LiDAR点云

摘要： 大比例尺地形图(1∶500)需求依旧旺盛,与此同时三维化、全要素化成果需求急速增长。而传统地形图生产方式不仅外业工作量大,且仅能提供单一化的地形图产品,难以满足三维化需求。倾斜摄影测量和三维激光扫描技术(LiDAR)是测绘领域近些年发展起来的高新技术,本文结合这两种技术同步对测区进行数据采集,实现了LiDAR点云分类以及两种类型数据的联合测图工艺,并成功地将该工艺应用于多个实际工程项目中,满足1∶500地形图测绘精度的同时,提升了大比例尺测图整体效率,并且形成了实景模型、高精度DEM等更加多样化的测绘产品。

摘要： 在总结前人研究成果的基础上,提出了一种将LiDAR点云数据转换为灰度图像提取建筑物的方法。首先,采用最近邻插值法将离散的LiDAR点云数据规则格网化,并标记每个规则格网点的平面坐标;再利用重采样的LiDAR点云数据生成DSM灰度图像;然后借助于成熟的图像处理技术(灰度直方图统计、连通区域面积统计、二值化、边缘检测等方法)对灰度图像进行预处理;最后利用预处理后的灰度图像标记出LiDAR点云数据建筑物点。利用VC++编写LiDAR点云数据处理程序,并对实验数据进行了验证。实验结果表明,在较平坦的区域,该方法能有效提取建筑物点,取得了良好的实验效果。

摘要： 提出一种基于单个三角形最小外接圆来提取水域边界的方法,通过构建TIN、计算三角形最小外接圆半径、三角形面域合并、提取面域边界等步骤,实现了从LiDAR点云数据中对水域边界的快速提取。利用覆盖湖北省长江流域的LiDAR点云数据验证了方法的有效性,结果表明该方法能快速提取各种形状的水面区域边界,减小了后期DEM数据的人工编辑工作量,为实现高精度数字高程模型全省覆盖、不断提高地理信息资源供给能力奠定了一定的基础。

摘要： 为了对比分析雷达点云和摄影测量数字高程模型精度差异,以山西某地的数据为例,设计对比分析方案,通过数据计算的结果分析得到相关结论。具体方法为对两份点云数据分别做点云分类,分为植被、建筑物、地面点三类,注意两份地面点需要转换为参数相同的规则格网DEM。对比方法使用python编程实现,需要编程实现的步骤有数据整合、去除粗差、运用相关公式编写对比方法、输出结果。研究表明:Lidar点云和影像点云中不同地物的高程差异比较大,例如当不做点云分类时得到的均方根误差(E_(RMS))达到724 mm,而做过点云分类之后,植被层的E_(RMS)可以达到1138 mm,涨幅57%,建筑物层经计算降幅达85%,DEM降幅13%。可见在硬化表面地区,传统摄影测量得到的影像点云可以代替Lidar点云,其他复杂环境做精度对比分析时一定要先做点云分类,对比结果相对更合理。文章使用了一套成熟的点云精度对比方案,经过验证有很高的可行性,具有一定参考意义。

摘要： “智能电网”的构建是现代化社会电力系统建设规划与发展的重中之重,输电走廊的数字化作为其中的重要一环,然而,现阶段输电走廊数字化仍需耗费大量人工,其自动化水平亟待提升。而输电杆塔的建模效率能否提升成为了决定整个输电线路三维建模效率的主要因素。为解决杆塔建模效率的问题,本文作为模型驱动的输电杆塔建模方法的前期工作,提出了一种基于PCA算法与YOLOv5目标检测算法结合的塔型识别方法。该方法首先使用PCA算法提取电塔的主方向,通过主方向投影实现了杆塔点云的二维转换,并将主方向投影图作为网络模型的输入,进而通过YOLOv5算法实现了电塔的塔型识别。实验表明,本文所提出的方法能够实现对输电杆塔点云数据实时精确的塔型识别:塔型识别的平均精确度map@0.5为0.867,识别速度为0.02 s。

