基于激光SLAM水平剖面点云生成建筑物(含地库)平面图

我们通过激光SLAM点云可视化、批量生成SALM点云水平剖面点云并确定最优剖面、SLAM点云中获取水平剖面点云等技术手段可以获取想要的水平剖面点云数据。

下面两个图分别展示了两个平剖点云数据的示例:
在这里插入图片描述
在这里插入图片描述
我们已经将两个平剖点云保存为独立的las1.2格式点云文件,然后进行下述操作:

1、加载数据

打开“点云智绘·云祥”软件,将两个las文件加载到云祥软件中,如下图所示
在这里插入图片描述

2、一键式提取操作
点击菜单“行业应用/室内外剖面点云建筑物(含地下车库)建筑物平面图提取/一键式剖面点云建筑物(含地下车库)平面图提取”工具。该工具的位置如下所示:
在这里插入图片描述
然后,弹出下述对话框,需要设置一个唯一的参数:点云厚度,如下图所示:
在这里插入图片描述
该厚度为点云中某一墙面点云的厚度,可以通过本软件云图系统中的相关测量工具实现,如下图所示(图中,出现了多个测量值,用户需要综合考虑设备本身精度、墙面朝向、平剖面本身厚度等多个因素确定采用哪个值作为厚度。下图中点云的厚度约9cm):
在这里插入图片描述
云祥中“一键式剖面点云建筑物(含地下车库)平面图提取”该功能不仅能实现点云中正方形柱子、长方形柱子、圆形柱子、墙面的自动识别,而且能实现正方形、长方形、圆形、直线段的自动提取(注意点云智绘3.3及以上版本支持)。其中,点云中正方形柱子、长方形柱子、圆形柱子、墙面的自动识别的效果如下图所示:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
另外,正方形、长方形、圆形、直线段的自动提取的效果如下图所示:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
上述操作实验表明,该一键式方法对直线段和矩形的提取效果较好,同时对圆形和正方形存在误分、误提取的情况。

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
激光SLAM(Simultaneous Localization and Mapping)是一种同时定位和建的技术。在激光SLAM过程中,需要提取激光传感器采集到的大量离散点云数据,并将其聚类,以便进行定位和建点云聚类的目的是将离散的点云数据分组到一起,形成具有一定特征的点云簇。聚类可以通过聚类算法,比如基于距离的聚类算法(如K-means算法)或密度聚类算法(如DBSCAN算法)来实现。 激光SLAM进行点云的聚类有几个原因: 1. 空间数据建模:聚类可以将点云数据划分为具有相似特征的簇,这样可以更好地对环境进行建模。聚类后的点云簇可以表示环境中的不同物体或地面等地物,从而有助于建立地和进行定位。 2. 特征提取和描述:聚类可以将点云数据分组到一起,并为每个簇提取特征,比如中心点、形状、大小等。这些特征可以用于描述环境中的物体,并支持后续的物体识别和跟踪。通过聚类,可以实现对环境中不同物体的识别和建模。 3. 数据降维和处理:激光传感器获取到的点云数据是非常密集的,包大量的离散点。对于实时的SLAM应用来说,对这些稠密的点云数据进行处理是非常耗时的。通过点云的聚类,可以将原始数据降维,并提取出关键的点云簇,从而减少计算量,提高激光SLAM的实时性能。 总之,激光SLAM中进行点云聚类的目的是为了实现空间数据建模、特征提取和描述,以及数据降维和处理。聚类后的点云簇可以用于建立地、识别物体和支持定位过程,从而提高激光SLAM的建和定位能力。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值