發(fā)布時(shí)間：2021-06-16 05:49

　　針對(duì)機(jī)載LiDAR設(shè)備獲取的輸電線走廊點(diǎn)云數(shù)據(jù)量龐大,為后續(xù)的數(shù)據(jù)處理帶來(lái)不便的問(wèn)題,該文采用隨機(jī)抽稀、空間抽稀和體素分割抽稀3種點(diǎn)云抽稀算法進(jìn)行比較和分析,以期選擇合適的算法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行壓縮和消除冗余數(shù)據(jù),主要從點(diǎn)云抽稀的質(zhì)量、簡(jiǎn)度和速度3方面對(duì)4組輸電線走廊點(diǎn)云數(shù)據(jù)進(jìn)行抽稀實(shí)驗(yàn)。研究表明:系統(tǒng)（隨機(jī)）抽稀方法點(diǎn)云抽稀不能有效保持導(dǎo)線形態(tài)完整性和連續(xù)性;空間距離抽稀方法的處理效果最佳;在相同抽稀率下,體素分割抽稀速率最快;系統(tǒng)抽稀算法,用時(shí)均少于19 s;空間抽稀方法用時(shí)最長(zhǎng)為447 s,抽稀時(shí)間效率相對(duì)較低。 

【文章來(lái)源】：測(cè)繪科學(xué). 2020,45(09)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

3種抽稀方法在不同抽稀率上處理時(shí)間效率

空間距離抽稀采用的八叉樹(shù)結(jié)構(gòu)是通過(guò)遞歸的方式規(guī)則劃分三維空間,八叉樹(shù)的每個(gè)節(jié)點(diǎn)表示一個(gè)正方體的體積元素,每個(gè)節(jié)點(diǎn)有8個(gè)子節(jié)點(diǎn)(圖1)。點(diǎn)云的初始立方體包圍盒不斷地被分成8個(gè)相等的立方體單元,這個(gè)分裂過(guò)程是對(duì)每個(gè)立方體遞歸地重復(fù)。停止條件是沒(méi)有更多的點(diǎn)(比如3個(gè)點(diǎn))在立方體單元或當(dāng)達(dá)到一個(gè)最大預(yù)設(shè)條件[15-16]。通過(guò)對(duì)點(diǎn)云數(shù)據(jù)構(gòu)建八叉樹(shù)結(jié)構(gòu),有利于數(shù)據(jù)的管理和處理,這種結(jié)構(gòu)可快速確定特定立方體單元及立方體三元中的點(diǎn)。如可在海量的點(diǎn)云數(shù)據(jù)中快速定位某個(gè)或某些點(diǎn),方便對(duì)其進(jìn)行后續(xù)處理。構(gòu)建完八叉樹(shù)之后,根據(jù)指定的最小距離,計(jì)算最優(yōu)樹(shù)深(層),加快鄰近搜索效率。依照指定間隔距離(半徑)在中依次尋找數(shù)據(jù)點(diǎn)的最近鄰點(diǎn),找到給定距離的點(diǎn)云腳點(diǎn),并剔除掉球形區(qū)域內(nèi)其余的腳點(diǎn),從而達(dá)到點(diǎn)云數(shù)據(jù)抽稀的目的。

空間抽稀是按照一定的最小空間間隔(采樣間隔),把點(diǎn)云均勻采樣,使原始離散的冗余點(diǎn)云簡(jiǎn)化為均勻分布的點(diǎn)云,同時(shí)達(dá)到數(shù)據(jù)抽稀的目的。注意到,空間抽稀并沒(méi)有生成新的點(diǎn)云數(shù)據(jù),抽稀后得到的點(diǎn)云是對(duì)原始點(diǎn)云取的子集。另外,空間抽稀只會(huì)對(duì)球形搜索區(qū)域內(nèi)的點(diǎn)選擇性剔除,對(duì)于超出采樣間隔的離群點(diǎn)會(huì)予以保留(圖2)。給定一個(gè)多維空間D,把D中的一個(gè)向量標(biāo)為一個(gè)樣本點(diǎn)或數(shù)據(jù)點(diǎn)。D中樣本點(diǎn)的有限集合稱(chēng)為樣本集。給定樣本集E和一個(gè)樣本點(diǎn)d,d的最近鄰就是任何樣本點(diǎn)d′∈E滿足None-nearer(E,d,d′)。

【參考文獻(xiàn)】：
期刊論文
[1]一種特征感知的三維點(diǎn)云簡(jiǎn)化算法[J]. 王成福,耿國(guó)華,胡佳貝,張勇杰.  激光與光電子學(xué)進(jìn)展. 2019(11)
[2]最優(yōu)鄰域二次誤差曲面的點(diǎn)云簡(jiǎn)化算法[J]. 陸建華,劉闖,呂志才.  測(cè)繪通報(bào). 2018(12)
[3]利用連續(xù)變形技術(shù)的三維點(diǎn)云簡(jiǎn)化方法[J]. 肖巍峰,田鑫,李朝奎,陳奇.  遙感信息. 2018(05)
[4]基于改進(jìn)八叉樹(shù)的三維點(diǎn)云壓縮算法[J]. 黃源,達(dá)飛鵬,唐林.  光學(xué)學(xué)報(bào). 2017(12)
[5]機(jī)載LiDAR點(diǎn)云數(shù)據(jù)抽稀算法研究述評(píng)[J]. 錢(qián)金菊,張昌賽,王柯,徐博.  測(cè)繪通報(bào). 2017(S1)
[6]基于體素化網(wǎng)格下采樣的點(diǎn)云簡(jiǎn)化算法研究[J]. 袁華,龐建鏗,莫建文.  電視技術(shù). 2015(17)
[7]于法向量夾角信息熵的點(diǎn)云簡(jiǎn)化算法[J]. 陳西江,章光,花向紅.  中國(guó)激光. 2015(08)
[8]無(wú)人機(jī)電力線路安全巡檢系統(tǒng)及關(guān)鍵技術(shù)[J]. 彭向陽(yáng),劉正軍,麥曉明,羅智斌,王柯,謝小偉.  遙感信息. 2015(01)
[9]基于局部最小生成樹(shù)的點(diǎn)模型快速無(wú)損壓縮算法[J]. 王鵬杰,潘志庚,徐明亮,劉勇奎.  計(jì)算機(jī)研究與發(fā)展. 2011(07)
[10]利用kdtree索引實(shí)現(xiàn)曲率自適應(yīng)點(diǎn)云簡(jiǎn)化算法[J]. 馬振國(guó).  測(cè)繪科學(xué). 2010(06)

碩士論文
[1]基于近鄰傳播聚類(lèi)的點(diǎn)云簡(jiǎn)化研究[D]. 李蘭蘭.浙江工業(yè)大學(xué) 2010



本文編號(hào)：3232492