更新规划、设计和决策提供丰富的空间数据信息。本文通过对使用车载移动测量系统、摩托车载移动测量系统、无人机载移动测量系统和站式三维激光扫描仪等数据采集设备获取的点云数据进行融合处理和分析,快速获取了城市更新所需的各种基础空间数据,进而对该数据的平面坐标精度进行了深入的分析研究,从而推动了该技术在城市更新数据采集中的普及应用,为加快城市更新工作智能化、精细化发展提供了有益帮助。

采用静态数据增强的AGV定位与姿态修正研究

搭载激光雷达的移动机器人(AGV)被大量应用于智能工厂的工件运输,但受障碍物和移动物体的影响,AGV在车间内位姿辨别能力较弱。为了解决定位和姿态识别问题,提出一种全新的点云数据融合位姿辨别策略,利用高精度的静态全站仪整体数据融合激光雷达局部、低精度数据,并提出向量权重匹配法来完成AGV的室内定位。设计一种抽样网格卷积法实现异构数据的快速初步定位;建立自适应搜索全站仪数据的基准区域,将它映射到激光雷达数据的对应区域;最后通过向量权重匹配获取AVG的位姿参数。上述方法在6 m×8 m室内空间进行实验。结果表明:所提方法可达到±7 mm的定位精度与±1.4°的姿态控制识别精度,且能准确补偿激光雷达的扫描误差,提高AGV的位姿识别能力。

多尺度点云数据的空间一致融合法在钢桁梁虚拟拼装中的应用

目的提出一种利用轮廓信息对应关系计算空间变换的多尺度点云数据融合方法,准确获得兼顾大型钢桁梁主体以及局部螺栓孔的杆件点云信息,从而用于钢桁梁的虚拟拼装。方法首先,结合立式三维激光扫描和手持式三维激光扫描两种方式,分别获取表征大尺寸构件整体信息和螺栓孔群局部信息的点云数据;然后,基于点云数据分别提取融合部位的轮廓信息,并使用轮廓信息对应关系计算空间变换矩阵;最后,利用空间变换矩阵进行点云融合。结果通过主轴方向偏差和最近距离约束对融合后的模型进行融合效果评定,验证了融合方法的准确性;其中,主轴角度偏差量为0.0000384°、扭转角度偏差量为0.01175°、豪斯多夫距离为0.311 mm,满足工程要求。结论所提方法能够针对性的对具有一定规则性的杆件进行局部特征提取,简化了空间变换所需要的信息,为钢桁梁虚拟拼装提供了数据基础。

多源数据融合在实景三维模型质量提升中的应用

常规倾斜摄影测量航高与拍摄角度固定,建立的三维(3D)模型底部或视角盲区会出现空洞、扭曲、变形等现象,而部分超高建筑物由于其顶部与地面的影像分辨率相差较大,导致建模时模型顶部会有大规模破损。本文在传统倾斜摄影基础上融合地面补拍数据与高空交叉环绕补拍数据,生成融合后倾斜摄影点云,再与手持式移动3D激光扫描仪获取的点云数据融合建模,生成高精细度实景3D模型成果。该方法在抚州市城区进行试验,从模型数学精度、表达精细度和场景效果几个方面对成果进行质量评价,结果表明:多源数据融合后的模型几何精度更高,模型表达精细度和场景效果质量都有较大程度的提升。

倾斜摄影与三维激光点云数据融合在规划竣工测绘中的应用

无人机倾斜摄影可在短时间内快速获取地面可视化全景影像数据,尤其适合屋顶及地面数据获取;移动三维(3D)激光扫描可以灵活高效地获取地上地下一体三维激光点云及影像数据。本文通过空间同名异构公共点进行转换、匹配,进行激光点云与无人机倾斜数据融合,从而获取无死角的三维空间可视化数据,快速绘制规划竣工二维矢量线画图。结合具体案例,以三维激光点云为基准点云,对同名公共点通过平移、旋转进行点云配准获得融合点云,将获取的融合三维可视化数据与全站仪获取的坐标数据进行对比,分析融合数据的精度和影响因素供参考,为快速获取规划竣工所需矢量线画图提供新的途径。

机载LiDAR支持下的实景三维GIS应用研究

基于GALAXYPRIME航摄仪获取的LiDAR点云数据和UCXPWA航摄仪获取的影像数据,本文实现了大面积DEM、DSM、DOM等高精度数据快速生产和可视化地形级三维场景搭建,开发了黄河流域(甘肃段)地形级实景三维应用系统,为面向WebGL地理场景的LiDAR点云数据可视化提供了解决方案。

