第11讲-点云数据处理20191111.ppt
- anma个人认证 |
- 2021-06-23 发布|
- 26.77 MB|
- 92页
点云数据处理
中国科学院自动化研究所
邹伟
2018.12.03
人工智能学院课程:《智能传感与信息处理》第11讲
1/92
点云:在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合。
在获取物体表面每个采样点的空间坐标后,得到的是一个点的集合,称之为点云(Point Cloud)。获取设备:激光扫描仪、雷达、立体视觉、RGB-D相机等
2/92
根据激光测量原理得到的点云:包括三维坐标(XYZ)和激光反射强度
点云来源
根据摄影测量原理得到的点云,包括三维坐标(XYZ)、颜色、纹理等信息。
3/92
点云滤波
点云精简
点云配准
点云分割
曲面建模
三维模型构建、环境理解等
位姿估计、
空间感知融合与增强等
4/92
目的:通过机载激光雷达快速获取高精度三维地理数据,对这些点云数据进行滤波过程就是将LIDAR点云数据中的地面点和非地面点进行分离的过程。
数字高程模型(DEM:Digital Elevation Model):地面地形的数字化模拟,是用一组有序数值阵列形式表示地面高程的一种实体地面模型。
2.1 面向地形构建的LIDAR点云数据滤波
5/92
机载Lidar+GPS+INS
2.1 面向地形构建的LIDAR点云数据波
基于坡度理论的方法
2.1 面向地形构建的LIDAR点云数据波
平面拟合的方法
曲面拟合的方法
聚类与分割的方法
7/92
2.1 面向地形构建的LIDAR点云数据波 基本原理:认为地形表面平缓光滑,局部区域内地形发生急剧变化的可能性较小,通过比较两点间的高差值是否满足高差函数来判断点是否为地面点。
2.1.1 基于坡度理论的方法
8/92
2.1.1 基于坡度理论的方法
2.1 面向地形构建的LIDAR点云数据波
9/92
Step1: 采用较大移动窗口,在窗口内搜索最低点,由每次移动窗中找出的最低点的全体,拟合地面的平面方程(地面