-
-
-
-
基于多尺度虚拟格网的LiDAR点云数据滤波改进方法
机载激光雷达(LiDAR)点云数据滤波是目前点云数据处理领域研究的重点。针对目前点云数据滤波的难点,提出了一种基于多尺度虚拟格网和并行计算的改进滤波方法。该方法通过点云数据构建多级虚拟格网,对格网进行多尺度分解,剔除LiDAR数据中的粗差点,获取初始地面点及地物点;根据双向阈值滤波原理,以网格尺度由大到小的顺序逐层进行滤波处理,得到较为精细的地面点,并结合点云数据的并行编程处理,减少了滤波算法的误差积累。实验 ...
-
-
-
hdl_localization:使用(velodyne)3D LIDAR进行实时3D定位
hdl_localization
hdl_localization是用于使用3D LIDAR(例如velodyne HDL32e和VLP16)进行实时3D本地化的ROS软件包。 该程序包执行基于Unscented Kalman滤波器的姿势估计。 它首先根据在LIDAR上实现的IMU数据估计传感器姿态,然后在全局地图点云和输入点云之间执行多线程NDT扫描匹配以校正估计的姿态。 基于IMU的姿势 ...
-
-
-
基于区域预测的LiDAR点云数据形态学滤波算法
点云数据滤波是机载激光雷达(LiDAR)数据处理研究中很重要的问题之一。提出了一种基于区域预测的LiDAR 点云数据形态学滤波算法,该算法由点云数据建立规则格网、去除粗差点,对实验区域进行分块,然后使用各个分块区域的高程标准差预测地形坡度参数s 从而进行渐进式形态学滤波,最终确定地面点。文中算法优点在于可以根据区域地形起伏情况自适应地得到阈值进行滤波。使用国际摄影测量与遥感学会(ISPRS)提供的测试数据进行实验,实验结果表明,提出的算法能够有效去除地物点和保留地面点,并且能有效降低总误差。
-
基于不规则三角网的LiDAR数据的边缘检测新算法
给出了一种三角形形变量的定义,并提出了基于不规则三角网(TIN)的LiDAR数据边缘检测新方法。将点LiDAR数据进行三角剖分,生成不规则三角网,计算TIN中每个三角形的形变量,根据三角形形变量的不同来确定处于地物目标边缘的三角形,对这些边缘三角形进行处理得到边缘点。针对LiDAR数据中可能由于河流等导致的数据空白区域,仅利用三角形形变量无法 ... 到河流等数据空白区域的边缘点。实验结果表明,该算法能够较好地提取LiDAR 数据的边缘点,得到LiDAR数据的边缘信息。
-