建筑物表面三维激光点云数据分类处理方法研究

发布时间：2020-07-13 12:11

【摘要】：地面三维激光扫描是一种快速获取高精度空间信息的新技术,相比传统的测量方式具有快速性、主动性、非接触测量、数字化、自动化、数据采样率高等优势。激光点云数据在空间上分布离散、不规则,对点云数据的处理与分类较传统测量数据复杂,如何从数以千万计的点云数据中提取出扫描建筑物的特征信息是三维模型重建的关键问题。针对点云数据的特征提取,本文开展了地面激光点云数据的处理与分类研究,并提取分类处理后点云数据的特征线以达到构建建筑物三维模型的目的。本文以建筑物点云数据为研究对象,根据点云数据的RGB值和回波强度进行分类处理并进行特征提取,为构建三维建筑模型提供依据。通过对点云数据的RGB值和回波强度的统计分析,探讨不同类别点云的RGB值分布规律和回波强度修正模型;依据分类标准构建点云分类模型,对点云数据进行分类处理,并提取出建筑物的特征线;基于特征线完成三维模型重建。研究内容包括:(1)通过对不同类别扫描对象的RGB值统计分析,确定不同类别扫描对象的RGB值区间,能够提取一定比例的点云,在点云数据分类提取中具有适用性;(2)通过相关分析可以确定影响点云回波强度的因素包括:扫描距离、扫描角度和扫描对象,并总结出回波强度修正模型,将点云回波强度修正到相同扫描距离和扫描角度条件下的强度值,利用强度值的分类可以进一步提高分类提取准确度,并有效提取不同反射特征的扫描对象;(3)利用分类后点云数据提取扫描对象的特征信息,并实现扫描建筑的三维模型重建。本文提供了一种点云数据处理和分类的方法,通过分类模型提取相应比例的不同类别点云,依据分类点云提取扫描对象的特征信息实现扫描对象三维模型的重建,对地面激光点云数据的处理和应用具有一定的理论意义和应用价值。
【学位授予单位】：河北师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P225.2;TU198
【图文】：

获取采集设备概述光点云测量还是传统测量都必须在数据采集之前对仪器设备的了解可以提高测量的效率，以及避免测后期数据的处理提供正确、合理的数据来源。三维三维激光扫描仪（RIEGLVZ-1000 三维激光扫描设备等。光扫描仪00 三维激光扫描仪（图 2.1）能够进行高速、高分多回波测量，其主要的仪器参数包括：最大扫描距m 距离处）、扫描视场范围为 100°×360°（垂直

可以根据影像的差别进行样本的选择。建筑的墙体根据颜色的差别可以大概分为三类，因此提取的样本主要是：白色墙体一种、灰色墙体两种；不同类别的墙体在建筑面所占面积比例存在差异并导致激光点云数量不一致，所以选取的样本数量不一致，白色墙体样本激光点云数量是 443,257 个，灰色墙体样本激光点云数量分别为541,781 个和 82,323 个。（2）样本统计分析当数据量较少时，研究者可以直观了解研究样本的基本信息，但是激光点云数据量远大于人脑可以直接处理、记忆的容量，因此首先需要对激光点云样本分组汇总，计算样本在不同组段的数量分布，并汇总成不同类别的激光点云统计直方图（图 3.2），以反映样本的大致趋势。选取的样本激光点云在数量上存在一定差异，但是反映的样本分布相对显著。

根据相关的统计数据（图3.4）和图表确定激光点云样本的 RGB 值分类区间（表 3.2），区间划分利用的主要参考统计值包括：标准差、均值、百分位数，确定初步提取的比例设定为约 80%；由于照片受光照的影响导致光照条件相对不足的建筑背光侧 RGB 值相对向光侧较低，区间的下限设置的比统计值偏低，但是区间在数值的分布上避免相互重叠。表 3.2 激光点云样本 RGB 分类区间样本类型 R 值区间 G 值区间 B 值区间白色墙体 175 228 175 225 183 221灰色墙体 110 141 116 146 110 154灰色墙体 2 140 174 152 174 153 179图 3.3 激光点云样本 RGB 比例分布R 值 G 值B 值

