提出了一种基于激光点云与建筑信息模型(BIM)技术的复杂舱舱容计算方法。以复杂液货舱三维点云数据为基础,对复杂舱舱壁与内部构件进行了分割;利用BIM技术对舱壁点云数据及船舱构件点云数据进行了三维重建;利用船舱三维模型进行了船舱不同姿态下的实时舱容计算。选用上海某船舱点云数据进行了方法验证,研究结果表明,该方法能够快速、精确地获得船舱不同姿态下的舱容数据,可靠性强,具有很高的实用价值。

提出了一种针对密集圆形管道点云数据的自动分割算法，通过八叉树结构将点云划分为若干个子块，并建立其空间邻域关系，采用基于法向量条件约束的随机采样一致性算法移除子块内的大区域平面，同时运用欧氏距离聚类和基于平滑条件约束的区域增长分割算法再次细化数据。实验结果表明：提出的自动分割算法在处理大小为6 m×12 m×16 m的点云空间数据时，4线程并行计算仅耗时9 s，精确率达到90%以上。因此，所提算法能够快速、准确地分割管道点云数据，具有较高的应用价值。

针对船舱复杂构件点云提取存在人工成本高、效率低的问题, 提出了一种适用于平面舱壁类型船舱点云的分割方法。通过种子点集构建、点云法线估计及直线拟合的方式建立以船舱纵向为X轴、横向为Y轴、竖向为Z轴的独立坐标系, 以简化分割算法的复杂度; 根据船舱内部复杂构件的分布特性, 制定最佳分割次序, 基于随机采样一致性算法拟合平面的思想有序地分割船舱构件点云。选用两组不同结构的船舱点云数据进行算法验证, 实验结果表明：该方法能够从不同结构的船舱散乱点云中快速、准确地自动分割出主要构件点云, 可靠性强, 具有较高的实用价值。

通过分析机载雷达（LIDAR）点云数据与航空影像数据特点，提出了融合机载LIDAR点云和航空影像的建筑物轮廓探测方法。分别提取机载点云和航空影像中的部分建筑轮廓线，将轮廓线拟合成直线段的建筑物轮廓边，并以两相邻且垂直的轮廓边相交得到建筑的角点，根据建筑物的同名角点实现机载点云和航空影像的配准融合；将航空影像的光谱信息赋予机载点云，并将光谱信息作为特征向量进行聚类，分离出植被和树木等地物，利用高程信息从光谱信息相似的地面道路和建筑物中分离出建筑物，提取建筑物的轮廓边，完成建筑物轮廓的探测。实验结果表明，利用该方法进行建筑物点云的分类正确率可达97.96%，轮廓边的提取精度可达0.21 m，能够有效的实现建筑物轮廓的探测。