本文選題：車載LiDAR　切入點(diǎn)：建筑物災(zāi)情　出處：《河南理工大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：重大自然災(zāi)害發(fā)生后快速獲取建筑物災(zāi)情信息是災(zāi)害應(yīng)急中最迫切的任務(wù)之一。災(zāi)害發(fā)生時(shí)伴隨的惡劣氣候因素嚴(yán)重制約了災(zāi)情信息的快速獲取,因此災(zāi)害剛發(fā)生后的一段時(shí)間是建筑物災(zāi)損信息最匱乏的時(shí)期。車載LiDAR系統(tǒng)在獲取建筑災(zāi)害信息方面具有明顯優(yōu)勢,其能夠在災(zāi)害發(fā)生后快速抵達(dá)災(zāi)害現(xiàn)場并迅速投入工作。本研究主要面向重大突發(fā)自然災(zāi)害的應(yīng)急需求,以車載LiDAR系統(tǒng)獲取的災(zāi)害環(huán)境的數(shù)據(jù)為信息源,重點(diǎn)研究了從原始點(diǎn)云數(shù)據(jù)中快速提取建筑物災(zāi)損信息的方法。論文選取若干建筑物和依照比例縮小后的建筑物模型作為研究對象,通過模擬試驗(yàn)、對比分析、數(shù)據(jù)處理等方法進(jìn)行了車載LiDAR用于建筑災(zāi)情應(yīng)急測量方法的探討,研究取得了一定的進(jìn)展。本文所做的工作主要如下:(1)基礎(chǔ)地理數(shù)據(jù)輔助建筑物立面分割方法。首先將基礎(chǔ)地理數(shù)據(jù)轉(zhuǎn)換到車載LiDAR點(diǎn)云數(shù)據(jù)所在的坐標(biāo)系下,實(shí)現(xiàn)坐標(biāo)統(tǒng)一;然后從基礎(chǔ)地理數(shù)據(jù)中提取有效的建筑物輪廓信息;最后通過設(shè)置合理的建筑物輪廓緩沖區(qū)閾值,對建筑立面點(diǎn)云進(jìn)行分割。(2)利用投影點(diǎn)密度結(jié)合高程法進(jìn)行精細(xì)濾波。根據(jù)點(diǎn)云數(shù)據(jù)投影的范圍進(jìn)行格網(wǎng)劃分,設(shè)定格網(wǎng)單元內(nèi)激光點(diǎn)的數(shù)量閾值以及格網(wǎng)單元內(nèi)高程平均值閾值,將滿足條件的格網(wǎng)進(jìn)行保留,提取出建筑物點(diǎn)云數(shù)據(jù)。(3)進(jìn)行建筑物災(zāi)害模擬試驗(yàn)。根據(jù)建筑物災(zāi)害后的表現(xiàn)形態(tài),構(gòu)建了不同災(zāi)損建筑物立體模型。制作了依比例縮小后精確的建筑物模型,模擬建筑物的各種災(zāi)損形態(tài),采集了災(zāi)損建筑物點(diǎn)云數(shù)據(jù)。(4)采用隨機(jī)抽樣一致性算法(RANSAC)對點(diǎn)云數(shù)據(jù)進(jìn)行立面分割,設(shè)計(jì)的判斷準(zhǔn)則主要根據(jù)點(diǎn)云平面方程和r半徑密度;然后運(yùn)用凸殼算法實(shí)現(xiàn)了建筑物立面特征線的提取。(5)根據(jù)提取出的建筑物立面災(zāi)損特征要素,總結(jié)出不同災(zāi)損形式下建筑物的形態(tài)特征,實(shí)現(xiàn)對災(zāi)損類型以及程度的判斷,為重大自然災(zāi)害應(yīng)急提供了依據(jù)。
[Abstract]:The rapid acquisition of building disaster information after major natural disasters is the most urgent Ren Wuzhi in disaster emergency. The severe weather factors associated with disasters seriously restrict the rapid acquisition of disaster information. Therefore, the period after the disaster occurred is the most scarce period of building damage information. The vehicle-borne LiDAR system has obvious advantages in obtaining building disaster information. It can reach the disaster site and put into work quickly after the disaster occurs. This research mainly faces the emergency demand of the major sudden natural disaster, and takes the disaster environment data obtained by the on-board LiDAR system as the information source. This paper focuses on the method of quickly extracting building damage information from the original point cloud data. In this paper, several buildings and the scaled down building models are selected as the research objects, and the simulation experiments are carried out, and the results are compared and analyzed. The data processing method is discussed in this paper, which is applied to the emergency measurement of building disaster with LiDAR. Some progress has been made. The main work of this paper is as follows: 1) the basic geographic data is used to assist the building elevation segmentation. Firstly, the basic geographic data is converted to the coordinate system in which the vehicle LiDAR point cloud data are located, and the coordinate unification is realized. Then the effective building contour information is extracted from the basic geographic data. Finally, by setting a reasonable threshold of the building contour buffer, Using projection point density combined with elevation method to carry out fine filtering. According to the range of point cloud data projection, the grid is divided. The threshold of the number of laser points and the threshold of the average height in the grid element are set to preserve the grid that satisfies the conditions. The building disaster simulation test was carried out by extracting the data of the point cloud of the building. According to the appearance of the building disaster, the three-dimensional models of different damage buildings were constructed, and the accurate building model was made after the scaling down. In order to simulate the damage patterns of buildings, the point cloud data of damaged buildings are collected. (4) A random sampling consistency algorithm (RANSACC) is used to segment the elevation of point cloud data. The criteria are mainly based on the point cloud plane equation and the radius density of r. Then the convex hull algorithm is used to realize the feature line extraction of the building facade. According to the extracted feature elements of the building facade, the shape features of the building under different disaster loss forms are summed up, and the types and the degree of the damage are judged. It provides a basis for emergency response to major natural disasters.
【學(xué)位授予單位】：河南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TU198;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 閆龍;;攝影測量點(diǎn)云數(shù)據(jù)精簡研究[J];制造技術(shù)與機(jī)床;2010年07期

