期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
机载LiDAR点云建筑物屋顶轮廓线自动提取研究综述 被引量:15
1
作者 侯妙乐 +4 位作者 杨溯 侯庆明 周庆 董友强 李爱群 《地理信息世界》 2019年第5期1-13,共13页
建筑物作为城市中最主要的人工地物,其三维模型是智慧地球建设的重要数据支撑,实现精准自动化三维重建至关重要。机载激光雷达(Light Detection and Ranging,LiDAR)技术因具有环境约束小、操作成本低、采集速度快、数据精度高、可全天... 建筑物作为城市中最主要的人工地物,其三维模型是智慧地球建设的重要数据支撑,实现精准自动化三维重建至关重要。机载激光雷达(Light Detection and Ranging,LiDAR)技术因具有环境约束小、操作成本低、采集速度快、数据精度高、可全天候获取地物空间信息等优势,已成为自动提取建筑屋顶轮廓线辅助建筑三维重建的主要数据源。首先对建筑屋顶轮廓线提取技术的发展历程进行简要回顾,再根据以往研究内容总结出一套较为通用的技术流程;该技术流程4个关键步骤为点云滤波、建筑物提取、屋顶轮廓线提取和轮廓线规则化;对每一步骤的实现方法、常用算法、发展现状以及面临问题进行详细阐述和对比分析。最后,对本技术面临的挑战和未来发展趋势进行讨论。 展开更多
关键词 机载LIDAR 点云滤波 建筑提取 屋顶轮廓线提取 轮廓线规则化
下载PDF
基于多种数据源的三维重建方法研究——以北京明长城为例 被引量:13
2
作者 侯庆明 +2 位作者 周庆 李兵 侯妙乐 《测绘通报》 CSCD 北大核心 2020年第S01期262-267,共6页
长城作为我国现存规模最大的文化遗产,在中华文明史和中华传统文化发展史中具有不可替代的重要价值与地位。通过三维重建方法为长城实现数字化信息留存,是当前重要的技术手段之一。基于此,本文以北京市怀柔区明长城为例,采用三维激光扫... 长城作为我国现存规模最大的文化遗产,在中华文明史和中华传统文化发展史中具有不可替代的重要价值与地位。通过三维重建方法为长城实现数字化信息留存,是当前重要的技术手段之一。基于此,本文以北京市怀柔区明长城为例,采用三维激光扫描技术与倾斜摄影测量手段获取得到的专业测绘成果,结合北京明长城特点,分别通过3种建模策略为其实现三维重建。由此形成的多样化三维模型数字产品,横跨多级精度,可以更全面、准确、真实地反映北京明长城实际信息,为长城的文化研究与工程实践提供详实可靠的数据支持,并为三维模型重建技术在山区大型工程中的生产应用提供有效的方法借鉴。 展开更多
关键词 北京明长城 三维激光扫描 倾斜摄影测量 三维重建
下载PDF
基于卷积神经网络的古建筑脊兽自动识别方法 被引量:3
3
作者 纪宇航 董友强 +2 位作者 侯妙乐 齐莹 《地理信息世界》 2021年第3期54-60,共7页
针对古建筑脊兽识别准确率和自动化程度不高的问题,本文提出一种基于卷积神经网络的脊兽自动识别方法。该方法主要分为4个步聚:①爬取众源数据建立脊兽数据集;②构建脊兽特征金字塔网络(Ridge Beast-Feature Pyramid Network,RB-FPN)提... 针对古建筑脊兽识别准确率和自动化程度不高的问题,本文提出一种基于卷积神经网络的脊兽自动识别方法。该方法主要分为4个步聚:①爬取众源数据建立脊兽数据集;②构建脊兽特征金字塔网络(Ridge Beast-Feature Pyramid Network,RB-FPN)提取图像深度语义,检测脊兽的潜在区域;③利用ImageNet预训练权重精调ResNet50模型参数,实现脊兽种类精细分类;④识别测试集样本综合评价性能指标。试验结果表明,本文所提出的脊兽自动识别方法准确率可达92.17%,召回率为82.02%,F 1值为0.87,能有效地识别数字图像中的脊兽装饰件种类,结果可满足屋顶精细三维重建、维护管理与断代等应用需求。 展开更多
关键词 卷积神经网络 目标检测 图像分类 脊兽
下载PDF
复杂地形条件下多密度级无人机LiDAR点云DEM精度研究——以2022年北京冬奥会延庆赛区为例 被引量:2
4
作者 王梓琪 闫旭 《北京测绘》 2021年第10期1272-1277,共6页
为进一步提升复杂地形条件下无人机激光雷达(Light Detection and Ranging,LiDAR)点云数据构建数字高程模型的效率与精度,以2022年北京冬奥会延庆赛区场馆建设用地为实验区,按照不同抽稀比例,对实验区原始无人机激光雷达点云中分类出的... 为进一步提升复杂地形条件下无人机激光雷达(Light Detection and Ranging,LiDAR)点云数据构建数字高程模型的效率与精度,以2022年北京冬奥会延庆赛区场馆建设用地为实验区,按照不同抽稀比例,对实验区原始无人机激光雷达点云中分类出的地面点数据进行抽稀处理,利用克里金插值算法对不同密度地面点数据进行插值处理,结合高程中误差、平均绝对误差对生成的数字高程模型进行双重精度评定,得出以下结论:对于复杂地形而言,随着点云数据密度的下降,数字高程模型建模效率明显提升,但地形特征逐渐模糊,数据精度级别逐级降低,其中高程中误差由0.381 m增大至1.914 m,平均绝对误差值由0.335 m增大至1.357 m。在满足精度要求的前提下,对LiDAR点云数据进行适度抽稀处理,可保障生产成本与时效。 展开更多
关键词 数字高程模型 无人机激光雷达点云 抽稀算法 抽稀比例 精度评定
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部