摘要： 针对建筑物屋顶形状各异且附属物复杂,而机载LiDAR点云数据具有分布不均匀且缺乏语义信息导致分割屋顶面常出现欠分割与过分割的问题,提出了一种SIFT结合3D Hough变换的建筑物屋顶点云分割方法。首先,引入曲率计算提高SIFT算法在屋脊与屋顶附属物处特征点的提取度,增强对结构复杂的附属物以及密集离散点的识别;然后,利用特征点构建kd-tree搜索5个邻近点构建拟合三角面,将拟合面法向量投入3D Hough空间并以拟合面法向量间夹角值判断平面可靠性,降低伪平面的出现几率;最后,利用累加计算和峰值检测获得屋顶分割结果。实验结果表明,该方法对不同复杂程度的建筑物屋顶有较高的适应性并能较好地分割屋顶附属物,以点为评价单元的平均分割完整率与正确率达到98.19%与97.62%。

摘要： 传统的LiDAR点云建筑物模型会经常受到二维图纸的局限,极大地影响对建筑物的判断.而对于等高线族的分析,从等高线族的特性到建筑物等高线的划分,都能通过等高线的识别呈现建筑物的形状和结构,从而提高建筑物模型重建的效率.论文从等高线族的定义、机载LIDAR技术、屋顶识别、模型重建等方面,探讨基于等高线族分析的LiDAR点云建筑物模型自动识别及重建.

摘要： 针对三维激光扫描技术在铁路隧道超欠挖分析和收敛分析等应用中如何能对任意形状隧道LiDAR点云进行断面差异分析的关键问题,本文提出了一种适应任意形状铁路隧道LiDAR点云的断面差异分析方法.该方法先建立铁路隧道设计断面统一模型,提出实测断面点与设计要素对应关系判定方法,对从隧道LiDAR点云中提取出的断面在铁路隧道设计断面统一模型中逐点确定所对应的设计要素,并计算出断面在对应设计要素上的径向投影点到设定的起算高程面与设计断面左侧交点的弧长,根据弧长对断面进行排序,最后根据设定的采样步长对有序的断面进行采样得到实测断面,进而计算出实测断面相较于设计断面的偏差量.通过3组具有代表性的不同断面隧道模拟点云数据对提出的算法参数最佳取值进行试验,试验结果不仅给出了算法参数的最佳取值,也论证了本方法可以对任意形状铁路隧道LiDAR点云进行断面差异分析.

摘要： 无人机遥感数据会衍生大量的光谱、纹理与结构特征,如何提取优势特征是提高红树林物种分类效率和精度的关键问题.针对深圳福田红树林自然保护区缓冲区获取的无人机高光谱影像和LiDAR点云数据,本研究旨在利用极端梯度提升算法(XGBoost)的“特征重要性”属性筛选出适合红树林物种分类的8类优势特征:基于无人机高光谱影像的单一特征(光谱波段、植被指数和纹理特征:F1—F3)及其融合特征(F4)、基于LiDAR点云的单一特征(高度和强度特征:F5和F6)及其融合特征(F7)、高光谱影像与LiDAR点云的融合特征(F8);基于以上优势特征构建8个XGBoost分类模型.结果 表明:综合物种分类精度及其制图结果,基于F8特征的模型分类性能最佳(总体精度为96.41％,莫兰指数为0.5520);基于单一数据源融合特征(总体精度,F4: 96.74％;F7: 90.64％)的分类性能优于基于单一特征(总体精度,F1—F3: 90.31％、92.20％和91.96％;F5和F6: 87.66％和81.99％);基于融合特征(F4、F7和F8)和纹理特征(F3)分类图的莫兰指数比基于单一特征(F1、F2、F5和F6)的更大.本文论证了无人机遥感数据和XGBoost方法在基于像元的红树林物种精准分类上具备可行性,可为红树林生态系统健康、保护与恢复的立体监测提供科学依据和技术支撑.

