System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及点云数据处理,具体涉及一种基于激光点云数据的地表三维模型构建方法。
技术介绍
1、在建筑与城市规划中,需要获取建筑物和城市环境的三维模型,以进行设计、可视化和决策支持。利用激光点云数据可以获取建筑物和城市环境的精确几何信息,并构建真实的三维模型,因此,一种基于激光点云数据的地表三维模型构建方法应运而生。
2、现有技术在对配准参数进行调整时可能缺乏准确的依据和方法,常常依赖经验或试错的方式进行参数调整,这可能导致配准结果不稳定,难以达到最佳的配准效果,很显然这种构建方法至少存在以下方面问题:1、现有技术在建模过程中可能无法准确评估点云数据的质量和重要性,导致地表三维模型的精度不高,同时,只采用一种数据处理方法来处理所有的点云数据,无法根据不同数据层次的特点进行灵活处理。
3、现有技术难以根据点云的属性和特征选择最合适的配准方法和参数,导致配准效果不理想,在处理点云数据时可能只考虑单一的因素,如点云密度或反射强度,缺乏全面考虑多个因素的能力。
4、现有技术可能需要人工干预和调整数据处理过程中的参数,增加了处理的复杂度和耗时,同时,在对配准参数进行调整时可能缺乏准确的依据和方法,可能依赖经验或试错的方式进行参数调整。这可能导致配准结果不稳定,难以达到最佳的配准效果。
技术实现思路
1、针对上述存在的技术不足,本专利技术的目的是提供一种基于激光点云数据的地表三维模型构建方法。
2、为解决上述技术问题,本专利技术采用如下技术方案:
3、步骤二、数据层次的分割:根据各点云数据对应的属性评估系数,从而对各点云数据对应的数据层次进行分析,并将各点云数据按照对应的数据层次进行层次分割。
4、步骤三、点云特征影响因子的获取:获取各数据层次对应的点云特征数据,点云特征数据包括点云密度、体素化率和各点云数据对应的平均距离值,分析得到各数据层次对应的点云特征影响因子。
5、步骤四、综合属性评估系数的获取:根据各数据层次对应的点云特征影响因子和各数据层次中各点云数据对应的属性评估系数,分析得到各数据层次对应的综合属性评估系数。
6、步骤五、最合适配准方法的分析:根据各数据层次对应的综合属性评估系数,进而对各数据层次对应的最合适配准方法进行分析,并将各数据层次按照对应的最合适配准方法进行配准。
7、步骤六、最佳配准参数的分析:根据各数据层次对应的综合属性评估系数,进而对各数据层次中最合适配准方法对应的最佳配准参数进行分析,并将各数据层次中最合适配准方法按照对应的最佳配准参数进行调整。
8、优选地,所述获取目标原始激光点云数据库中各点云数据对应的点云属性数据,具体获取过程如下:a1、使用激光扫描设备对目标区域进行扫描,通过激光扫描设备发射激光脉冲并记录其返回时间,从而获取地面或物体表面的距离信息,再通过处理激光扫描设备采集到的数据,得到各点云数据对应的点云属性信息。
9、a2、对各点云属性信息进行点云属性数据提取,进而获取目标原始激光点云数据库中各点云数据对应的反射强度、高程值和法向量值。
10、优选地,所述得到各点云数据对应的属性评估系数,具体得到过程如下:将各点云数据对应的反射强度、高程值和法向量值分别记为、和,其中,表示各点云数据对应的编号,,n为大于2的任意整数,代入计算公式中,得到各点云数据对应的属性评估系数,其中,、、分别为设定的点云数据对应的标准反射强度、标准高程值、标准法向量值,、、分别为设定的点云数据反射强度对应的权重因子、高程值对应的权重因子、法向量值对应的权重因子,、、分别为设定的许可点云数据反射强度差、许可点云数据高程值差、许可点云数据法向量值差。
11、优选地,所述对各点云数据对应的数据层次进行分析,具体分析过程如下:将各点云数据对应的属性评估系数与数据库中各数据层次对应的属性评估系数区间进行对比,若某点云数据对应的属性评估系数位于数据库中某数据层次对应的属性评估系数区间内,则将该点云数据分割至数据库中该数据层次内,以此方式对各点云数据对应的数据层次进行分析。
