摘要：地铁点云数据包含了多种物体信息,无法对其进行特征识别,因此,需要通过对点云数据的分割来将点云数据所包含的不同的场景进行分离,提取出单个目标的点云信息。本文基于地铁场景中不同物体的自身特点,分别采用欧式聚类点云分割法、随机采样一致性(RANSAC)点云分割法和区域生长点云分割法并结合PCL(Point Cloud Library)点云函数库对地铁点云数据中广告墙、地铁上下车门、墩柱、轨道这四个主要部件进行分割。通过对分割后的结果进行分析,结果是在地铁情景中,基于区域生长的点云分割法更适合于准确分割出用户感兴趣的目标单体点云数据。

摘要：针对隧道三维激光扫描点云的特征,设计一种基于提取轮廓线进而孔洞修复方法。该方法能够对三维激光扫描点云进行圆柱投影,利用Delaunay三角构网,提出基于隧道表面三角网的孔洞识别方法。并且通过阈值过滤标记潜在谷脊点,并在每个潜在谷脊点的局部邻域内构建紧附于潜在曲面、能反映该点局部几何特征信息的三角网格。最后根据相邻隧道轮廓相似的特点,利用相邻的管片点云对孔洞进行修复该方法能很好的修复孔洞并保留隧道结构细节,并以真实的隧道扫描数据验证算法的有效性和可靠性。