面向倾斜摄影的实景模型融合技术与应用展望

倾斜摄影技术对于大规模场景生成具有重要意义,为解决单依赖该技术所生成的实景模型存在的近地数据缺失且不具有内部结构的问题,该文从空地模型融合和宏微观模型融合两个层面展开了研究。首先回顾了倾斜摄影、三维激光扫描和建筑信息模型三种主要技术,接着对不同层面的整体融合流程和各自的底层技术原理(点云配准、数据标准)进行了调查,对比分析了相关研究的优势与不足,并指出了各自的应用场景。该研究提出了解决倾斜摄影下实景模型问题的两类融合技术框架,讨论了两者所面临的问题,并对其未来发展作出了展望,旨在为相关领域学者提供参考。

测绘新技术在历史建筑测绘中的应用

针对历史建筑测绘建档,基于目前新型测绘技术,包括站式三维激光扫描、移动式三维激光扫描以及无人机倾斜摄影,从不同技术手段获取点云数据的特点、精度以及测绘历史建筑的适用性出发,介绍外业数据获取和内业多种数据融合处理的流程,实现各项技术优势互补,在保证测绘精度的前提下,提升工作效率。哈尔滨市历史建筑测绘建档项目实践验证了作业方法的有效性,为后续历史建筑保护和修缮提供了数据支撑。

多传感器信息融合的复杂巷道形貌三维建图研究

针对井下无人驾驶所面临的巷道构图完整性较差、定位精度较低的问题,提出将多线激光雷达与毫米波雷达进行数据融合。通过坐标系转换将2种雷达进行统一,随后进行数据融合并通过点云分割和点云特征提取实现对巷道的三维图构建。最后,通过井下行车实验验证其在井下的适应性。实验结果表明:通过此技术绘制的巷道三维图,可清晰地显示出巷道内部存在的各项元素。车辆沿X轴、Y轴方向的数据最大误差绝对值分别为0.19 m和0.12 m,各阶段误差率均小于5%。由此可知,本文所提出的技术方法在井下复杂的环境下仍有较好的适应性,为井下无人驾驶技术以及提高辅运系统的智能化提供了一定的参考。

基于融合点云数据的马尾松林地单木分割算法研究

激光雷达技术在森林资源调查中具有较大优势,但单平台采集的数据往往存在扫描盲区,难以获取完整的森林结构信息。为此,以马尾松林作为研究对象,探究基于融合点云数据的马尾松林单木分割适宜性算法。首先提出一种针对森林样地点云数据融合的方法,然后采用标记控制分水岭算法、距离判别聚类算法和层堆叠算法对马尾松林进行单木分割,并对3种算法的关键参数的选取进行分析,最后提取树高验证融合点云估测森林结构参数的适用性。得出实验结果如下:1)提出的点云融合方法可以有效融合机载和手持激光雷达点云,配准误差为0.054 m;2)3种单木分割算法中,标记控制分水岭算法分割精度最高,总体精度为0.88,高于距离判别聚类算法和层堆叠算法;3)利用标记控制分水岭算法分割的单木提取树高,基于融合点云数据的R2值为0.983 7,RMSE为0.759 6 m,相较于单一点云数据,精度明显提高。研究结果可为多源激光雷达在林业领域的应用以及马尾松林地森林资源管理提供技术支持。

基于多源激光点云融合的建筑物BIM建模

阐述了激光点云技术的基本原理,强调了多源数据的融合对提高模型精度的重要性,分析了建筑信息模型(Building Information Modeling,BIM)的定义、发展及其与激光点云的结合。并提出了一种系统的BIM建模方法,包括点云数据的获取、融合、建模流程及精度评估。通过应用案例,验证了该方法的有效性和实际应用效果,以期为推动建筑信息化进程的智能化发展提供参考。

基于点云强度特征建图算法的轨道交通场景地图构建

载体定位是实现自动驾驶的关键技术之一,其中基于地图的定位技术具有精度高和鲁棒性强的优点。同步定位与建图(simultaneous localization and mapping,SLAM)技术是针对未知环境地图构建的典型方法,在地铁隧道场景中,传统SLAM算法易因几何结构的严重退化而导致建图失败。针对此问题,文章提出一种基于点云强度特征的建图算法。其首先进行基于点云强度的特征点云提取,并根据广义迭代最近点算法完成高强度特征点云残差构建,以增加运动约束;其次,基于位姿图优化融合激光雷达数据与惯性测量单元数据,完成位姿优化与地图构建;最后,使用地铁隧道离线数据进行算法验证,结果显示,采用该方法成功构建了地铁全线的点云地图,地图无明显漂移,并采用隧道壁上固定安装距离的标识物体进行地图精度评估,所建地图平均偏差小于0.2m,验证了所提算法的有效性与鲁棒性。