12、优选地,所述分析得到各数据层次对应的点云特征影响因子,具体分析过程如下:将各数据层次对应的点云密度、体素化率和各点云数据对应的平均距离值分别记为、、,其中,表示各数据层次对应的编号,,表示各点云数据对应的编号,,u为大于2的任意整数,n为大于2的任意整数,代入计算公式中,得到各数据层次对应的点云特征影响因子,其中,、、分别为设定的数据层次对应的标准点云密度、标准体素化率、点云数据对应的标准平均距离值,、、分别为设定的数据层次点云密度对应的权重因子、体素化率对应的权重因子、点云数据平均距离值对应的权重因子,、、分别为设定的许可数据层次点云密度差、许可数据层次体素化率差、许可点云数据平均距离值差。
13、优选地,所述分析得到各数据层次对应的综合属性评估系数,具体分析过程如下:将各数据层次对应的点云特征影响因子和各数据层次中各点云数据对应的属性评估系数,代入计算公式中,得到各数据层次对应的综合属性评估系数,其中,e表示自然常数。
14、优选地,所述对各数据层次对应的最合适配准方法进行分析,具体分析过程如下:将各数据层次对应的综合属性评估系数与数据库中各配准方法对应的综合属性评估系数进行对比,若某数据层次对应的综合属性评估系数与数据库中某配准方法对应的综合属性评估系数相同,则将数据库中该配准方法作为该数据层次对应的最合适配准方法,以此方式对各数据层次对应的最合适配准方法进行分析。
15、优选地,所述对各数据层次中最合适配准方法对应的最佳配准参数进行分析,具体分析过程如下:将各数据层次对应的综合属性评估系数与数据库中对应的最合适配准方法中各配准参数对应的综合属性评估系数进行对比,若某数据层次对应的综合属性评估系数与数据库中对应的最合适配准方法中某配准参数对应的综合属性评估系数相同,则将数据库中对应的最合适配准方法中该配准参数作为该数据层次中最合适配准方法对应的最佳配准参数,以此方式对各数据层次中最合适配准方法对应的最佳配准参数进行分析。
16、本专利技术的有益效果在于:1、本专利技术提供一种基于激光点云数据的地表三维模型构建方法,通过高精度属性分析、自适应配准方法、数据层次分割与处理以及最佳配准参数优化技术,通过这些技术手段的应用,可以提高地表模型构建的精度和真实性,优化配准过程,提升数据处理效率,增强模型的稳定性,为地理信息系统和相关领域的数据应用和分析提供更加可靠的数据支持,推动地表模型构建技术的进一步发展和应用。
17、2、本专利技术实施例,根据各点云数据的属性评估本文档来自技高网...
【技术保护点】
1.一种基于激光点云数据的地表三维模型构建方法,其特征在于,包括:
2.如权利要求1所述的一种基于激光点云数据的地表三维模型构建方法,其特征在于,所述获取目标原始激光点云数据库中各点云数据对应的点云属性数据,具体获取过程如下:
3.如权利要求2所述的一种基于激光点云数据的地表三维模型构建方法,其特征在于,所述得到各点云数据对应的属性评估系数,具体得到过程如下:
4.如权利要求3所述的一种基于激光点云数据的地表三维模型构建方法,其特征在于,所述对各点云数据对应的数据层次进行分析,具体分析过程如下:
5.如权利要求1所述的一种基于激光点云数据的地表三维模型构建方法,其特征在于,所述分析得到各数据层次对应的点云特征影响因子,具体分析过程如下:
6.如权利要求5所述的一种基于激光点云数据的地表三维模型构建方法,其特征在于,所述分析得到各数据层次对应的综合属性评估系数,具体分析过程如下:
7.如权利要求6所述的一种基于激光点云数据的地表三维模型构建方法,其特征在于,所述对各数据层次对应的最合适配准方法进行分析,具体分析
8.如权利要求7所述的一种基于激光点云数据的地表三维模型构建方法,其特征在于,所述对各数据层次中最合适配准方法对应的最佳配准参数进行分析,具体分析过程如下:
...【技术特征摘要】
1.一种基于激光点云数据的地表三维模型构建方法,其特征在于,包括:
2.如权利要求1所述的一种基于激光点云数据的地表三维模型构建方法,其特征在于,所述获取目标原始激光点云数据库中各点云数据对应的点云属性数据,具体获取过程如下:
3.如权利要求2所述的一种基于激光点云数据的地表三维模型构建方法,其特征在于,所述得到各点云数据对应的属性评估系数,具体得到过程如下:
4.如权利要求3所述的一种基于激光点云数据的地表三维模型构建方法,其特征在于,所述对各点云数据对应的数据层次进行分析,具体分析过程如下:
5.如权利要求1所述的一种基于激光点云...
【专利技术属性】
技术研发人员:韩峰,刘洪涛,梁坤,
申请(专利权)人:济南市勘察测绘研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。