為了有效提取地面點(diǎn)云并提高運(yùn)算效率,提出了一種結(jié)合統(tǒng)計(jì)濾波與密度聚類的礦山地面點(diǎn)云提取算法。首先,基于高效的KD-tree索引算法與統(tǒng)計(jì)特征思想進(jìn)行統(tǒng)計(jì)特征的改進(jìn),并分析非地面點(diǎn)的空間分布特性;其次,結(jié)合二維特征密度空間的分布特性對(duì)密度空間進(jìn)行聚類并分別提取地面點(diǎn);最后,對(duì)各密度空間的提取結(jié)果進(jìn)行求交,即可得到有效地面點(diǎn)。該方法的算法復(fù)雜度為o(n²)。實(shí)驗(yàn)表明:該算法具有較高的提取精度和效率;經(jīng)測(cè)試,當(dāng)近鄰點(diǎn)為36時(shí)效果最好,總誤差為0.00770,均方差為0.019633;同時(shí),對(duì)510519個(gè)點(diǎn)的提取時(shí)間少于27s,約為傳統(tǒng)方法耗時(shí)的1/7。此外選擇了大面積礦山點(diǎn)云對(duì)該算法的普適性進(jìn)行了驗(yàn)證。

【文章頁(yè)數(shù)】：13 頁(yè)

【部分圖文】：

圖1原始的點(diǎn)云

本文基于三維激光掃描儀RIEGLVZ-1000收集的德興銅礦點(diǎn)云數(shù)據(jù)，研究礦山地面點(diǎn)云的提取算法，該數(shù)據(jù)的角度分辨率為0.0005°，100m的掃描精度為5mm，圖1為2018年12月該礦區(qū)的部分點(diǎn)云數(shù)據(jù)，共510519個(gè)點(diǎn)，橫縱方向掃描角設(shè)置為0.02°，受掃描角度的限制，及....

圖2噪聲的空間分布。（a）平面點(diǎn)云圖；（b）鄰點(diǎn)的距離圖

圖2(a）為平面點(diǎn)云圖。該三種對(duì)象的簡(jiǎn)化二維模型如圖2(b）所示，橫坐標(biāo)為點(diǎn)的個(gè)數(shù)，縱坐標(biāo)為距離，以O(shè)、O1、O2這3點(diǎn)為例，圓點(diǎn)O代表小尺度障礙物噪聲點(diǎn)，菱形點(diǎn)O1代表大尺度孤立點(diǎn)，三角點(diǎn)O2代表中尺度徑向分布點(diǎn)，搜索其20個(gè)近鄰點(diǎn)的位置，結(jié)果顯示：大尺度孤立點(diǎn)的極差、方差及均....

圖3算法流程圖

以上對(duì)統(tǒng)計(jì)特征的分析是對(duì)目前傳統(tǒng)統(tǒng)計(jì)方法的優(yōu)化與改進(jìn)，但也只是基礎(chǔ)分析與應(yīng)用�；谙嗤瑢傩缘匚锞哂邢嗤蛳嗨频奶卣骺臻g分布的原理，首要分析非研究對(duì)象的特征空間，并以此確定劃分閾值。同時(shí)，為了更加細(xì)致地分析近鄰點(diǎn)的統(tǒng)計(jì)特征變化情況，并以此剔除非研究對(duì)象點(diǎn)，本文結(jié)合統(tǒng)計(jì)濾波和二維特征....

圖4鄰域10個(gè)點(diǎn)的特征密度分布

點(diǎn)云去噪的首要目標(biāo)是對(duì)10個(gè)二維特征密度空間進(jìn)行分析，分析各組特征向量之間的非研究對(duì)象的剔除能力，分析結(jié)果如圖4、圖5、圖6、圖7所示，其中直線表示各組的點(diǎn)的擬合趨勢(shì)線。圖5鄰域20個(gè)點(diǎn)的特征密度分布

本文編號(hào)：3922901