基于改进RANSAC算法的屋顶激光点云面片分割方法

基于改进的随机抽样一致性算法(RANSAC)对建(构)筑物屋顶面片进行点云分割,通过改进种子点选取方式来提高面片分割的置信度,并将点到平面距离的标准差作为判断准则,以提高分割面片的准确性。同时,采用KD-Tree组织点云,根据空间平面的法向量、连通性分析、点云的R半径密度对分割的面片进行优化处理,试验证明该方法能有效地对建筑物屋顶面片进行点云分割。

用多种策略从机载Lidar数据中提取建筑脚点

设计了一种采用多种策略的建筑脚点提取方法,针对建筑脚点提取中的两个关键步骤———数据分类和建筑脚点分割,分别提出和引入了邻近关系和r半径点密度,从仅反映单次反射的DSM数据中,直接提取出建筑表面点。

利用RANSAC算法对建筑物立面进行点云分割

建筑物立面点云分割是车载激光扫描数据特征提取与建模的基础。本文将随机抽样一致性算法(Ran-dom Sampling Consensus)方法引入对点云的分割中,并在判断准则中引入了点云的r半径密度,消除了噪声的影响,同时建立角度和距离两个约束条件对平面分割结果进行优化,提取出了最终的建筑物立面特征平面。