文档介绍：该【弱偏差特征过滤的建筑物焊接连接构造点激光雷达特征提取 】是由【科技星球】上传分享，文档一共【17】页，该文档可以免费在线阅读，需要了解更多关于【弱偏差特征过滤的建筑物焊接连接构造点激光雷达特征提取 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。弱偏差特征过滤的建筑物焊接连接构造点激光雷达特征提取??江浩齐慧芳摘要:在扫描建筑物焊接连接构造的过程中,由于构造点区域缺少明显的特征,易形成弱偏差干扰,提出一种在弱偏差特征过滤下,应用激光雷达扫描的特征提取方法。利用激光雷达扫描中的阵列分析法,采集建筑物焊接连接构造的点云数据,利用KD-Tree模型剔除点云集合中的弱偏差特征噪声数据;采用邻域方向分布法,在被跟踪的构造点集合中标记出倒数的2个点,并搜索初始集合中相连的有向线段,将最小扫描角度的线段端点加到特征集合中。结果表明:该方法提取的位置精度高,区域匹配度最高值可达到95%。Key:激光雷达扫描;弱偏差特征;焊接连接构造;压缩感知;KD-Tree模型;向量点乘法;轮廓点跟踪:TN249;TQ573+.8文献标志码:A?:1001-5922(2023)08-0134-04LidarfeatureextractionofbuildingweldedjointsbasedonweakdeviationfeaturefilteringJIANGHao1,QIHuifang2(.,Ltd.,Guangzhou510060,China;&Business,Guangzhou511442,China)Abstract:Duringtheprocessofscanningtheweldingconnectionstructureofbuildings,,,andtheKDTreemodelwasusedeliminateweakdeviationfeaturenoisedatafromthepointcloudset;theneighborhooddirectiondistributionwasusedtomarkthetworeciprocalpointsinthetrackedconstructionpointset,andsearchfortheconnecteddirectedlinesegmentsintheinitialset,,andthehighestvalueofregionmatchingintheextractedresultscanreach95%.Keywords:lidarscanning;weakdeviationcharacteristics;pressionperception;KD-Treemodel;vectorpointmultiplication;contourpointtracking建筑物是一种人工地物目标[1],也是城市建设的基础元素。而建筑物焊接连接构造则是构建建筑物的重要遥感信息。在提取建筑物轮廓范围后,通过多方位拟合得到最小化外接矩阵,在等份分割后计算各子区域间的豪斯多夫距离,并利用此距离代替边界提取建筑物轮廓[2]。将地面激光点云算法与影像匹配法相結合,通过中心点检测法提取轮廓中的点云,再通过点云精准匹配提取建筑物轮廓[3]。在房屋轮廓范围中任选了2个不相邻的点,检测2点范围内所有的边缘点与分组情况。然后利用最小二乘拟合法规则化处理边缘点,通过相邻轮廓线相交点确定房屋轮廓的角点坐标[4]。在机载条件下,激光雷达扫描建筑物焊接连接构造的过程中,由于焊接连接构造区域缺少明显的区分特征,易形成边界特征弱偏差干扰,且这种弱偏差在多层叠加后,会产生明显的造成特征干扰。为了解决上述方法中存在的问题,针对建筑物焊接连接构造特征,提出了一种激光雷达扫描提取方法。1采集建筑物焊接连接构造的激光点云数据相比于普通光伏阵列,建于屋顶的分布式光伏阵列会受到周围建筑立面的反射辐射[5]。因此,首先利用阵列模型分析法采集建筑物焊接连接构造的激光点云集合,其结构如图1所示。激光点云是激光扫描设备对物体扫描获取的点云数据,其由多条二维焊接连接构造线拼接而成[6]。激光点云数据采集步骤:步骤1,在激光雷达扫描过程中,建筑物焊接连接构造的后向散射信号沿着相反方向(前向)的积分可以被视为完整的阵列复数值,表达公式:hn=∫Δtεtexp?-2φl???(1)式中:在n×l的傅里叶变换矩阵中;hn表示分辨单元的阵列复数值;t表示前向过程;Δt表示前向变化区间;εt表示前向对应的后向散射系数;φ表示信号的空间频率。步骤2,根据阵列复数值得到光伏阵列模型Sn×l,再求解模型的最优解。光伏阵列模型Sn×l:Sn×l=-2φld×hn+φη??(2)式中:d表示长度固定的观测向量;φ表示噪声向量;η表示前向过程上的均匀采样。步骤3,基于式(2)得到的光伏阵列模型,求解模型的最优解即是寻找复数的最小化。在大多数情况下,复数的最小化等价于压缩感知方程的解。压缩感知方程公式如下:y=ψ·s·Sn×l??(3)式中:ψ表示稀疏基矩阵,s表示稀疏系数。步骤4,根据压缩感知方程引入预估等式,在预估等式中,假设e表示受噪声调节控制的惩罚参数,可以分解成惩罚函数与建筑物焊接连接构造的点云数据