张军军,邢帅,李鹏程,葛忠孝,夏琴,侯晓芬,王栋

• 1:信息工程大学地理空间信息学院

摘要(Abstract)：

针对基于LiDAR点云数据进行建筑物自动重建中存在的数据冗余问题,该文设计了一种定量描述激光点位于地物边缘区几率大小的指标——边缘系数,并据此提出了基于边缘系数的建筑物LiDAR点云数据简化方法。该方法利用激光点与其邻域点的位置、数量及分布计算该点的边缘系数,通过试验分析确定边缘系数的阈值并对点云数据进行分割,最后保留建筑物边缘区域的点,实现点云数据的简化。实验表明,该方法在对点云数据进行高效压缩的同时有效保留了位于地物边缘处的点云,有助于提高海量点云数据处理能力和建筑物重建效率。

关键词(KeyWords)： LiDAR;数据简化;边缘系数;阈值分割

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(41371436);; 信息工程大学地理空间信息学院学位论文创新与创优基金(XS201507)

作者(Author): 张军军,邢帅,李鹏程,葛忠孝,夏琴,侯晓芬,王栋

DOI: 10.16251/j.cnki.1009-2307.2016.05.020

参考文献(References)：

• [1]SHI P,GEORGE V.Knowledge based reconstruction of building models from terrestrial laser scanning data[J].ISPRS Journal of Photogrammetry and Remote Sensing,2009,64:575-584.
• [2]童礼华,程亮,李满春,等.地面LiDAR数据中建筑轮廓和角点提取[J].中国图象图形学报,2013,18(7):876-883.
• [3]程亮,龚健雅.LiDAR辅助下利用超高分辨率影像提取建筑物轮廓方法[J].测绘学报,2008,37(3):391-393.
• [4]PETER D,NORBERT P.A comprehensive automated3D approach for building extraction,reconstruction,and regularization from airborne laser scanning point clouds[J].Sensors,2008,8(11):7323-7343.
• [5]杨玲,刘春,吴杭彬,等.顾及矢量特征的机载LiDAR点云数据压缩方法[J].地理与地理信息科学,2009,25(4):25-29.
• [6]刘磊,张建霞,郑作亚.LiDAR点云数据的栅格化重心压缩方法[J].测绘科学.2011,36(1):90-91.
• [7]方芳,程效军.海量散乱点云快速压缩算法[J].武汉大学学报:信息科学版,2013,38(11):1353-1357.
• [8]邢正全,邓喀中,薛继群.基于栅格划分和法向量估计的点云数据压缩[J].测绘通报,2012(7):50-52.
• [9]王玉国,周来水,安鲁陵.一种基于曲线拟合与采样的点云数据压缩方法[J].机械科学与技术,2006,25(8):989-992.
• [10]丁剑,郭英琦,许冰,等.一种基于点法矢的三维非均匀栅格压缩算法[J].测绘工程,2011,20(6):32-37.
• [11]DU Xiaolei,ZHUO Yong.A point cloud data reduction method based on curvature[C]//Proceedings of 2009IEEE 10th International Conference on Computer-Aided Industrial Design&Conceptual Design.Wenzhou,China:IEEE,2009.
• [12]ZHAO Sanyuan,LI Fengxia.A new method for cloud data reduction using uniform grids[C]//International Conference on Advanced Computer Science and Electronics Information(ICACSEI).Amsterdam,Beijing,Paris:Atlantis press,2013.
• [13]ANDREA F,DANIEL H,RAVI K,et al.Recongnizing objects in range data using regional point descriptors[C]//In proceedings of the 8th European Conference on Computer Vision(ECCV).Prague:Spinger Berlin Heidelberg,2004.