一种非迭代单一物体散乱点云数据的噪声处理方法，涉及计算机图形学和三维点云数据去噪领域，解决现有迭代过程因迭代中心点设定而带来的迭代收敛慢的问题，获取含有噪声的初始点云数据，并将所述初始点云数据进行归一化处理，估算归一化后的点云数据的密度，按照估算的密度在直角坐标系中按z轴将归一化点云数据进行分层；对每一层按照包围长方形的形式，去除距离点云数据主体较远的噪声点；将去除噪声点的点云数据再次进行密度估算及点云数据进行分层；再对每一层按照包围盒方法，去除噪声点用采用双边滤波方法进行光顺，获得双边滤波后的点云数据；将点云数据的坐标分别乘以归一化系数的倒数，完成点云数据的噪声处理。
📄 2018109651716
📂 G06T5_00
👤 西安工业大学
📅 2018-08-23
本发明公开了一种改进的导向滤波三维散乱点云快速光顺方法，通过将待处理的点云数据按轴升序排列，并根据点云总个数和拟分块个数，求取拟分块数据中最大点云数量，通过最大点云数量计算拓展处理点数，之后根据拟分块数据中最大点云数量和拓展处理点数将点云数据分块，分块后的点云会产生重叠区域，能够有效地解决点云数据产生的割裂现象，将分块后的点云数据通过并行三维导向滤波点云光顺算法处理来提高运算速率，最后对处理后的点云数据进行恢复整合，输出结果。本方法既能够有效地解决双边滤波光顺方法中梯度反转的问题，又能够有效地提升算法运行速度。
📄 2020104837716
📂 G06T5_00
👤 西安工业大学
📅 2020-06-01
本发明公开了一种基于分类分层的机载Lidar点云建筑物顶面渐进提取方法。方法先对建筑物顶面进行分类，按照顶面面积大小分为“大顶面”和“小顶面”，并按照顶面间夹角大小将顶面分成粗细不同的层次。在此基础上，方法采用“从大到小”、“从粗到细”、“分类处理”的原则，从LiDAR点云中渐进提取建筑物顶面。首先结合基于法向的区域增长方法和基于距离的区域增长方法，从点云中分割出大顶面；然后对剩余点进行聚类分簇，并借助随机抽样一致性方法从每簇中分割出小顶面。并且通过不断提高顶面间夹角判断条件，逐步分割出夹角更细小顶面。最终，实现了各种建筑物顶面的自动、准确分割，从而为三维建筑物的自动化建模奠定基础。
📄 2015104650605
📂 G06T7_11
👤 滁州学院
📅 2015-07-30
本发明公开了一种基于密集点云数据构建道路DEM的方法。该方法包括如下步骤：S1，对道路进行子单元划分；S2，基于密集点云数据，计算每一个道路子单元中的高程平均值；S3，根据设置好的道路最大起伏阈值对各个道路子单元平均高程值进行修改；S4，生成建模区域DEM格网，与道路子单元叠加；S5，基于格网中心点与道路子单元的空间位置关系以及道路子单元的高程值，计算DEM中心格网点的高程值；S6，依次完成所有DEM格网中心点的高程值计算，并按照栅格数据规范输出计算结果。本发明方法包含道路子单元高程值确定与DEM格网中心点高程值计算两个关键技术环节，能够有效保证道路DEM建模的高程精度与形态特征。
📄 2021103064522
📂 G06T17_05
👤 滁州空间智能科技有限公司
📅 2021-03-23
本发明公开了一种激光点云城市典型地物要素提取方法，包括以下步骤：步骤1、获取城市激光点云数据；步骤2、计算城每个点的特征值和法向量；步骤3、分离地面点与非地面点；步骤4、从地面点中提取道路要素点；步骤5、从非地面点中提取建筑物要素点和行道树要素点。本发明针对移动激光点云数据，利用道路、行道树和建筑物三种典型地物要素在空间分布规律、几何特征等差异性，提出了一套完整的城市三大典型地物要素提取方法，可以为城市规划、道路变更、城市设计等提供实时精准的基础数据以及辅助决策。
📄 202210724965X
📂 G06T7_521
👤 滁州学院
📅 2022-06-24
本发明属于车载激光雷达点云数据处理技术领域，具体涉及一种基于车载激光点云数据的城市树木三维可视化方法。基于原始点云数据，经树木分割、树冠树干分离后，对树干和树冠单独建模，最后构建城市场景下的树木三维模型。相比于传统的树木三维建模方法，能够根据树干和树冠的不同形态特征进行单独建模，避免了单树建模形态特征表达不精确的缺点，能够简单、快速、准确地构建出城市树木三维模型，可以应用于林业资源调查、3D城市建模，树木参数提取等诸多领域。
📄 2021114726771
📂 G06T17_20
👤 电子科技大学长三角研究院(湖州)
📅 2021-12-06
