浅谈基于点云数据的房屋三维建模

基于点云数据处理的三维重建技术突破了基于二维投影信息对目标物体建模在几何精度方面的瓶颈,重新构建出准确性更高、真实感更强的三维场景,可应用于工程项目的模拟仿真、规划、结构分析,或GIS展示、虚拟设计、场景还原等领域。因此,如何实现快速且自动化程度较高的真实再现三维模型的重建技术越来越多的受到人们的关注。     

浅谈基于点云数据的房屋三维建模

基于点云数据处理的三维重建技术突破了基于二维投影信息对目标物体建模在几何精度方面的瓶颈,重新构建出准确性更高、真实感更强的三维场景,可应用于工程项目的模拟仿真、规划、结构分析,或GIS展示、虚拟设计、场景还原等领域。因此,如何实现快速且自动化程度较高的真实再现三维模型的重建技术越来越多的受到人们的关注。     

基于激光三维点云技术的3D景观建模设计

为提升城市园林等类型景观的建模精度,以激光三维点云为技术基础,设计一种三维景观建模方法。采用激光三维点云立体式非接触测量技术,获取景观表面数据点三维坐标,在一个坐标系内统一化各角度点云数据,将顺序点间的最远距离作为滤波标准,设定超过标准点为固定端点,平滑处理图像点云,采用三角形网格参数化策略,映射三维网格模型至二维平面中,取得特征点纹理坐标,利用调和映射算法求解非约束点的纹理坐标,通过自适应部分调整策略,优化点云数据纹理,得到最终的景观模型。试验采集研究区域中一处景观的三维数据,结合景观模型效果与评估指标值得出,所提方法能够有效建立模型,且精准度较高,模型细节信息保存得相对完整。     

基于三维激光获取点云的三维模型构建

目前国内对一些大型古建筑文化遗产的传统测量方法往往难以获得十分准确的数据信息,这使得专家们在对一些大型古建筑进行修复时十分头疼.而且在用一些传统测量方法的测量过程中也存在对古建筑造成二次伤害的风险.现如今,随着科研技术的发展,激光扫描硬件的总体水平也在不断地进步[1].因此,三维激光扫描技术也越来越成熟.三维激光扫描仪在一些大型建筑的测量工作中使用得也越来越广泛.三维激光扫描仪的工作原理,是先对获取到的点云数据采取配准拼接处理,再对其进行去噪简化等操作,最后利用建模软件3DMAX对大型的古建筑进行三维模型的构建的过程.     

基于三维激光扫描的建筑模型可视化制作研究

为提升建筑模型制作精度,以三维激光扫描为技术背景,对建筑模型可视化制作方法展开研究.将三维激光扫描设备放置于少遮挡物且具有开阔视野的位置,经多次扫描取得多组重合的点云数据,通过变换坐标系间关系,完成点云数据拼接,对其去噪、光顺处理后,根据构成建筑物表面的若干个几何特征,提取截面边界与建筑特征结构,实现建筑模型可视化制作...     

基于VR技术的激光三维点云数据的虚拟重建

针对激光扫描云数据的虚拟重建存在噪声大,重建效果差的问题,提出一种激光三维点云数据的虚拟重建算法.通过设置多个激光扫描自由度,利用VR技术将激光测量映射到虚拟三维场景当中,获取点云数据,并利用图像滤波器对采集到的点云数据进行去噪处理.在此基础上,设置一个主数据点,利用该数据点对重建激光点云三维数据进行划分,分配重建任务...     

基于海量点云数据的输电线路三维建模研究

为保障电网输电线路管理的规范化与精益化,设计了基于海量点云数据的输电线路三维建模方法。首先采集输电线路原始点云数据,对其进行预处理,根据点云数据提取输电线路轮廓线,然后采用3D MAX软件构建输电线路的完整三维几何模型,最后通过纹理映射此模型获取到最终输电线路三维模型。结果表明,该方法可精准拼接原始点云数据,有效去除点云数据的噪声点及障碍物等,提升点云数据的整体质量,可为电网输电线路规范化管理提供有效帮助。     

基于三维激光点云数据的钣金件误差检测分析

针对传统的钣金件误差检测方法无法全面有效率的获得零件误差信息,设计了一种基于三维激光点云数据处理的钣金件误差检测方法。该方法将通过三维激光扫描仪得到的钣金件点云数据进行预处理,然后通过特征匹配将标准钣金件的CAD模型和测试点云数据进行特征对齐,使它们呈现于同一坐标系下,最终根据钣金件点云数据中的各点到CAD模型的最短距离确定其误差。根据实际工程需要,文章提出了一种基于阈值的最短距离算法,该算法不仅可以有效地识别并剔除点云数据中的隐藏噪声点,而且计算效率高,精度易于控制。实验结果表明,该方法可以较好地得到钣金件的误差信息。     

