改进的3D-BoNet算法应用于点云实例分割与三维重建

为了更好地利用点云数据重建室内三维模型,本文提出了一种基于3D-BoNet-IAM算法的室内场景三维重建方法。该方法通过改进3D-BoNet算法提高点云数据的实例分割精度。针对点云数据缺失问题,提出了基于平面基元合并优化的拟合平面方法,利用拟合得到的新平面重建建筑表面模型。在S3DIS和ScanNet V2数据集上验证3D-BoNet算法的改进效果。试验结果表明,本文提出的3D-BoNet-IAM算法比原始算法分割精度提高了3.3%;对比本文建模效果与其他建模效果发现,本文方法的建模效果更准确。本文方法能够提高室内点云数据的实例分割精度,同时得到高质量的室内三维模型。

基于深度学习的移动机器人语义SLAM方法研究

为了给移动机器人提供细节丰富的三维语义地图,支撑机器人的精准定位,本文提出一种结合RGB-D信息与深度学习结果的机器人语义同步定位与建图方法。改进了ORB-SLAM2算法的框架,提出一种可以构建稠密点云地图的视觉同步定位与建图系统;将深度学习的目标检测算法YOLO v5与视觉同步定位与建图系统融合,反映射为三维点云语义标签,结合点云分割完成数据关联和物体模型更新,并用八叉树的地图形式存储地图信息;基于移动机器人平台,在实验室环境下开展移动机器人三维语义同步定位与建图实验,实验结果验证了本文语义同步定位与建图算法的语义信息映射、点云分割与语义信息匹配以及三维语义地图构建的有效性。

基于车载点云的道路三维实景建模方法研究

传统的基础测绘存在组织管理固化、服务模式落后、产品形式单一等问题,在新型基础测绘体系下形成了全要素三维实景模型这一成果。本文探讨基于车载点云进行城市道路三维实景建模方法研究,并以某城市主干路为试验对象,对道路及道路两侧部件点云数据进行矢量化得到道路全要素地形数据,以部件点云数据为参考结合外业调绘尺寸用3ds Max软件制作道路部件模板库,并结合点云数据和矢量数据对各类要素进行单体化,最后将道路模型和部件模型融合。结果表明,基于车载点云数据构建的城市道路全要素实景模型不仅可以保证场景的完整性和真实性,还减少了作业时间和成本,实现了各类模型之间的无缝结合,制作完成的模型精度也能满足项目精度要求。

基于自蒸馏框架的点云分类及其鲁棒性研究

与2D图像数据集相比,3D点云数据集的规模较小且表征性较差,容易导致神经网络出现过拟合和泛化能力差的问题。为此,提出一种点云自蒸馏(PointSD)框架,通过对表征形式不同的数据样本进行学习,使网络提取到原始点云数据中的更多特征信息,实现样本之间的知识交互,在不增加额外计算负荷的情况下提升网络的泛化能力,适用于不同规模的分类网络模型。基于该框架提出一种点云抗腐败训练方法TND-PointSD,解决了当前点云训练方法抗腐败能力不足的问题。实验结果表明:在ScanObjectNN数据集上,应用PointSD框架的PointNet++和RepSurf-U 2X基准网络的平均准确率(MA)相比于应用标准训练(ST)方法提高了8.22和4.86个百分点;在ModelNet40-C数据集上,在15种腐败类型上分类网络的平均整体准确率(MOA)均有所提升,证明了TND-PointSD方法能够有效地增强网络模型的腐败鲁棒性。

一种基于径向基隐式曲面的地质三维建模方法

针对目前基于钻孔数据生成地质三维模型过程繁琐、算法复杂、中间数据庞大的弊端,本文使用钻孔点和径向基隐函数模型描述地层曲面,以多边形标量场提取曲面函数模型的等势面生成地质曲面进行可视化;再提取曲面的边框,根据网格大小长度提取边框的转折点数据;根据上下相邻两个地层曲面的边框转折点,绘制侧立面;合并侧立面与上下相邻两地质层曲面,生成地质三维模型。并使用郑州市高新区地质钻孔数据作为数据源进行实验,快速完整地生成了研究区的地质体三维模型。