摘要： 依托铁路智能勘测体系,针对铁路勘测中大范围数字正射影像(Digital Orthophoto Map,D0M)的自动化生产,本文提出了LiDAR点云辅助的正射影像自动化镶嵌方法。LiDAR点云数据可以准确的反映出地表形态起伏及地物变化信息,故基于点云数据构建镶嵌线搜索代价影像,然后提取出一条避开建筑、树木等高出地表区域的最优镶嵌线,避免产生地物几何错位,实现正射影像的自动化无缝镶嵌。试验表明,本文方法切实可行。

摘要： 为提高自动驾驶系统环境感知的性能,本文关注于对车、行人等道路上目标的3D分割.在SqueezeSeg模型的基础上进行算法改进,并将改进后的模型命名为A-SqueezeSeg.考虑到由于类别分布不平衡导致的SqueezeSeg模型在行人、骑行者等小类别上的分割准确性低的问题,对交叉熵损失函数进行掩模加权处理,并利用多尺度扩张卷积对模型进行改进以增加特征图的感受域,聚合上下文信息.A-SqueezeSeg模型以数据集中3DLiDAR点云经过球面投影后的球面图像作为模型的输入,并与基于递归网络的条件随机场(R-CRF)模型结合,共同训练以实现逐点类别预测,即3D目标分割.实验未使用合成数据集进行预训练,直接利用KITTI数据进行实验,结果表明A-SqueezeSeg提高了道路目标分割的准确性.

摘要： 为提高自动驾驶系统环境感知的性能,本文关注于对车、行人等道路上目标的3D分割.在SqueezeSeg模型的基础上进行算法改进,并将改进后的模型命名为A-SqueezeSeg.考虑到由于类别分布不平衡导致的SqueezeSeg模型在行人、骑行者等小类别上的分割准确性低的问题,对交叉熵损失函数进行掩模加权处理,并利用多尺度扩张卷积对模型进行改进以增加特征图的感受域,聚合上下文信息.A-SqueezeSeg模型以数据集中3DLiDAR点云经过球面投影后的球面图像作为模型的输入,并与基于递归网络的条件随机场(R-CRF)模型结合,共同训练以实现逐点类别预测,即3D目标分割.实验未使用合成数据集进行预训练,直接利用KITTI数据进行实验,结果表明A-SqueezeSeg提高了道路目标分割的准确性.

摘要： 为提高自动驾驶系统环境感知的性能,本文关注于对车、行人等道路上目标的3D分割.在SqueezeSeg模型的基础上进行算法改进,并将改进后的模型命名为A-SqueezeSeg.考虑到由于类别分布不平衡导致的SqueezeSeg模型在行人、骑行者等小类别上的分割准确性低的问题,对交叉熵损失函数进行掩模加权处理,并利用多尺度扩张卷积对模型进行改进以增加特征图的感受域,聚合上下文信息.A-SqueezeSeg模型以数据集中3DLiDAR点云经过球面投影后的球面图像作为模型的输入,并与基于递归网络的条件随机场(R-CRF)模型结合,共同训练以实现逐点类别预测,即3D目标分割.实验未使用合成数据集进行预训练,直接利用KITTI数据进行实验,结果表明A-SqueezeSeg提高了道路目标分割的准确性.

摘要： 为提高自动驾驶系统环境感知的性能,本文关注于对车、行人等道路上目标的3D分割.在SqueezeSeg模型的基础上进行算法改进,并将改进后的模型命名为A-SqueezeSeg.考虑到由于类别分布不平衡导致的SqueezeSeg模型在行人、骑行者等小类别上的分割准确性低的问题,对交叉熵损失函数进行掩模加权处理,并利用多尺度扩张卷积对模型进行改进以增加特征图的感受域,聚合上下文信息.A-SqueezeSeg模型以数据集中3DLiDAR点云经过球面投影后的球面图像作为模型的输入,并与基于递归网络的条件随机场(R-CRF)模型结合,共同训练以实现逐点类别预测,即3D目标分割.实验未使用合成数据集进行预训练,直接利用KITTI数据进行实验,结果表明A-SqueezeSeg提高了道路目标分割的准确性.

