末敏弹线阵列激光雷达的距离像分割方法

为了增强末敏弹在不同场景下对地面装甲目标的探测识别性能,充分考虑末敏弹弹载线阵激光雷达的应用背景,提出了综合交叉扫描线法和梯度连通域的地物距离像点云分割算法,用以提高对地面和目标的分割效果。首先,将激光雷达扫描得到的原始距离信息转换为距离水平地面高度值,通过交叉扫描线法将空间斜面转化至水平面,增强不同地形上的适应性;然后,采用地面点云连通域算法提取地面点云和形态学梯度阈值法分割得到目标点云;最后计算了地物分割效果的几何相似度。实验结果表明:该算法对于正斜坡、侧斜坡等多种地形都有较好的适用性,在不同高度、地形、坡度都能够准确、有效地分割地物点云,进而提高末敏弹对装甲目标的识别性能。     

基于激光点云的建筑裂缝提取方法研究

提出一种面向对象的激光点云建筑裂缝提取方法,在对激光点云进行分割的基础上,通过计算面片与水平面之间的夹角、面片面积、面片相似度等特征,依据建筑裂缝先验知识,利用面向对象的激光点云分析方法对裂缝周围面片进行识别,选取建筑裂缝数据进行实验,结果表明,该方法可对建筑裂缝进行有效提取。     

车载激光雷达三维点云重构与漫游方法

针对车载激光雷达系统,建立了由激光扫描仪数据、载车GPS数据、载车姿态数据进行激光点云解算与重构的数学模型,得到道路及两侧景物的三维点云场景。根据载车行进轨迹,用OpenGL三维引擎技术,实现对道路两侧景物的三维漫游。研究将激光雷达应用于车辆和飞行器的防撞预警,此技术具有快速、主动获取障碍物的高精确度三维坐标,探测距离远,受天气影响小的优势。为能见度低、障碍物较多情况下的车辆和飞行器的防撞提供了一个可行的技术途径。     

基于平面拟合及残差预测的点云压缩方法

激光雷达点云数据三维表征能力出色,但其庞大的数据量给其存储及传输带来了挑战。基于平面拟合的点云压缩将三维点云转换为二维距离图,并使用空间平面拟合坐标点,在一定误差和精度的条件下能够有效降低单帧点云的空间冗余。针对该方法在复杂场景和高拟合精度情况下非拟合点过多导致压缩性能降低的问题,提出了使用残差预测处理未拟合点数据,进一步提升了压缩率。详细介绍了平面拟合残差预测的工作原理及压缩处理框架,使用对称最近邻均方差和位姿估计,从数据误差和应用精度两个方面评估比较不同压缩算法的性能,验证了残差预测对压缩性能提升的有效性。     

基于LightGBM的车载激光雷达点云分类

车载激光扫描系统获取的海量三维点云自动分类对目标识别和重建有着重要意义,传统点云分类需要人工干预,而现有的自动分类算法大多存在分类准确率低和运算成本高等问题。对此,提出了一种基于LightGBM模型的车载点云自动分类方法,该方法首先计算点云的表面变化三维特征、密度特征、高程特征以及快速点特征直方图,并计算点云法向量与其邻域点的法向量夹角及与水平面的夹角作为约束特征,将所有结果合并得到48维特征向量,然后构建LightGBM模型对点云特征向量训练完成分类预测。试验表明该算法能够准确高效地完成车载雷达点云的自动分类,比对照组算法总精度平均提高8.1%,Kappa系数平均提高18.9%,计算时间平均减少73.7%。     

基于激光雷达点云应用的通信勘察技术研究

文中探讨了激光雷达在通信勘察中的应用。首先,介绍了激光雷达在通信勘察中的工作原理和优势。然后,阐述了激光雷达在通信勘察中的实际应用场景,并结合国内外相关研究成果,对激光雷达在通信勘察中的应用进行了深入分析。最后,对未来激光雷达在通信勘察中的未来发展进行了展望。     

基于车载激光点云的高速铁路边坡形变检测

为保障高速铁路运行安全,必须定期地检测沿线边坡的形态变化,及时发现潜在的山体滑坡风险,为铁路安全管理部门提供检测数据支撑.首先利用车载激光雷达获取高速铁路沿线边坡三维点云数据,并将当期点云和基准点云进行配准;采用点云体素化方法降低离散空间点坐标的随机误差,并利用区域生长算法拟合生成多个区域平面.最后,提出边坡形变量计算...     

基于激光雷达点云数据的树种识别系统设计

针对传统树种识别系统存在的识别精度不高,借助雷达技术获取的地物三维点云数据与传统意义上的遥感技术获取的影像数据融合,仍存在特征不连续等缺陷,使地物智能化分类和识别等处理难度加大,提出基于激光雷达点云数据的树种识别系统设计.根据激光雷达点云数据识别的基本工作原理,设计系统硬件结构框图,选择K6多光谱摄像机输出影像信号,再...     

基于CCD图像的激光点云数据边界提取法

提出了一种融合激光和CCD图像的点云数据边界提取的方法。首先,将激光点标定到CCD图像上。然后,融合CCD图像数据与激光数据,提出了一种基于图像法的点云数据边界特征的提取方法,采用图像处理中梯度求解方法,对点云中每一点处的法向矢量和曲率进行估计,通过阈值得到候选边界点,再利用曲率极值法得到最终边界点。     

基于机载激光点云的电力线自动提取方法

为了解决地形、走向复杂、点云密度不均匀的输电线路的电力线提取精度低的问题,提出了一种高效的电力线自动提取和重建方法.首先通过空间分割和点云密度分析方法改进高程滤波算法实现电力线粗提取;采用基于点云间倾斜角度平均值的滤波算法精提取电力线;使用统计滤波算法完成电力线整体点云提取;通过基于随机采样一致性算法的电力线分条提取算...     

