點云智能處理

目錄
第1章 緒論 1
1.1 引言 1
1.2 點云獲取 2
1.2.1 激光掃描點云獲取 2
1.2.2 影像點云獲取 14
1.2.3 點云獲取的發(fā)展趨勢 16
1.3 點云的基本特點 17
1.4 點云處理的關鍵內(nèi)容 18
1.4.1 點云質(zhì)量自動改善 18
1.4.2 點云模型構建 18
1.4.3 點云特征精準描述 18
1.4.4 點云語義信息提取 19
1.4.5 點云目標結構化重建與場景理解 19
1.5 點云處理的部分通用軟件 21
1.6 點云典型應用 23
1.6.1 地球系統(tǒng)科學研究 23
1.6.2 基礎測繪 23
1.6.3 智慧城市建設 23
1.6.4 文化遺產(chǎn)數(shù)字化保護 24
1.6.5 無人駕駛 24
1.6.6 基礎設施安全監(jiān)測 24
1.6.7 影視娛樂 24
1.7 本章小結 25
參考文獻 25
第2章 點云模型 31
2.1 引言 31
2.2 廣義點云模型 31
2.2.1 廣義點云數(shù)據(jù)模型：從孤立、分散到多模統(tǒng)一 32
2.2.2 廣義點云處理模型：從人工輔助分類到智能化場景理解 33
2.2.3 廣義點云表達模型：從可視、量算到計算與分析 34
2.3 點云去噪 36
2.3.1 Statistical Outlier Removal濾波器 36
2.3.2 Radius Outlier Removal濾波器 37
2.4 點云強度校正 38
2.4.1 距離改正 38
2.4.2 入射角改正 39
2.4.3 大氣改正 39
2.4.4 總體改正 39
2.5 點云位置偏差改正 40
2.5.1 基于軌跡的車載點云分段 40
2.5.2 由粗到細的點云分段兩兩配準 43
2.5.3 基于圖優(yōu)化的點云位置全局偏差改正 44
2.5.4 實驗分析 47
2.6 點云三維可視化 51
2.6.1 海量車載移動測量系統(tǒng)點云索引 51
2.6.2 雙層索引樹構建方法 53
2.6.3 點云高效三維可視化實驗分析 54
2.7 本章小結 55
參考文獻 55
第3章 點云特征三維提取與表達 59
3.1 引言 59
3.2 點云局部特征描述研究現(xiàn)狀 59
3.2.1 點云特征描述子的魯棒性和描述性 60
3.2.2 點云特征描述子時間和內(nèi)存使用效率 65
3.3 BSC特征描述算子 70
3.3.1 關鍵點檢測 70
3.3.2 局部坐標參考系建立 71
3.3.3 坐標轉(zhuǎn)換和格網(wǎng)化 72
3.3.4 加權投影特征計算 73
3.3.5 特征二值化 74
3.4 實驗結果與分析 75
3.4.1 數(shù)據(jù)描述 75
3.4.2 特征描述子性能評價標準 79
3.4.3 BSC的參數(shù)敏感性分析 79
3.4.4 BSC的表達性比較分析 82
3.4.5 BSC的魯棒性比較分析 83
3.4.6 BSC的時間和內(nèi)存效率比較分析 85
3.5 本章小結 86
參考文獻 87
第4章 點云與影像的自動配準 90
4.1 引言 90
4.2 點云與影像配準研究現(xiàn)狀 90
4.2.1 低空無人機載激光掃描點云與框幅式影像配準 91
4.2.2 車載激光掃描數(shù)據(jù)與序列全景影像配準 92
4.3 三維點云與影像兩步法自動配準 92
4.3.1 由粗配準到精配準的模型設計 93
4.3.2 配準基元特征選擇與提取 95
4.3.3 基于圖匹配的共軛配準基元對生成 97
4.3.4 粗配準模型參數(shù)解算 102
4.3.5 3D-3D精配準模型參數(shù)穩(wěn)健估計 102
4.3.6 實驗分析 106
4.4 本章小結 111
參考文獻 111
第5章 多源多平臺點云自動配準 114
5.1 引言 114
5.2 點云配準研究現(xiàn)狀 114
5.2.1 地面激光掃描點云配準 114
5.2.2 地面激光掃描和移動激光掃描點云配準 120
