發(fā)布時間：2024-03-09 04:29

　　為了有效提取地面點云并提高運算效率,提出了一種結(jié)合統(tǒng)計濾波與密度聚類的礦山地面點云提取算法。首先,基于高效的KD-tree索引算法與統(tǒng)計特征思想進行統(tǒng)計特征的改進,并分析非地面點的空間分布特性;其次,結(jié)合二維特征密度空間的分布特性對密度空間進行聚類并分別提取地面點;最后,對各密度空間的提取結(jié)果進行求交,即可得到有效地面點。該方法的算法復雜度為o(n²)。實驗表明:該算法具有較高的提取精度和效率;經(jīng)測試,當近鄰點為36時效果最好,總誤差為0.00770,均方差為0.019633;同時,對510519個點的提取時間少于27s,約為傳統(tǒng)方法耗時的1/7。此外選擇了大面積礦山點云對該算法的普適性進行了驗證。

【文章頁數(shù)】：13 頁

【部分圖文】：

圖1原始的點云

本文基于三維激光掃描儀RIEGLVZ-1000收集的德興銅礦點云數(shù)據(jù)，研究礦山地面點云的提取算法，該數(shù)據(jù)的角度分辨率為0.0005°，100m的掃描精度為5mm，圖1為2018年12月該礦區(qū)的部分點云數(shù)據(jù)，共510519個點，橫縱方向掃描角設置為0.02°，受掃描角度的限制，及....

圖2噪聲的空間分布。（a）平面點云圖；（b）鄰點的距離圖

圖2(a）為平面點云圖。該三種對象的簡化二維模型如圖2(b）所示，橫坐標為點的個數(shù)，縱坐標為距離，以O、O1、O2這3點為例，圓點O代表小尺度障礙物噪聲點，菱形點O1代表大尺度孤立點，三角點O2代表中尺度徑向分布點，搜索其20個近鄰點的位置，結(jié)果顯示：大尺度孤立點的極差、方差及均....

圖3算法流程圖

以上對統(tǒng)計特征的分析是對目前傳統(tǒng)統(tǒng)計方法的優(yōu)化與改進，但也只是基礎分析與應用�；谙嗤瑢傩缘匚锞哂邢嗤蛳嗨频奶卣骺臻g分布的原理，首要分析非研究對象的特征空間，并以此確定劃分閾值。同時，為了更加細致地分析近鄰點的統(tǒng)計特征變化情況，并以此剔除非研究對象點，本文結(jié)合統(tǒng)計濾波和二維特征....

圖4鄰域10個點的特征密度分布

點云去噪的首要目標是對10個二維特征密度空間進行分析，分析各組特征向量之間的非研究對象的剔除能力，分析結(jié)果如圖4、圖5、圖6、圖7所示，其中直線表示各組的點的擬合趨勢線。圖5鄰域20個點的特征密度分布

本文編號：3922901