厦门大学学报（自然科学版）
廈門大學學報（自然科學版）
하문대학학보（자연과학판）
JOURNAL OF XIAMEN UNIVERSITY (NATURAL SCIENCE)
2015年
3期
390-396
,共7页
江静%蔡国榕%陈水利%李绍滋%吴云东
江靜%蔡國榕%陳水利%李紹滋%吳雲東
강정%채국용%진수리%리소자%오운동
激光雷达点云%特征线提取%多结构%相似函数
激光雷達點雲%特徵線提取%多結構%相似函數
격광뢰체점운%특정선제취%다결구%상사함수
LiDAR point clouds%feature lines extraction%multi-structure%similar function
建筑物激光雷达(light detection and ranging,LiDAR)点云特征线对于多视角点云配准、建筑物对称性检测、建筑物三维重建等应用具有十分重要的意义.由于LiDAR点云具有数据量庞大的特点,传统的算法难以实现建筑物特征线的快速提取.针对这个问题,提出一种基于多结构鲁棒估计的建筑物特征线提取算法,该算法利用历史模型信息进行条件采样,并通过迭代搜索符合所有特征线性质的模型.根据建筑物LiDAR数据的实验结果表明,该方法与传统的RANSAC (random sample consensus)、MLESAC(maximum likelihood estimation sample consensus)等算法相比,避免了无效、重复的特征线采样过程,在相同时间内可获取更多的直线内点,从而有效提高了建筑物特征线的提取效率.
建築物激光雷達(light detection and ranging,LiDAR)點雲特徵線對于多視角點雲配準、建築物對稱性檢測、建築物三維重建等應用具有十分重要的意義.由于LiDAR點雲具有數據量龐大的特點,傳統的算法難以實現建築物特徵線的快速提取.針對這箇問題,提齣一種基于多結構魯棒估計的建築物特徵線提取算法,該算法利用歷史模型信息進行條件採樣,併通過迭代搜索符閤所有特徵線性質的模型.根據建築物LiDAR數據的實驗結果錶明,該方法與傳統的RANSAC (random sample consensus)、MLESAC(maximum likelihood estimation sample consensus)等算法相比,避免瞭無效、重複的特徵線採樣過程,在相同時間內可穫取更多的直線內點,從而有效提高瞭建築物特徵線的提取效率.
건축물격광뢰체(light detection and ranging,LiDAR)점운특정선대우다시각점운배준、건축물대칭성검측、건축물삼유중건등응용구유십분중요적의의.유우LiDAR점운구유수거량방대적특점,전통적산법난이실현건축물특정선적쾌속제취.침대저개문제,제출일충기우다결구로봉고계적건축물특정선제취산법,해산법이용역사모형신식진행조건채양,병통과질대수색부합소유특정선성질적모형.근거건축물LiDAR수거적실험결과표명,해방법여전통적RANSAC (random sample consensus)、MLESAC(maximum likelihood estimation sample consensus)등산법상비,피면료무효、중복적특정선채양과정,재상동시간내가획취경다적직선내점,종이유효제고료건축물특정선적제취효솔.
