西安工程大学电子信息学院, 陕西 西安 710048
点云分割是点云数据处理的关键环节,区域生长因在三维点云分割中易于实现、便于使用而得到了广泛应用,然而由于点云特征的不确定性及种子点选取不合理导致传统区域生长法局部分割性能不稳定。针对此问题,提出一种改进的区域生长分割方法。通过估算点云数据曲率大小,并将曲率最小点设置为种子节点,即从点云数据最平坦的区域开始生长,以减少分段总数,再根据点云数据的局部特征确定生长准则。实验结果表明,该方法不仅能有效地对点云数据进行分割,而且解决了传统区域生长分割不稳定的问题,提高了点云分割的精确性和可靠性。
机器视觉 点云分割 区域生长 点云滤波 激光与光电子学进展
2018, 55(5): 051502
中北大学信息与通信工程学院, 山西 太原 030051
针对现有激光雷达(LiDAR)点云滤波方法无法有效排除数字表面模型(DSM)中数据空洞干扰的问题,提出了基于多光谱数据指导的偏度平衡点云滤波方法。该方法将多光谱数据引入点云滤波并将其作为引导图像,实现了与噪声点光谱相似点的快速去噪。实验结果表明,该方法有效排除了数据空洞对点云滤波造成的干扰,所得到的滤波误差与原有偏度平衡点云滤波方法相比减少了0.4%~0.8%;与目前流行的基于支持向量机(SVM)的滤波算法相比,该方法的误差减少了0.1%~0.4%。
遥感 点云滤波 偏度平衡 激光雷达 激光与光电子学进展
2018, 55(4): 042801
