车载激光扫描点云数据的实体对象感知与三维重构

车载激光扫描系统在基础测绘和大规模城市场景的三维重建中具有越来越明显的优势。目前，车载激光扫描点云数据的分类与特征提取及目标提取存在着计算量大、智能化程度低、可靠性差等方面的不足。本项目结合计算机视觉、数值分析、计算几何等领域的理论与方法，重点研究车载激光扫描点云数据的目标快速分类与识别、几何特征以及几何目标的稳健提取算法，从而在最小人工干预条件下实现车载激光扫描数据的高效处理，实现点云数据中目标几何特征的多层次、多尺度提取，形成稳定、可靠的车载激光扫描数据的处理方法，从而在最小人工干预条件下实现车载激光扫描数据的智能化处理。. 课题组成员了提出了基于形状特征的激光点云分割方法，为激光点云中多目标的稳健提取奠定了基础，研究成果发表在SCI二区期刊，并得到了国际同行的高度好评。在点云分割的基础上课题组提出了建筑物目标的提取方法、道路特征的提取方法以及道路标线和道路附属设施的提取方法，并获得了2013年度测绘学报优秀论文（排名第1）。课题组提出的建筑物目标提取算法经过国际摄影测量与遥感学会的评测，位于25个算法中的第7位。其次针对车载点云的海量特征，课题组提出了海量点云数据和影像数据的高效管理方法，研究成果直接用于四维图新公司的工程化生产。目前已发表期刊学术论文12篇（其中SCI论文7篇，EI论文5篇）；培养了毕业硕士生4名，在读博士研究生2名，毕业博研究生生3名。本课题的研究提高了车载激光扫描数据数据的智能化解译水平与三维重建的自动化程度。研究成果在移动测图、数字文化遗产、基础测绘等方面发挥了实际作用。