本发明涉及人工智能技术领域，具体涉及一种基于点云数据的高效测绘系统。该系统包括基础点云获取单元，用于采集初始点云数据，将初始点云数据输入基础点云提取网络得到基础点云数据；加噪点云获取单元，用于将所述基础点云数据输入训练好的噪声点云生成网络得到加噪点云数据；去噪网络构建单元，用于利用所述加噪点云数据和所述基础点云数据训练去噪神经网络；将采集的目标点云数据输入训练好的所述去噪神经网络得到去噪后的点云数据，基于去噪后的点云数据进行测绘。增强了去噪神经网络在不同工况下的泛化能力，且无需人为标注数据，降低成本，进而提高了测绘效率。
📄 2021115273177
📂 G06T17_00
👤 湖北晓雲科技有限公司
📅 2021-12-15
已申报项目
本发明公开了基于点云数据的三维模型表面平整度优化方法，属于点云处理技术领域，包括以下步骤：S1：数据的采集与处理；S2：不平整点云的识别与优化。本发明能够自动识别点云数据中的不平整区域，而现有技术往往需要人工干预来识别这些区域，显著提高了效率和准确性；通过本发明提出的优化算法，优化了点云数据的表面平整度，减少了因表面不规则性导致的建模误差，提升了模型质量；通过自动化的识别和优化流程，减少了对人工操作的依赖，降低了因人工操作带来的误差和成本；最终输出的结果易于与其他三维建模软件和流程集成，方便用户进行后续的建模和分析工作。
📄 202411119199X
📂 G06T19_20
👤 安徽建筑大学
📅 2024-08-15
本发明提供了一种车厢点云姿态的校正方法及装置，该方法包括：获取车厢的点云数据，及对点云数据进行滤波处理；根据滤波处理后的点云数据在目标方向上的宽度，确定点云数据相对于标准姿态的旋转角；根据旋转角对点云数据进行自动姿态校正。本发明基于滤波处理后点云数据在目标方向上的宽度，确定点云数据相对于标准姿态的旋转角，然后基于该旋转角实现自动姿态校正，保障车厢装载率测算的稳定性和准确性，不需要人工干预和额外辅助，提高安装效率，降低硬件和维护成本。
📄 2021111607893
📂 G01S7_497
👤 洛伦兹(北京)科技有限公司
📅 2021-09-30
本发明属于激光雷达遥感技术领域，具体为一种三维激光点云提取植被冠层聚集度指数的方法。本发明利用遥感技术手段，获取植被样方冠层三维点云数据，通过构建三维体元模型、转换坐标系统、计算冠层间隙率等过程，建立基于地面高分辨率激光点云数据提取植被冠层的聚集度指数的方法。该方法可快速、准确的提取植被冠层聚集度指数，数据采集简便，且不受观测时光照条件的影响，在研究时也不用考虑卫星遥感数据或产品的像元尺度问题。并且不会对植被结构和辐射特性造成任何不良影响，同时还可以永久性的记录植被样地的三维结构特征。本发明简便，高效，对植被无副作用，且相对现有技术极大地减少了计算量。
📄 2016107178061
📂 G01B11_28
👤 电子科技大学
📅 2016-08-24
本发明公开了一种基于极坐标的边界点云提取方法、系统、设备及介质，涉及点云处理技术领域，该方法包括：获取针对于目标对象的目标点云数据集，所述目标点云数据集包括多个目标点云数据；对于每个所述目标点云数据，对所述目标点云数据进行降维处理，得到所述目标点云数据对应的平面点云数据，所述平面点云数据在预先建立的平面直角坐标系中有对应的二维位置信息；根据多个所述平面点云数据各自对应的二维位置信息，确定极坐标原点，所述极坐标原点在所述平面直角坐标系中有对应的原点位置信息；根据所述极坐标原点对应的原点位置信息和每个所述平面点云数据各自对应的二维位置信息，确定所述目标对象对应的边界点云数据。
📄 2023104373698
📂 G06V10_44
👤 武汉工程大学
📅 2023-04-23
本发明公开一种基于多尺度高程变异系数的点云植被去除方法。首先，根据点云数据生成多尺度数字表面模型(DSM)，根据正射影像提取沟壑边界；其次，对DSM进行邻域分析和计算得到多尺度的高程变异系数图像；再次，将多尺度高程变异系数图像分为两类，一类为植被，一类为地面，分类时不处理沟壑边界区域；再次，对得到的高程变异系数结果进行叠加投票分析，若像元被分为植被的次数超过总数的一半，则认为该像元为植被；最后将得到的植被范围对原始点云进行裁剪，得到植被点和地面点。本发明提供了自动化的点云植被去除方法，免去了手动分割点云的不准确和效率低下的问题，为解决点云数据滤波和分类提供更好的方法，使点云数据能更好的用于地形建模。
📄 2022101137595
📂 G06T5_00
👤 南京信息工程大学
📅 2022-01-30
柿子坊 · 知识产权运营
柿子坊知识产权运营平台