2 王強(qiáng);成虹;王靜;;基于圖形的點(diǎn)云數(shù)據(jù)拼接方式研究與應(yīng)用[J];機(jī)械設(shè)計(jì)與制造;2012年09期

3 吳福生,丁玉成,盧秉恒;基于點(diǎn)云數(shù)據(jù)復(fù)雜曲面產(chǎn)品的快速開發(fā)[J];西安交通大學(xué)學(xué)報(bào);2002年11期

4 胡雪芬,陳愛萍,童水光,單新潮;基于點(diǎn)云數(shù)據(jù)的鞋楦數(shù)控編程及其仿真[J];組合機(jī)床與自動化加工技術(shù);2004年07期

5 陳飛舟;陳志楊;丁展;葉修梓;張三元;;基于徑向基函數(shù)的殘缺點(diǎn)云數(shù)據(jù)修復(fù)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2006年09期

6 王強(qiáng);黃靜;;基于點(diǎn)云數(shù)據(jù)的反求特征約束識別方法[J];機(jī)械設(shè)計(jì)與制造;2010年12期

7 楊明菊;;單景掃描點(diǎn)云數(shù)據(jù)網(wǎng)模型的構(gòu)建方法研究[J];硅谷;2011年08期

8 王學(xué)春;晁學(xué)鵬;;基于激光點(diǎn)云數(shù)據(jù)的活立木林學(xué)參數(shù)挖掘[J];科學(xué)技術(shù)與工程;2013年18期

9 劉亞文;龐世燕;左志奇;;蟻群算法的建筑立面點(diǎn)云數(shù)據(jù)提取[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2012年11期

10 劉尚蔚;朱小超;張永光;魏群;;多片點(diǎn)云數(shù)據(jù)拼接處理技術(shù)的研究[J];水利與建筑工程學(xué)報(bào);2014年01期

相關(guān)會議論文 前10條

1 閆龍;;攝影測量點(diǎn)云數(shù)據(jù)精簡研究[A];第二十九屆中國控制會議論文集[C];2010年

2 吳美金;;基于薄壁構(gòu)件的點(diǎn)云數(shù)據(jù)提取[A];全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2009年

3 段文國;張愛武;蔡廣杰;;基于VTK的點(diǎn)云數(shù)據(jù)繪制研究與實(shí)現(xiàn)[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

4 宋碧波;盧小平;盧遙;;基于點(diǎn)云數(shù)據(jù)的建筑物三維重建[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