基于激光点云数据的三维运动图像重构技术北大核心CSCD

为了解决三维运动图重构时存在的重构测量距离与实际距离误差大、激光点云数据数量多和重构图像清晰度对比低的问题,提出了基于激光点云数据的三维运动图像重构技术,通过配准多帧激光点云数据,从中获取激光点云数据集,再采用平面拟合方法对激光点云数据集实行去噪处理,最后利用曲面重构法完成对曲面模型的拟合,实现三维运动图像重构。实验结果表明,通过对三维运动图像重构进行测量距离与实际距离的对比、激光点云数据数量的对比和测量图像与实际图像清晰度的对比测试,验证了三维运动图像重构技术的实用性高。     

基于激光三维点云的机械工件识别方法

随着中国制造2025的到来,运用工业机器人在线加工机械工件是大势所趋。为了能够智能抓取工件,工业机器人需要识别工件的类型以及工件的位姿。针对流水线上识别工件类型难的问题,提出了一种基于激光扫描三维点云的工件类型识别方法,该方法主要能够识别工件是哪种工件。首先对流水线上杂乱无序的工件进行激光扫描,得到工件的三维激光点云数据,将三维激光点云数据初步去噪。运用MATLAB软件对得到的三维激光点云进行中心切片,得到点云的主视切片、俯视切片、左视切片;运用HALCON软件对点云切片去噪、增强、分割,提取中心切片的边界信息并得到提取区域的特征参数,进而识别工件的类型。最后运用自主研发设备进行实验,分别以步距为0.05 mrad、测距精度0.2 mm、测角精度为0.02 mrad进行扫描,实验结果表明,识别准确性达96.67%。该方法对同类问题有较大的借鉴意义。     

基于激光扫描点云的3D地形模拟实验设计

当前3D地形模拟方法未考虑点云数据去噪问题,导致模拟时间较长,准确性较低.为此提出一种基于激光扫描点云的3D地形模拟方法.将噪声点进行分类,去除离群点,通过最小二乘拟合出K邻域内点的最佳逼近平面,判定邻域各点到平面的距离以及设定阈值的大小,以此为依据去除数据中存在的噪声.提取3D地形的轮廓点作为简化点云需要保留的特征点...     

基于激光点云坐标系的3D多目标跟踪算法研究

3D多目标跟踪是无人车领域中一个核心技术之一。3D多目标跟踪的相关工作多通过设计复杂的目标建模算法或数据关联算法,以寻求提高3D多目标跟踪系统的鲁棒性。为降低3D多目标跟踪系统的复杂性,将目标的三维中心点视为该目标进行跟踪,提出了基于激光点云坐标系的3D多目标跟踪算法。首先,使用3D目标检测器检测出每帧激光点云中的目标。然后,用卡尔曼滤波器预测上一帧目标的三维中心点在当前帧的位置状态,融合激光雷达坐标系下相邻两帧之间目标三维体积的交并比与目标三维坐标中心点坐标之间的欧式距离作为度量尺度,使用贪婪算法匹配最近邻的目标。在KITTI跟踪数据集上的实验结果表明,所提出的多目标跟踪算法表现优异,运行速度达到了63 f/s,且车辆类的sAMOTA达到了9432。     

基于激光雷达SLAM的三维点云自适应算法

SLAM(Simultaneously Localization And Mapping)同步定位与地图构建作为移动机器人智能感知的关键技术。但是,大多已有的SLAM方法是在静止环境下实现的,当环境中存在移动频繁的障碍物时,SLAM建图会产生运动畸变,导致机器人无法进行精准的定位导航。同时,激光雷达等三维扫描设备获得的三维点云数据存在着大量的冗余三维数据点,过多的冗余数据不仅浪费大量的存储空间,同时也影响了各种点云处理算法的实时性。针对以上问题,本文提出一种SLAM运动畸变去除方法和一种基于曲率的点云数据分类简化框架。它通过激光插值法优化SLAM运动畸变,将优化后的点云数据分类简化。它能在提高SLAM建图精度,同时也很好的消除三维点云数据中特征不明显区域的冗余数据点,大大提高计算机运行效率。     

基于改进PointRCNN的3D点云目标检测

针对PointRCNN(3D Object Proposal Generation and Detection from Point Cloud)在面对不规则点云时很难提取出有区别特征的问题,提出了一种Point-ANN(3D Object Proposal Generation and Aggregation Neu...     

基于点云深度学习的3D目标检测

针对目前利用点云进行3D目标检测的研究较少和检测精度不高的问题,利用Frustum-Pointnets模型实现基于点云的3D目标检测,并在该模型的基础上进行改进,选用不同的激活函数和参数初始化方法进行组合对比,进一步提高模型的精度。实验表明:在选用Swish激活函数和He参数初始化方法时汽车平均检测精度提高了0.31 %,行人平均检测精度提高了0.41 %,骑车人平均检测精度提高了5.5 %。因此改进后的模型能有效提高检测的精度,使得模型能够应用在复杂的场景中。