MIT测井数据的点云转换及井筒形变诊断

针对多臂井径仪(MIT)采集井筒内壁空间位置参数可视化需求,现提出将其转换为点云数据,再通过对数据模型诊断分析得到井筒的形变类型。建立MIT测井过程可视化模型,通过引入柱面坐标来标定每个测点三维坐标;将每个测点的空间位置信息由极坐标转换为直角坐标,形成点云模型。采用所提方法将SH54井风险段处MIT数据成功转换为点云数据,并对该井470~471 m处的点云模型以类似CT横断扫描诊断的方式进行平铺展开,利用曲线拟合、面积计算得到SH54井在470~471 m处每个横断面的实际轮廓线和实际面积。结果表明:利用该方法生成的点云模型通过图表对比分析,可推断出该井段产生了非对称挤压缩径形变。

船舶无线网络的节点数据采集方法

为准确实现对船舶运行状态的实时监控和数据分析,及时发现潜在的问题和风险,设计船舶无线网络的节点数据采集方法。该方法以分布式追踪系统Zipkin为基础,设计无线网络节点数据采集技术框架,在该技术框架内,用户通过连接分布式追踪系统Zipkin,使用分布式追踪系统Zipkin内的传感器对船舶无线网络节点进行追踪后,对分布式追踪系统Zipkin内的传感器节点和船舶无线网络节点布局进行优化处理,再通过节点数据采集控制器从优化后的船舶无线网络节点内采集数据,同时通过Socket通信协议对节点数据进行缓存后,发送到服务器端,服务器端启动处理线程和同步线程,以广播的方式将采集到的船舶无线网络节点数据发送给用户,实现船舶无线网络的节点数据采集。实验表明,该方法具备较强的传感器节点和无线网络节点布局优化能力,可有效采集船舶无线网络节点上的信号和数据,应用性能较强。

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。

基于边界点估计与稀疏卷积神经网络的三维点云语义分割

针对大规模点云具有稀疏性,传统点云方法提取上下文语义特征不够丰富,并且语义分割结果存在物体边界模糊的问题,提出基于边界点估计与稀疏卷积神经网络的三维点云语义分割算法,主要包括体素分支与点分支.对于体素分支,将原始点云进行体素化后经过稀疏卷积得到上下文语义特征;进行解体素化得到每个点的初始语义标签;将初始语义标签输入到边界点估计模块中得到可能的边界点.对于点分支,使用改进的动态图卷积模块提取点云局部几何特征;依次经过空间注意力模块与通道注意力模块增强局部特征;将点分支得到的局部几何特征与体素分支得到的上下文特征融合,增强点云特征的丰富性.本算法在S3DIS数据集和SemanticKITTI数据集上的语义分割精度分别达到69.5%和62.7%.实验结果表明,本研究算法能够提取到更丰富的点云特征,可以对物体的边界区域进行准确分割,具有较好的三维点云语义分割能力.

基于三维点云的采后香蕉表征褐变定量评估方法

【目的】研究采后香蕉的表征褐变并评估其衰老程度对香蕉保鲜管理至关重要,本研究致力于解决传统人工测量香蕉表征褐变存在的劳动强度大、效率低下的问题。【方法】提出一种基于三维点云的采后香蕉表征褐变过程定量评估方法。首先利用三维扫描仪获取香蕉的三维点云模型,重构出香蕉的几何模型;然后使用欧式聚类对香蕉几何模型进行点云滤波降噪处理;再结合图像阈值分割法与散点轮廓算法(Alpha Shapes)求出香蕉的体积、表面积和黑斑面积;最后利用傅里叶函数对香蕉表面黑斑变化过程进行模拟,确定香蕉表征褐变过程的评估模型。设计本算法与溢水法测量实际香蕉体积、手绘测量面积的对比试验。【结果】拟合香蕉的生长函数,回归直线对观测值的拟合程度R2=0.9816>0.75,验证了算法的有效性。对比试验结果表明,本算法与实际测量值的平均相对误差小于1%,验证了该算法的准确性和可行性。【结论】本研究可为香蕉的保鲜管理提供数据及技术支撑。