摘要： 为提高自动驾驶系统环境感知的性能,本文关注于对车、行人等道路上目标的3D分割.在SqueezeSeg模型的基础上进行算法改进,并将改进后的模型命名为A-SqueezeSeg.考虑到由于类别分布不平衡导致的SqueezeSeg模型在行人、骑行者等小类别上的分割准确性低的问题,对交叉熵损失函数进行掩模加权处理,并利用多尺度扩张卷积对模型进行改进以增加特征图的感受域,聚合上下文信息.A-SqueezeSeg模型以数据集中3DLiDAR点云经过球面投影后的球面图像作为模型的输入,并与基于递归网络的条件随机场(R-CRF)模型结合,共同训练以实现逐点类别预测,即3D目标分割.实验未使用合成数据集进行预训练,直接利用KITTI数据进行实验,结果表明A-SqueezeSeg提高了道路目标分割的准确性.

摘要： 在一个实施方式中，一种方法或系统从低分辨率的3‑D点云和摄像机捕捉的图像生成高分辨率的3‑D点云，以操作自动驾驶车辆(ADV)。该系统接收用于驾驶环境的、由摄像机捕捉的第一图像。该系统接收第二图像，该第二图像表示与驾驶环境相对应的第一点云的第一深度图。该系统以预定的比例因子对第二图像上采样，以匹配第一图像的图像比例。该系统通过对第一图像和上采样的第二图像应用卷积神经网络(CNN)模型来生成第二深度图，该第二深度图比第一深度图具有更高的分辨率，使得第二深度图表示感知ADV周围的驾驶环境的第二点云。

摘要： 在一个实施方式中，一种方法或系统从低分辨率的3‑D点云和摄像机捕捉的图像生成高分辨率的3‑D点云，以操作自动驾驶车辆(ADV)。该系统接收用于驾驶环境的、由摄像机捕捉的第一图像。该系统接收第二图像，该第二图像表示与驾驶环境相对应的第一点云的第一深度图。该系统以预定的比例因子对第二图像下采样，直到第二图像的分辨率达到预定的阈值。该系统通过对第一图像和下采样的第二图像应用卷积神经网络(CNN)模型来生成第二深度图，该第二深度图比第一深度图具有更高的分辨率，使得第二深度图表示感知ADV周围的驾驶环境的第二点云。

摘要： 本发明公开了一种适用于山区危岩落石的LiDAR点云数据提取方法，包括：步骤1：对山区扫描获取点云数据；步骤2：设定格网尺寸，对点云数据构建虚拟格网；步骤3：对点云数据进行去噪处理，再在虚拟格网中创建索引号，确定点云数据最大行号；步骤4：根据最大行号计算结构元素，对点云数据进行形态学开运算，得到点云数据的高差变化值；对点云数据进行曲面拟合，得到点云数据的地面数字模型，进而得到地形起伏度值；步骤5：根据高差变化值及地形起伏度值判断点云数据是否为地面点；步骤6：将结构元素与预设阈值比较，若小于阈值，则结束，否则返回步骤2更新格网尺寸。本发明对点云数据进行形态学开运算和曲面拟合，能更加准确得到地面点。

摘要： 本申请联合LiDAR点云与光学图像实现房屋自动识别矢量化，将点云数据的高度光学图像nDSM与高度光学图像的边缘轮廓信息作为输入波段参加光学图像的多尺度高程协同分割；提出一种基于地物梯度、高程空间关系的植物与房屋的分拣优化方法，对于房屋的边缘信息识别结果，提出一种角点识别驱动的房屋轮廓精细矢量化方法；本申请能有效识别出四棱锥形的房屋和四合院类型的房屋，对屋顶表面存在小型附属物的房屋也有很强的适应能力，对于人字形、工字形或多种类型的房屋组成的房屋集群能正确识别，基于高程、回波、光谱和梯度等多特征进行多层次优势互补的房屋识别，取得了优质的识别和房屋自适应矢量化效果。

摘要： 本发明公开了一种基于机载LiDAR点云辅助的同机影像直接地理定位方法及系统，包括选择子块影像集，根据影像所在区域截取机载LiDAR点云数据，利用SURF算子提取子块影像重叠区域内的同名像点；通过摄影测量空间前方交会获得同名像点的地面目标点，将目标点的高程值替换为从LiDAR点云内插出的高程值获得候选虚拟控制点；基于自动VCP选择过程刷选合适的虚拟控制点集，所述自动VCP选择过程包括平面度测试、坡度测试和可靠性测试；依据VCP点集和共线方程建立调整方程以执行视轴偏移补偿，支持获取基于机载LiDAR点云辅助的同机影像直接地理定位结果。本发明以机载激光雷达点云数据作为影像直接地理定位的控制信息来源，从而有效降低人力成本和时间成本，并保证校准精度。

