输电线走廊点云数据抽稀算法适用性分析

发布时间：2021-06-16 05:49

　　针对机载LiDAR设备获取的输电线走廊点云数据量庞大,为后续的数据处理带来不便的问题,该文采用随机抽稀、空间抽稀和体素分割抽稀3种点云抽稀算法进行比较和分析,以期选择合适的算法对点云数据进行压缩和消除冗余数据,主要从点云抽稀的质量、简度和速度3方面对4组输电线走廊点云数据进行抽稀实验。研究表明:系统（随机）抽稀方法点云抽稀不能有效保持导线形态完整性和连续性;空间距离抽稀方法的处理效果最佳;在相同抽稀率下,体素分割抽稀速率最快;系统抽稀算法,用时均少于19 s;空间抽稀方法用时最长为447 s,抽稀时间效率相对较低。 

【文章来源】：测绘科学. 2020,45(09)北大核心CSCD

【文章页数】：8 页

【部分图文】：

3种抽稀方法在不同抽稀率上处理时间效率

空间距离抽稀采用的八叉树结构是通过递归的方式规则划分三维空间,八叉树的每个节点表示一个正方体的体积元素,每个节点有8个子节点(图1)。点云的初始立方体包围盒不断地被分成8个相等的立方体单元,这个分裂过程是对每个立方体递归地重复。停止条件是没有更多的点(比如3个点)在立方体单元或当达到一个最大预设条件[15-16]。通过对点云数据构建八叉树结构,有利于数据的管理和处理,这种结构可快速确定特定立方体单元及立方体三元中的点。如可在海量的点云数据中快速定位某个或某些点,方便对其进行后续处理。构建完八叉树之后,根据指定的最小距离,计算最优树深(层),加快邻近搜索效率。依照指定间隔距离(半径)在中依次寻找数据点的最近邻点,找到给定距离的点云脚点,并剔除掉球形区域内其余的脚点,从而达到点云数据抽稀的目的。

空间抽稀是按照一定的最小空间间隔(采样间隔),把点云均匀采样,使原始离散的冗余点云简化为均匀分布的点云,同时达到数据抽稀的目的。注意到,空间抽稀并没有生成新的点云数据,抽稀后得到的点云是对原始点云取的子集。另外,空间抽稀只会对球形搜索区域内的点选择性剔除,对于超出采样间隔的离群点会予以保留(图2)。给定一个多维空间D,把D中的一个向量标为一个样本点或数据点。D中样本点的有限集合称为样本集。给定样本集E和一个样本点d,d的最近邻就是任何样本点d′∈E满足None-nearer(E,d,d′)。

【参考文献】：
期刊论文
[1]一种特征感知的三维点云简化算法[J]. 王成福,耿国华,胡佳贝,张勇杰.  激光与光电子学进展. 2019(11)
[2]最优邻域二次误差曲面的点云简化算法[J]. 陆建华,刘闯,吕志才.  测绘通报. 2018(12)
[3]利用连续变形技术的三维点云简化方法[J]. 肖巍峰,田鑫,李朝奎,陈奇.  遥感信息. 2018(05)
[4]基于改进八叉树的三维点云压缩算法[J]. 黄源,达飞鹏,唐林.  光学学报. 2017(12)
[5]机载LiDAR点云数据抽稀算法研究述评[J]. 钱金菊,张昌赛,王柯,徐博.  测绘通报. 2017(S1)
[6]基于体素化网格下采样的点云简化算法研究[J]. 袁华,庞建铿,莫建文.  电视技术. 2015(17)
[7]于法向量夹角信息熵的点云简化算法[J]. 陈西江,章光,花向红.  中国激光. 2015(08)
[8]无人机电力线路安全巡检系统及关键技术[J]. 彭向阳,刘正军,麦晓明,罗智斌,王柯,谢小伟.  遥感信息. 2015(01)
[9]基于局部最小生成树的点模型快速无损压缩算法[J]. 王鹏杰,潘志庚,徐明亮,刘勇奎.  计算机研究与发展. 2011(07)
[10]利用kdtree索引实现曲率自适应点云简化算法[J]. 马振国.  测绘科学. 2010(06)

硕士论文
[1]基于近邻传播聚类的点云简化研究[D]. 李兰兰.浙江工业大学 2010



本文编号：3232492