基于激光雷达点云数据的虚拟室内场景搭建研究

通过搭建虚拟室内场景实现室内视景重构,提出基于激光雷达点云数据的虚拟室内场景搭建技术,采用三维光学面扫描设备采集激光雷达点云数据,采用融合卡尔曼滤波方法实现对虚拟室内场景激光雷达点云数据滤波处理,减少点云数据干扰,提取虚拟室内场景的空间分布域特征量,获取虚拟室内场景中被测量物体的全局标志点,通过逆向设计和三维边界轮廓特征点重构的方法实现对虚拟室内场景散乱点云重组和稀疏性特征点拟合,在拟合曲面采用纹理渲染方法实现对虚拟室内场景重构。仿真结果表明,采用该方法进行虚拟室内场景搭建的激光雷达点云数据重建能力较好,保留原始点云的特征信息较为饱满,能满足较好地重建几何精度场合,重建精度达到了0.98,并且重建时间仅为4.5 h。

改进的密度聚类精确自适应提取LiDAR电力线点云方法

原有邻域半径r_(Eps)与密度阈值p_(MinPts)两个参数的初始赋值导致电力线点云的提取结果存在不确定性,在密度聚类的基础上增添了点云簇类自适应判别方法,该方法避免人员重复测试初始参数的繁琐过程,采用C++语言完成了对该算法电力线精确提取及电力线拟合程序的开发与测试。结果表明:改进后的密度聚类法在电力线点云提取的损失率仅0.02%,三维重建残差为0.213 m;该方法大幅提高了电力线点云提取的准确性与便捷性,适用于高压电力走廊的电力巡检与三维重建等工作。

基于深度学习的室内点云语义分割研究进展

点云是一种被广泛使用的三维数据,而语义分割作为三维场景理解的关键技术,人们对其的需求也越来越广泛。近三年来,点云语义分割技术的发展迅速,为了展示基于深度学习的室内场景三维点云语义分割方面的进展,着重整理了其近三年最新的研究动向。首先介绍了点云语义分割常用的数据集以及评价指标,接着对近三年的各种点云语义分割方法进行分类,并从间接、直接处理点云的角度,按照不同类别分析总结了各种方法的框架结构以及其创新点,在S3DIS、ScanNet等几种最常使用的室内数据集上对各种算法的mIou等评价指标进行了对比展示。最后,根据现有的点云的语义分割技术的研究现状和存在的问题进行了总结以及展望。

三维激光扫描技术在历史建筑测绘中的应用——以闽清县历史建筑测绘建档项目为例

历史建筑作为城市的文脉,承载着一座城市的历史,受各种因素影响遭受不断的侵蚀甚至灭失,其保护形势越来越严峻。文章以闽清县历史建筑保护测绘为例,采用三维激光扫描技术,结合无人机倾斜摄影技术,对历史建筑真彩色三维点云模型建设进行了探索研究,为历史建筑的测绘资料建档和文物保护工作积累了宝贵的技术经验。结语对该技术进行了总结分析,认为三维激光扫描技术不仅能大幅提升工作效率和测量成果精度,还可实现历史建筑三维可视化,具有广阔的应用前景。

