收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

迁移学习点云滤波及建筑物特征线提取研究

蔡湛  
【摘要】:机载激光雷达(Light Detection And Ranging,LiDAR)是近几十年发展迅速的一种主动式航空遥感对地观测系统,可以用来获取高精度高密度的地物表面三维点云,目前已逐渐成为地物目标识别的重要数据源之一。滤波,即地面点的提取过程,是机载LiDAR数据处理中较为关键的一步,也是地物识别的前提和基础。传统滤波算法通常基于一些常识和经验,需要根据地形设置不同的滤波参数,这导致了不同的滤波算法对于不同地形的普适性和扩展性较差的问题。近几年,国内外一些学者开展了与分类器相结合的滤波算法研究,在技术上取得了一定的发展和突破。由于点云数据与传统影像数据不同,可直接用于目标识别的信息较少,因此这类滤波算法通常需要进行特征提取。但是随着基于点云几何信息提取的特征数量逐渐增多,同时也带来了新的问题,特征之间存在冗余性和相关性,数量多不意味着精度高,由此,特征选择的有效实施迫在眉睫。而且,现有滤波算法一般不考虑以往已分类完成并经过专家检验的数据集与待分类的新数据集之间的联系,只针对当前的新数据集设定参数或是选取样本,耗时费力,如何挖掘旧数据集的知识用以辅助新数据集的分类,减少不必要的人力消耗,是具有现实意义的研究。另外,建筑物是机载LiDAR地物识别中最为重要的目标之一,现有建筑物相关研究主要集中在建筑物检测和三维建模上,对于建筑物屋顶特征线,尤其是脊谷线,相关研究相对缺乏,而且由于地物场景的复杂化和建筑物结构本身的多样化,许多算法分类精度和自动化程度较低,有其局限性。为了提高建筑物检测自动化程度和特征线提取精度,研究具有良好扩展性的建筑物检测方法和特征线提取算法,也是本文的重要出发点。针对上述研究目标,本文研究利用机载LiDAR数据进行滤波、建筑物检测等各项关键技术。本文主要研究内容和创新成果如下。(1)机载LiDAR点云数据滤波的特征选择针对目前缺乏对机载LiDAR点云滤波的特征选择算法的相关研究,本文对基于几何信息提取的多种点云特征进行相关性和冗余度分析,利用一种基于Parzen窗估计的过滤式特征选择算法,为不同地形提供有效的且适用性较强的滤波特征,并提高结合分类器的滤波精度。(2)基于模型迁移和主动学习的机载LiDAR滤波针对传统滤波方法参数普适性较差的问题,本文采用并对比了多种分类器的滤波算法性能。首先利用不同分类器的机载LiDAR点云数据滤波,通过与传统滤波经典算法进行比较和定量化性能分析,将其中表现最好的分类器所建立的模型进行直接迁移,探索迁移学习在滤波中的初步应用效果;同时,由于地形条件、数据密度等的不同,辅助点云数据和新数据集之间不可避免地存在差异性,而人工采样耗时费力且具有主观性,本文提出一种基于模型迁移和主动学习的集成滤波机制,最大限度利用辅助点云数据集中的知识,提高了目标点云数据集的滤波精度。(3)建筑物特征线提取利用原始机载LiDAR点云数据进行建筑物特征线提取是一个较为复杂的过程。本文针对单栋建筑物,提出一套快速的、直接基于点云数据的特征线提取流程,首先采用基于格网的方式提取屋顶轮廓点,根据屋顶几何结构确定角点位置,并以此对轮廓点进行分组拟合。然后提出一种爬山算法提取正脊线点,最后通过分析点间关系确定斜脊线和谷线的端点位置,完成屋顶特征线提取。