基于特征点和关键点提取的点云数据压缩方法

针对采集到的点云数据中含有大量的冗余数据,为后期数据处理及其应用带来诸多不便,而采用现有通用压缩方法压缩后的点云容易造成细节特征丢失问题,为此,本文提出一种基于特征点和SIFT关键点提取的点云数据压缩方法。该方法的核心技术是首先根据查询点与邻域中的点所构成向量的夹角而提取边界点;然后根据点云数据的曲率和法向量夹角提取尖锐点,据此使特征点在点云压缩处理过程中得到绝对被保留;同时在平坦区域提取SIFT关键点,这样能避免在曲率变化缓慢区域所保留的并不是特征点;最后融合特征点和SIFT关键点而实现对点云数据的压缩处理。研究通过设计与现有两种基于曲率压缩方法进行对比实验分析,结果表明本文所提方法既能最大量的去除冗余数据,又能保留点云中大部分特征点,实现了点云数据的高质量压缩。     

基于深度图的道路场景三维点云分割优化方法

点云分割在计算机视觉、智能驾驶、遥感测绘、智慧城市等领域具有重要意义。为提高对激光雷达采集点云分割的准确率,提出了一种基于深度图的道路场景三维点云分割优化方法。将点云数据转化为深度图,建立三维点云与深度图之间的投影关系,利用相邻激光雷达扫描线的角度阈值进行地物分割,再对分割后的地上物体进行分割,去除噪声点。通过使用KNN(K-Nearest Neighbor)插值优化算法对分割结果进一步优化,较好地克服了过分割问题,提高了点云分割的准确率。实验结果表明,该方法的运行时间达到86 ms,相较传统深度图的自适应DBSCAN(Density-Based Spatial Clustering of Applications with Noise)方法准确率提升了5%,达到90.5%。     

基于点云簇组合特征的激光雷达地面分割方法

针对三维激光雷达在地面分割过程中存在分割不足和过分割的问题,提出一种基于点云簇组合特征的激光雷达地面分割方法.首先将三维点云投影到扇形栅格中进行连通域聚类,将梯度相差较小的栅格聚为一类.然后根据路面点云符合平面和直线几何特征的特点,对每一簇进行特征值计算以挑选路面栅格簇的候选簇,接着对其进行径向方向上的梯度检查以剔除误...     

基于车载激光点云的城市道路标线提取方法

针对车载激光点云道路标线反射强度特性,提出了一种基于车载激光点云的城市道路标线提取方法。具体而言,首先提出一种联合布料模拟滤波和高差偏度平衡的地面滤波方法,利用偏度平衡滤波的自适应性,剔除布料滤波后残留的低矮植被的问题;随后利用基于法向量密度聚类以提取路面点云,并通过反距离加权插值将路面点云转为强度特征图;为了缓解标线提取出的锯齿状现象,引入快速引导滤波来平滑道路标线的边缘信息;最后采用最大熵阈值分割和形态学比值滤波对道路标线进行精化处理。实验表明,该方法能够有效地提取出道路标线点云,提取的平均召回率为80.98%,平均准确率为96.89%,平均综合评定指标为88.19%,能够利用道路标线点云强度信息较为完整地提取出道路标线点云。     

布模拟算法在机载雷达点云滤波中的研究

点云就是用物体表面大量的点将现实三维世界的物体离散化表示,所谓的点云滤波,就是指要区分开哪些点云属于地面(称为地面点),哪些点云属于高出地面的地物(如建筑物、树木、车辆等),点云滤波是后续点云数据处理的关键步骤。文章将介绍布模拟滤波(Filtering Method Based on Cloth Simulation)算法原理,基于美国国际摄影测量与遥感协会提供的数据来做滤波,实验表明在大多数地形下,相比传统的点云滤波算法,布模拟算法滤波效果比较好。     

基于扫描方式与球面投影的点云修补方法

激光雷达点云数据修补是三维重建工作中的重要环节.针对现有的点云修补的插值算法无法确定空洞区域缺失点具体位置和数量的问题,提出一种简便有效的缺失点云修补方法.首先,将经过球面投影的单站激光雷达数据按照扫描方式实现结构化;然后根据旋转角和俯仰角两个方向的角度分辨率来描述缺失点云的球面位置;最后根据实际地形情况选择合理的插值...     

合并分割块的点云语义分割方法

随着激光雷达等三维点云获取工具的快速发展,点云的语义信息在计算机视觉、智能驾驶、遥感测绘、智慧城市等领域更具重要意义。针对基于分割块特征匹配的点云语义分割方法无法处理过分割和欠分割点云块、行道树和杆状物的语义分割精度低等问题,提出了一种基于分割块合并策略的行道树和杆状物点云语义分割方法,该方法可对聚类分割后感兴趣的分割块进行合并,通过计算其多维几何特征实现对合并后的物体分类,并使用插值优化算法对分割结果进行优化,最终实现城市道路环境下行道树和杆状物的语义分割。实验结果表明,所提方法可将城市道路环境下的行道树、杆状物等点云数据的召回率和语义分割精度平均提升至89.9%以上。基于分割块合并的语义分割方法,可以很好地解决城市道路下行道树和杆状物语义分割精度低等问题,该方法对于三维场景感知等问题的研究具有重要意义。