结合全景影像的车载点云数据增强方法研究

发布时间：2021-06-30 11:33

　　随着智慧城市的发展,三维城市模型成为了构建智慧城市的基础数据,在城市规划以及交通导航等建设方面都有重要的意义。现有的城市三维建模数据以影像和激光点云数据为主,基于影像的城市三维重建由于其街景数据的复杂性以及影像上存在的大面积的遮挡、近景影像的比例尺不一致等因素的影响,使得传统的影像自动匹配算法很难达到要求,且工作量大,时间长。随着激光雷达硬件技术的成熟,出现了车载LiDAR扫描系统,可快速直接地获取地物的密集三维空间点坐标,在一定程度上弥补了摄影测量中基于影像的传统的三维信息获取方式的不足,成为了重建三维模型的重要数据源,但激光点云数据仍会存在地物自遮挡或后景地物被前景地物遮挡的情况,导致地物三维信息不完整。车载移动测量系统中的激光扫描仪在获取激光点云数据的同时,搭载的全景相机传感器也采集到了街景影像数据。针对激光点云数据缺失的问题,本文利用车载的全景影像数据有针对性的去填补激光点云中的缺失信息,在避免重复作业采集数据的同时,又能得到真实信息来达到点云数据增强的目的。论文的主要工作和贡献如下:（1）对车载点云聚类方法进行研究,提出了一种基于图割的车载点云聚类算法。该算法在基于密度的点云... 

【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图２－１空间分劄示意图（唐云龙，２０１５）??分折可得，ｋｄ－ｔｒｅｅ若不为空树，则具有以下特性：??

图２－３?ＤＢＳＣＡＮ原理示意图??ＤＢＳＣＡＮ算法搜索数据中每个点的邻域来生长簇

图２＿６多标签分割示意图（Ｂｏｙｋｏｖ?ｅｔ?ａ?Ｉ．，２００１）??图２－６是一个多标签分割的示意图，由ａ图可见，无向图Ｇ＝＜Ｖ，￡＞有１?＝１，．．．，

【参考文献】：
期刊论文
[1]用于公路勘测设计的LiDAR点云抽稀算法[J]. 方程喜,隋立春,朱海雄.  测绘通报. 2017(10)
[2]LiDAR点云的建筑物立面空洞修复[J]. 李永强,牛路标,李立雪,毛杰,张西童.  测绘科学. 2017(10)
[3]基于径向基函数神经网络的机载LiDAR点云空洞填补方法[J]. 蔡香玉,杨林,吕海洋.  南京师范大学学报(工程技术版). 2017(03)
[4]基于超体素的LiDAR点云粘连目标分割算法[J]. 赵成伟,吴云东,蔡国榕,陈水利.  集美大学学报(自然科学版). 2017(01)
[5]采用聚类分析的车载点云地物分类[J]. 朱磊,王健,许开辉,赵富燕.  测绘科学. 2016(04)
[6]车载激光雷达点云与全景影像的自动配准[J]. 闫利,索一凡,曹亮.  测绘科学. 2016(04)
[7]密度聚类方法在点云数据分割中的应用研究[J]. 王春晓,庞帅峰.  测绘与空间地理信息. 2015(01)
[8]结合尺度空间FAST角点检测器和SURF描绘器的图像特征[J]. 王飞宇,邸男,贾平.  液晶与显示. 2014(04)
[9]一种四叉树与KD树结合的海量机载LiDAR数据组织管理方法[J]. 杨建思.  武汉大学学报(信息科学版). 2014(08)
[10]一种基于SIFT的图像特征匹配方法[J]. 杨世沛,陈杰,周莉,刘健,刘海洋.  电子测量技术. 2014(06)

博士论文
[1]车载移动测量系统检校技术及其精度评定方法[D]. 徐寿志.武汉大学 2016
[2]基于上下文信息的语义图像分类研究[D]. 李昌英（Ri ChangYong）.浙江大学 2014
[3]车载测量系统数据处理若干关键技术研究[D]. 邹晓亮.解放军信息工程大学 2011

硕士论文
[1]最小割最大流算法的研究与应用[D]. 严子恒.南京邮电大学 2016
[2]基于车载激光点云数据的典型地物分类与提取[D]. 唐云龙.北京工业大学 2015
[3]基于影像的激光雷达点云边缘精细化技术研究[D]. 曾飞翔.北京建筑大学 2014
[4]影像匹配与密集点云生成研究[D]. 董友强.北京建筑大学 2014
[5]利用多条件约束的航空影像逐像素密集匹配算法研究[D]. 张彦峰.中国测绘科学研究院 2014
[6]基于kd-tree的点云数据空间管理理论与方法[D]. 刘艳丰.中南大学 2009



本文编号：3257670