摘要： 本发明涉及计算机视觉领域，且公开了一种无监督的合成到真实LiDAR点云场景流估计方法，所述无监督的合成到真实LiDAR点云场景流估计方法包括以下步骤：第一步：利用GTA‑V游戏引擎，基于Scrip Hook V编译生成.asi格式动态链接库文件并拷贝到游戏路径下，启动GTA‑V。该一种无监督的合成到真实LiDAR点云场景流估计方法，本发明中训练网络模型所需的数据和标签可直接由游戏引擎生成，无需消耗人力进行手动标注，具有实用性，同时本发明中所涉及的合成数据集生成和域适应方法具有可扩展性，可根据实际情况调整生成数据的属性、规模，且域适应方法可方便的部署于多种现有的主流场景流估计网络。

摘要： 本发明提供一种基于LiDAR点云和影像的建筑物提取方法和系统，方法包括：获取LiDAR点云数据和影像，根据LiDAR点云数据和影像获取对应的高程信息；获取用户选定的目标建筑物对应的局部影像和局部高程信息，对局部影像进行边缘检测，并对得到的边缘轮廓进行简化和打断，得到对应的多线段数据；对局部影像进行角点提取获取角点数据，根据多线段数据和角点数据对局部影像进行三角网过分割，获取对应的三角网影像；结合局部高程信息对三角网影像进行前景目标提取，并对提取到的前景目标进行边界优化，从而得到目标建筑物的轮廓信息；本发明通过在算法中加入高程信息来提高提取的准确性和稳定性，减少用户参与步骤，提高了用户体验。

摘要： 本发明公开基于LiDAR点云与倾斜航空影像的地表形变监测方法，包括以下步骤：设置城市地表监测带，对所述城市地表监测带进行划分，获得若干监测网格；获取所述监测网格的LiDAR点云数据；获取所述监测网格的倾斜航空影像；基于所述LiDAR点云数据和所述倾斜航空影像构建监测网格地表模型；将所有所述监测网格地表模型进行拼接获得城市地表监测模型；对预设时间内相邻的所述城市地表监测带地表模型进行比较，判断是否发生地表形变，如果发生则生成地表形变报告并发出预警，如果没有发生则继续进行监测。本发明能够全面准确直观的对城市地表形变进行监测并进行预警，进而减少各类损失。

摘要： 本发明提供了一种多对象跟踪的方法、装置及电子设备，其中，该方法包括：确定当前点云片段的混合时间位置图；将先前点云片段的跟踪位置图转换为当前点云片段的临时跟踪位置图；对当前点云片段的混合时间位置图和临时跟踪位置图进行平均处理，生成当前点云片段的跟踪位置图。本发明实施例提供的多对象跟踪的方法、装置及电子设备，通过对当前点云片段的混合时间位置图和临时跟踪位置图进行平均处理，不仅可以准确生成当前点云片段的跟踪位置图，还能够实现继承对象ID，基于该对象ID可以关联不同点云片段中的同一个对象，不需要传统方案中的关联步骤即可实现多对象跟踪。不需要额外设置超参数，具有更强的通用性。

摘要： 本发明公开了一种机载LiDAR测深与多波束声呐测深点云的融合方法，属于测绘技术领域，本发明首先利用虚拟格网将原始点云划分为重叠区域与非重叠区域，并生成具有一定抗噪性的模拟格网节点，然后构建了一种基于非重叠区块的无缝化集成模型，将每个非重叠区块内的源测量点与相应的模拟格网节点进行局部配准，并利用TPS插值算法对每个非重叠区块的边界点进行平滑。本发明通过这种方法，能够在一定程度减少地形失真、消除机载LiDAR测深与多波束声呐测深点云数据接缝区域的数据缝隙，为点云数据的三维重建等应用提供数据基础。