5.2.3 地基和空基激光點云配準 121
5.3 地基多平臺激光點云層次化自動配準 122
5.3.1 數(shù)據(jù)預處理 122
5.3.2 點云多層次特征計算 123
5.3.3 點云近鄰（重疊）結構關系圖構建 124
5.3.4 顧及大重疊度的佳配準點云對計算 126
5.3.5 融合BSC相似性和幾何一致性的點云兩兩配準 127
5.3.6 點云增量合并與更新 129
5.3.7 點云層次化配準策略 130
5.3.8 實驗結果與分析 132
5.4 基于建筑物邊界的地基激光點云與空基激光點云自動化配準 147
5.4.1 地面點云中建筑物邊界線提取 147
5.4.2 機載點云中建筑物邊界線提取 148
5.4.3 邊界線特征的譜空間構建 150
5.4.4 不同平臺點云邊界線匹配 151
5.4.5 實驗驗證與分析 155
5.5 本章小結 163
參考文獻 163
第6章 點云目標三維提取 167
6.1 引言 167
6.2 點云目標三維提取研究現(xiàn)狀 167
6.2.1 基于機器學習的逐點分類提取 167
6.2.2 先分割后目標識別方法 169
6.2.3 基于深度學習的目標提取 174
6.3 典型道路路側目標三維提取 175
6.3.1 非地面點多尺度超體素生成 175
6.3.2 基于多規(guī)則區(qū)域生長的地物目標結構檢測 179
6.3.3 地物目標結構顯著性計算 180
6.3.4 地物目標多分割圖構建 181
6.3.5 地物目標多層次特征計算 183
6.3.6 地物目標提取與佳分割選擇 185
6.3.7 實驗結果與分析 188
6.4 道路邊界三維信息自動提取 205
6.4.1 道路邊界點識別 206
6.4.2 線性特征檢測 209
6.4.3 道路邊界定位與優(yōu)化 211
6.4.4 道路邊界三維提取實驗分析 215
6.5 道路標線自動提取 229
6.5.1 激光點云中標線特征建模 230
6.5.2 道路標線多尺度分割 233
6.5.3 基于幾何模型的道路標線提取 235
6.5.4 基于語義信息道路標線優(yōu)化 239
6.5.5 道路標線提取實驗分析 241
6.6 建筑物邊界三維提取 246
6.6.1 目標區(qū)域粗提取 247
6.6.2 目標區(qū)域分類 248
6.6.3 建筑物點云精確提取 250
6.6.4 建筑物邊界提取 251
6.6.5 實驗分析 251
6.7 本章小結 260
參考文獻 260
第7章 點云多細節(jié)層次三維建模 265
7.1 引言 265
7.2 點云三維建模研究現(xiàn)狀 265
7.2.1 多細節(jié)層次建筑物模型重建 265
7.2.2 典型復雜對象按需建模方法 266
7.3 基于形態(tài)學尺度空間的建筑物多細節(jié)層次三維重建 268
7.3.1 形態(tài)學尺度空間的多細節(jié)層次建筑物數(shù)據(jù)生成 268
7.3.2 多細節(jié)層次建筑物模型構建 273
7.3.3 實驗驗證 277
7.4 典型復雜對象多粒度按需建模 280
7.4.1 局部曲面變化度量 282
7.4.2 基于徑向基函數(shù)模型的幾何顯著性測度 283
7.4.3 基于顯著性測度的點云多粒度表達 285
7.4.4 表面模型的視覺降質(zhì)度量 286
7.4.5 基于主觀性閾值的佳粒度選擇 291
7.4.6 視距依賴的多粒度表達實驗分析 293
7.4.7 不同視覺條件的按需選擇實驗 298
7.5 本章小結 300
參考文獻 300
第8章 點云工程化典型應用 304
8.1 引言 304
8.2 室內(nèi)空間5G信號覆蓋仿真 304
8.3 城市太陽能潛力分析 307
8.4 高速公路改擴建 309
8.5 高清駕駛地圖生產(chǎn) 311
8.6 電力線路走廊安全監(jiān)測 313
8.7 森林資源調(diào)查 317
8.8 文化遺產(chǎn)數(shù)字化保護 319
8.9 本章小結 321
參考文獻 321
第9章 總結與展望 324