【相似文献】

相关期刊论文 前10条

1 郑德华;;点云数据直接缩减方法及缩减效果研究[J];测绘工程;2006年04期

2 喜文飞;史正涛;;一种新的点云数据组合精简算法研究[J];科技通报;2014年03期

3 刘志军;;基于三坐标测量机的点云数据测量规划研究[J];黑龙江科技信息;2008年20期

4 张会霞;;基于八叉树的点云数据的组织与可视化[J];太原师范学院学报(自然科学版);2011年03期

5 方源敏;夏永华;陈杰;宋炜炜;杨永明;左小清;;基于改进的角度偏差法的采空区点云数据精简[J];地球科学与环境学报;2012年02期

6 徐伟恒;冯仲科;苏志芳;胥辉;焦有权;邓欧;;一种基于三维激光点云数据的单木树冠投影面积和树冠体积自动提取算法[J];光谱学与光谱分析;2014年02期

7 靳克强;龚志辉;汤志强;张斌;袁辉;;机载激光雷达点云数据质量评价体系分析与探讨[J];测绘与空间地理信息;2012年04期

8 刘亚文;庞世燕;左志奇;;蚁群算法的建筑立面点云数据提取[J];武汉大学学报(信息科学版);2012年11期

9 喜文飞;方源敏;李帅;李健;;一种新的激光点云数据精简方法[J];测绘工程;2012年04期

10 何丽;李嘉;郑德华;;基于栅格的点云数据的边界探测方法[J];测绘工程;2013年03期

相关会议论文 前10条

1 闫龙;;摄影测量点云数据精简研究[A];第二十九届中国控制会议论文集[C];2010年

2 吴美金;;基于薄壁构件的点云数据提取[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年

3 段文国;张爱武;蔡广杰;;基于VTK的点云数据绘制研究与实现[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

4 宋碧波;卢小平;卢遥;;基于点云数据的建筑物三维重建[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

5 张伟忠;张顺海;于德敏;;点云数据与建模软件的接口设计[A];全国第13届计算机辅助设计与图形学（CAD/CG）学术会议论文集[C];2004年

6 吕琼琼;杨晓晖;杨唐文;韩建达;庄严;;激光雷达点云数据的三维建模技术[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

7 刘佳;张爱武;杨丽萍;;室内场景激光点云数据的三维建模[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

8 隋立春;张熠斌;赵旦;;基于MicroStation的机载LiDAR点云数据分类处理软件[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

9 黄承亮;吴侃;刘虎;;基于三维TIN的格网化点云数据特征提取[A];数字测绘与GIS技术应用研讨交流会论文集[C];2008年

10 杨铭;陈建峰;;基于CUDA的海量点云数据kNN查询算法[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

相关博士学位论文 前10条

1 赵江洪;古建筑散乱点云基准面的提取与拟合[D];武汉大学;2012年

2 谷晓英;三维重建中点云数据处理关键技术研究[D];燕山大学;2015年

3 胡峰俊;三维离散点云数据的预处理和配准技术研究[D];浙江工业大学;2015年

4 董秀军;三维空间影像技术在地质工程中的综合应用研究[D];成都理工大学;2015年

5 李晓捷;基于深度相机的三维人体重建及在服装展示方面的技术研究[D];天津工业大学;2016年

6 张坤;基于三维激光扫描的点云数据逆向重建算法研究[D];燕山大学;2016年

7 王岩;阵列激光三维成像点云数据配准技术研究[D];中国科学院长春光学精密机械与物理研究所;2016年

8 金娟凤;基于特征距离的腰腹臀部体型分析与个性化女裤样板生成[D];浙江理工大学;2017年

9 石宏斌;地面激光点云模型自动构建方法研究[D];武汉大学;2014年

10 叶立志;机载LiDAR与影像密集匹配点云数据的滤波方法研究[D];武汉大学;2016年

相关硕士学位论文 前10条

1 张磊;大型钢结构建筑安装质量检测与变形监测软件系统设计与实现[D];北京建筑大学;2015年

2 饶杰;基于激光点云数据的建筑物快速三维建模[D];中国地质大学(北京);2015年

3 李俊宝;TLS在古建筑物测绘及建模中的应用研究[D];长安大学;2015年

4 谢金坤;基于事故车辆车身变形的碰撞速度研究[D];长安大学;2015年

5 顾品荧;基于点云数据的基本款女西装样板生成系统研究[D];苏州大学;2015年

6 李国瑞;车载LiDAR点云中的车辆自动检测技术[D];长安大学;2015年

7 江静;建筑物LiDAR点云数据特征检测及配准关键技术研究[D];集美大学;2015年

8 梁子瑜;基于TLS点云数据的林分调查因子测定及收获估计[D];南京林业大学;2015年

9 喻W毶

本文编号：2753452