简介:针对LIDAR点云数据中建筑物和植被难以快速分类的问题,提出了应用FCM(FuzzyC-Mean)模糊聚类的方法对离散机载激光点云数据进行建筑物和植被分类的方法.首先针对机载点云数据的特点采用了平面投影的Delaunay构网方法进行点云的三角网重构,然后根据三角网的法向矢量信息的属性不同,利用FCM方法和改进的方位矩阵方法对其进行模糊聚类,进而实现建筑物和植被等不同属性的点云分类.该方法可快速将点云进行分类,且分类结果可用不同颜色进行空间显示.在此基础上,采用IDL(Interfacedescriptionlanguage)语言编制了三维激光点云可视化分类软件LIDARVIEW.并应用该软件对某区域的机载点云数据进行了分类实验.实验结果表明:(1)基于平面投影的Delaunay构网方法特别适合机载LIDAR点云数据的快速构网,且该方法构网速度快、效率高;(2)应用FCM模糊群聚的方法和改进的方位矩阵方法适用于机载LIDAR数据的植被和建筑物分类,分类速度快且效果好;(3)FCM模糊群聚方法对机载LIDAR数据的群聚分类结果可靠、合理,具有较强的通用性和推广性.
简介:测量机器人(即自动电子全站仪)固然可以对大坝进行自动化(或半自动化)外部形变监测,但测量机器人设站处(监测基点)的稳定性对监测精度的影响非常大,并且当测量视线被遮挡后测量机器人将无法监测相应的形变点,为了解决上述问题,笔者及科研组将GPS技术与测量机器人技术有机结合,开发出了大坝形变集成监测系统,该系统彻底解决了监测基站不稳定对监测结果的影响问题,使监测的程序得以简化、监测的固定性投资成本得以降低.文章介绍了大坝形变集成监测系统的结构、工作原理,给出了监测实例.以实际监测数据为依据,提出了大坝预警的基本准则.