知网文化
【相似文献】
中国期刊全文数据库 前11条
1 王雯;任小玲;陈逍遥;;一种改进的区域增长彩色3D点云分割算法[J];国外电子测量技术;2018年11期
2 陈华臻;高健;;面向反光工件点云缺陷的点云增强算法[J];计算机辅助设计与图形学学报;2019年07期
3 马东岭;王晓坤;李广云;;一种基于高度差异的点云数据分类方法[J];测绘通报;2018年06期
4 杨泽鑫;程效军;丁琼;程小龙;;面向室内场景点云的对象重建[J];测绘通报;2017年06期
5 翁福洲;黄鹤;;快速点云定向数学模型实际精度分析[J];北京测绘;2017年04期
6 琚俏俏;王令文;;基于自适应切片的点云压缩算法[J];工程勘察;2017年09期
7 许宁;钟友玲;;地面三维激光扫描点云重建技术研究[J];数码世界;2017年08期
8 龚书林;;三维激光点云处理软件的若干关键技术[J];测绘通报;2014年06期
9 徐守乾;朱延娟;;稀疏点云的曲面重构[J];中国制造业信息化;2011年03期
10 梁新合;梁晋;郭成;曹巨明;;法向约束的多幅点云数据融合算法[J];西安交通大学学报;2009年05期
11 周德芳,刘京南,余玲玲;基于OpenGL实现三维重构点云处理[J];电子工程师;2003年10期
中国重要会议论文全文数据库 前10条
1 牛雪娟;刘景泰;孙雷;;基于小波变换的栅格点云多分辨率分析[A];第二十七届中国控制会议论文集[C];2008年
2 杨雪春;;反求工程建模中点云切片技术研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年
3 赵小祥;刘宝武;;车载点云中建筑物快速提取方法[A];地理信息与人工智能论坛暨江苏省测绘地理信息学会2017年学术年会论文集[C];2017年
4 张舒;谢艾伶;白志辉;王响雷;;三维激光扫描点云粗差剔除方法研究[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
5 解辉;张爱武;孟宪刚;;机载激光点云快速绘制方法[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年
6 李文涛;韦群;杨海龙;;基于图像的点云生成和预处理[A];2011年全国通信安全学术会议论文集[C];2011年
7 吴新桥;王昊;杨家慧;;面向电网巡检的点云高精度配准算法研究[A];生态互联 数字电力——2019电力行业信息化年会论文集[C];2019年
8 童艳丽;施昆;李志杰;;机载激光点云与影像的融合与分类技术研究[A];云南省测绘地理信息学会2016年学术年会论文集[C];2016年
9 马国庆;陶萍萍;杨周旺;;点云空间曲线的微分信息计算及匹配方法[A];第四届全国几何设计与计算学术会议论文集[C];2009年
10 江倩殷;刘忠途;李熙莹;;一种有效的点云精简算法[A];第十五届全国图象图形学学术会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 胡晓斌;车载移动测量地物分类方法与重建技术研究[D];武汉大学;2016年
2 蔡湛;迁移学习点云滤波及建筑物特征线提取研究[D];武汉大学;2018年
3 李亮;基于点云匹配的智能车定位方法研究[D];上海交通大学;2018年
4 赵宗泽;基于数学形态学的机载LiDAR点云建筑物区域提取[D];武汉大学;2016年
5 魏崇阳;城市环境中基于三维特征点云的建图与定位技术研究[D];国防科学技术大学;2016年
6 奚以成;基于机载LiDAR技术的城市智能感知与变化检测技术研究[D];沈阳农业大学;2018年
7 宋孟肖;LiDAR点云辅助的城区航空影像空中三角测量[D];武汉大学;2018年
8 李明磊;激光扫描点云的线结构提取与应用研究[D];战略支援部队信息工程大学;2017年
9 曹如军;基于机载LiDAR点云的建筑屋顶三维重建[D];武汉大学;2017年
10 黄鹏頔;三维激光扫描点云典型场景可见性分析方法研究[D];厦门大学;2017年
中国硕士学位论文全文数据库 前10条
1 李博杨;基于三维激光雷达的道路环境感知[D];北京交通大学;2019年
2 贾雪;顾及点云相关性的抗差加权整体最小二乘配准算法研究[D];安徽理工大学;2019年
3 王强;基于三维点云骨架提取的单木L系统规则构造方法研究[D];华北电力大学;2019年
4 刘鹏;基于多核DSP的激光点云三维重构技术研究[D];长春理工大学;2019年
5 陈风龙;基于激光扫描测距技术地貌可视化研究[D];长春理工大学;2019年
6 刘箭锋;基于全波形TLS点云的植被遮挡目标探测及可见性分析方法的研究[D];厦门大学;2018年
7 安瑶军;车载激光点云数据结构化道路及标线提取[D];长安大学;2019年
8 袁志聪;基于Harris特征的点云配准方法研究[D];东华理工大学;2019年
9 李晓天;基于改进LBET和神经网络的机载LiDAR点云分类研究[D];长安大学;2019年
10 罗毅超;基于激光点云及地质数据的露天金属矿爆破后矿石界线预测研究[D];江西理工大学;2019年
中国重要报纸全文数据库 前10条
1 本报记者 杨静;私企的天空有点云[N];山西经济日报;2001年
2 记者 张莹莹;指点云岭 激扬文字[N];云南政协报;2012年
3 商报记者 张绪旺;盘点云计算:概念众多 能力存疑[N];北京商报;2011年
4 记者 王力中 通讯员 沈惠芳;世界顶尖点云扫描设备技术入驻德清[N];湖州日报;2015年
5 曹裕华 高化猛 江鸿宾;激光点云 亦真亦幻[N];解放军报;2013年
6 VAR记者 张林才 郭宏远 彭敏;点云成金[N];电脑商报;2011年
7 高卫松 蔡列飞;武大师生两论文获美国摄影测量与遥感学会奖[N];中国测绘报;2014年
8 记者 祝桂峰 通讯员 张荣;构建“智慧广州”又添新技术[N];中国矿业报;2012年
9 张立本 彭桂辉;航测局四项科研成果通过鉴定[N];中煤地质报;2014年
10 本报记者 李树翀;价值:云计算的终极砝码[N];中国计算机报;2012年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978