无人机LiDAR点云与无人机影像匹配点云分析比较

随着无人机技术的不断发展,无人机数码航测技术和无人机LiDAR技术在测量领域的应用越来越广泛。为分析无人机LiDAR点云和无人机影像匹配点云2种点云的差异,该文通过对西南某铁路一个测区在同一飞行高度的情况下同时进行无人机数码航摄及无人机LiDAR航摄2种方式航摄。对2种不同的摄影方式获取的点云进行比较,分析出2种方法获取点云在形态表现、滤波分类,以及利用2种点云制作DEM高程精度方面的差异,为实际工程航飞方式的选择提供一个参考。

基于商用密码的水利重要数据点面结合安全保护方法

为保障数字孪生流域建设过程中的重要数据安全,针对破解海量高精度数据汇集面临的数据窃取、泄露、损毁等问题隐患开展研究,提出网络安全基础—数据分类分级—数据安全防护的数字孪生流域数据安全总体防护方案。针对数据安全传输、存储、使用中的安全薄弱点,提出全面通用防护和应用内加密相结合的点面结合加密保护方法,利用商用密码技术对数据进行机密性、完整性、可用性保护。本研究方法已在全国水利一张图等重要系统中得到应用,可实现数据安全保护和便捷高效应用平衡,广泛适用于数字孪生流域建设中的水利重要数据全生命周期保护。

基于车载三维激光扫描的城市道路竣工测量探讨

车载三维激光扫描系统融合了多种传感器和数据源,可以自动、迅速地获取道路的全方位信息。其扫描速度迅捷、数据信息丰富、精确度高、采集过程安全简单,并能节省人力。此技术显著提高了外业生产效率,并降低了生产成本。对车载三维激光扫描技术在道路工程竣工测量中的内外业处理流程的研究结果表明:该技术的精度可达到1∶500测图精度要求,满足城市高架路竣工规划测绘的精度需求。该技术方案是切实可行的,且能高效地提高生产效率。

基于三维激光点云数据的电力电缆绝缘缺陷识别

针对电力电缆绝缘缺陷识别精准度较低的问题,提出一种基于三维激光点云数据的电力电缆绝缘缺陷识别方法。利用剪裁法增强原始三维激光点云数据,通过区域生长法与最小二乘法完整获取电缆绝缘材料的三维结构面信息。借助Canny边缘检测方法求解电缆绝缘表面缺陷与内部缺陷边缘信息,自动识别出电力电缆绝缘的缺陷位置及缺陷类别。结果表明,所提方法可以精准识别电缆绝缘表面的划痕缺陷、电缆外屏蔽表面起泡和孔洞缺陷,识别耗时短,鲁棒性较优,具有较高实际应用价值。

基于深度学习与点云数据的3D检测系统应用研究

为了解决高低差场景中平坦度高的2D视觉检测乏力的问题,基于深度学习和点云数据处理平台,融合3D点云格式图像和深度学习技术,建立微米精度、在线检测、成本可控的3D检测架构机制。采用相移和光栅投影结构光技术的硬件方案获取3D点云原始数据,基于强大的CPU和GPU处理芯片,对经过被测物体调制的光栅图案进行重新编码,并结合标定参数解算3D点云数据。对2D深度学习模型进行升级开发,可对点云数据进行标注、学习训练和检测,并将3D硬件、3D软件和3D算法进行整合。实验结果表明,所提系统有利于3D缺陷检测系统的落地,为智能3D检测设备奠定算法和软件基础。

新能源汽车激光雷达传感器缺失数据填补方法研究

为了增强车辆激光雷达传感器数据采集的全面性,研究新能源汽车激光雷达传感器缺失数据填补方法。利用数据融合的点云采集技术和中值滤波算法,预处理点云数据。采用改进的噪声密度聚类算法构建点云超体素块,建立图模型,并利用图割算法进行全局聚类。结合典型地物特征提取地物信息,并利用全景图像进行密集匹配填补缺失区域,以完成点云数据中空洞区域的填补。实验结果表明,该方法能够有效实现缺失数据的填补,并且填补效果良好。填补后的点云数据与缺失区域原始点云在深度方向上的分布状况几乎一致。