5 張偉忠;張順海;于德敏;;點(diǎn)云數(shù)據(jù)與建模軟件的接口設(shè)計(jì)[A];全國第13屆計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)（CAD/CG）學(xué)術(shù)會議論文集[C];2004年

6 呂瓊瓊;楊曉暉;楊唐文;韓建達(dá);莊嚴(yán);;激光雷達(dá)點(diǎn)云數(shù)據(jù)的三維建模技術(shù)[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

7 劉佳;張愛武;楊麗萍;;室內(nèi)場景激光點(diǎn)云數(shù)據(jù)的三維建模[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

8 隋立春;張熠斌;趙旦;;基于MicroStation的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分類處理軟件[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

9 黃承亮;吳侃;劉虎;;基于三維TIN的格網(wǎng)化點(diǎn)云數(shù)據(jù)特征提取[A];數(shù)字測繪與GIS技術(shù)應(yīng)用研討交流會論文集[C];2008年

10 楊銘;陳建峰;;基于CUDA的海量點(diǎn)云數(shù)據(jù)kNN查詢算法[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

相關(guān)博士學(xué)位論文 前10條

1 趙江洪;古建筑散亂點(diǎn)云基準(zhǔn)面的提取與擬合[D];武漢大學(xué);2012年

2 谷曉英;三維重建中點(diǎn)云數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];燕山大學(xué);2015年

3 胡峰俊;三維離散點(diǎn)云數(shù)據(jù)的預(yù)處理和配準(zhǔn)技術(shù)研究[D];浙江工業(yè)大學(xué);2015年

4 董秀軍;三維空間影像技術(shù)在地質(zhì)工程中的綜合應(yīng)用研究[D];成都理工大學(xué);2015年

5 李曉捷;基于深度相機(jī)的三維人體重建及在服裝展示方面的技術(shù)研究[D];天津工業(yè)大學(xué);2016年

6 張坤;基于三維激光掃描的點(diǎn)云數(shù)據(jù)逆向重建算法研究[D];燕山大學(xué);2016年

7 張學(xué)昌;基于點(diǎn)云數(shù)據(jù)的復(fù)雜型面數(shù)字化檢測關(guān)鍵技術(shù)研究及其系統(tǒng)開發(fā)[D];上海交通大學(xué);2006年

8 王果;不同平臺激光點(diǎn)云數(shù)據(jù)面狀信息自動提取研究[D];中國礦業(yè)大學(xué)（北京）;2014年

9 趙煦;基于地面激光掃描點(diǎn)云數(shù)據(jù)的三維重建方法研究[D];武漢大學(xué);2010年

10 張會霞;三維激光掃描點(diǎn)云數(shù)據(jù)組織與可視化研究[D];中國礦業(yè)大學(xué)（北京）;2010年

相關(guān)碩士學(xué)位論文 前10條

1 饒杰;基于激光點(diǎn)云數(shù)據(jù)的建筑物快速三維建模[D];中國地質(zhì)大學(xué)(北京);2015年

2 李俊寶;TLS在古建筑物測繪及建模中的應(yīng)用研究[D];長安大學(xué);2015年

3 謝金坤;基于事故車輛車身變形的碰撞速度研究[D];長安大學(xué);2015年

4 潘成成;基于點(diǎn)云數(shù)據(jù)的水下目標(biāo)三維特征提取與定位技術(shù)研究[D];中國海洋大學(xué);2015年

5 劉超;點(diǎn)云數(shù)據(jù)處理與三維重構(gòu)研究[D];東南大學(xué);2015年

6 楊小青;三維重建過程中點(diǎn)云數(shù)據(jù)精簡與配準(zhǔn)方法研究[D];中北大學(xué);2016年

7 鄭曉璐;基于體感相機(jī)的點(diǎn)云數(shù)據(jù)配準(zhǔn)方法研究[D];中北大學(xué);2016年

8 裴東東;基于影像的點(diǎn)云數(shù)據(jù)分割方法研究[D];東華理工大學(xué);2016年

9 楊軍建;點(diǎn)云數(shù)據(jù)處理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];東華理工大學(xué);2016年

10 樊琦;基于點(diǎn)云數(shù)據(jù)的三維模型重建[D];西安科技大學(xué);2015年

，

本文編號：1633051