分带K-均值聚类的平面标靶定位

陈西江; 花向红; 杨荣华; 张青华

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

分带K-均值聚类的平面标靶定位

陈西江, 花向红, 杨荣华, 张青华

文章导航 > 武汉大学学报 ( 信息科学版) > 2013 > 38(2): 167-170

陈西江, 花向红, 杨荣华, 张青华. 分带K-均值聚类的平面标靶定位[J]. 武汉大学学报 ( 信息科学版), 2013, 38(2): 167-170.

引用本文:

陈西江, 花向红, 杨荣华, 张青华. 分带K-均值聚类的平面标靶定位[J]. 武汉大学学报 ( 信息科学版), 2013, 38(2): 167-170.

CHEN Xijiang, HUA Xianghong, YANG Ronghua, ZHANG Qinghua. Planar Target Location Based on the Zoning K-means Clustering[J]. Geomatics and Information Science of Wuhan University, 2013, 38(2): 167-170.

Citation:

CHEN Xijiang, HUA Xianghong, YANG Ronghua, ZHANG Qinghua. Planar Target Location Based on the Zoning K-means Clustering[J]. Geomatics and Information Science of Wuhan University, 2013, 38(2): 167-170.

分带K-均值聚类的平面标靶定位

1 武汉大学测绘学院, 武汉市珞喻路129号, 430079;
2 武汉大学灾害监测与防治研究中心, 武汉市珞喻路129号, 430079;
3 重庆大学土木工程学院, 重庆市沙正街174号, 400030;
4 成都市勘察测绘研究院, 成都市一环路北三段70号, 610081

基金项目: 国家自然科学基金资助项目(41174010,41074025);精密工程与工业测量国家测绘地理信息局重点实验室开放基金资助项目(PF2011-17)

详细信息

作者简介:
陈西江,博士生,研究方向为三维激光的点云数据处理。E-mail:cxj_0421@163.com

中图分类号: P207.1

Planar Target Location Based on the Zoning K-means Clustering

1 School of Geodesy and Geomatics, Wuhan University, 129 Luoyu Road, Wuhan 430079, China;
2 Hazard Monitoring and Prevention Research Center, Wuhan University, 129 Luoyu Road, Wuhan 430079, China;
3 School of Civil Engineering, Chongqing University, 174 Shazheng Street, Chongqing 400030, China;
4 Chengdu Insititute of Survey and Investigation, 70 the North Three Section of First Ring Road, Chengdu 610081, China

摘要: 提出了一种分带K-均值聚类的平面标靶定位方法。根据标靶与测站距离的限制条件,推导了较大噪声点的剔除公式,在整体最小二乘拟合平面的基础上增加了噪声点二次剔除的方法,对经过噪声点剔除的点云数据进行分带、聚类处理。同时,对每一带的聚类中心进行均值化处理,得到每一带的中心点,通过求取不同带中心的均值来确定标靶中心点。实验结果表明,分带K-均值聚类的平面标靶定位模型较适合于平面标靶同名点确定。
- 点云数据分带 /
- K-均值聚类 /
- 噪声点去除 /
- 粗差剔除 /
- 平面标靶定位
Abstract: This paper presents planar target location methods based on zoning K-means clustering aiming at the impact of the noise points and missing data to planar target.The formula of elimination to larger noise points is derived based on the distance constraints between the target and the station.The second elimination of noise points is added to the paper on the basis of the Total Least-squares fit planar.The zoning and cluster of point cloud data is conducted after removing noise points,and the center of each zoning is determined by the mean processing of cluster center of each zoning.The target center is determined by calculating the mean of different zoning center.The experimental results demonstrate that the planar target location model based on the zoning K-means clustering is suited for the determined of the planar target conjugate.
- point cloud data zoning /
- K-means clustering /
- removal of noise points /
- elimination of gross errors /
- planar target location

[1]	李健, 曹垚, 王宗敏, 王广印. 融合k-means聚类和Hausdorff距离的散乱点云精简算法 . 武汉大学学报 ( 信息科学版), 2020, 45(2): 250-257. doi: 10.13203/j.whugis20180204
[2]	邱春平, 秦志远, 熊新, 张红敏, 靳国旺, 李贺. 机载SAR影像定向中像点粗差的拟准检定方法 . 武汉大学学报 ( 信息科学版), 2019, 44(2): 283-288, 295. doi: 10.13203/j.whugis20150338
[3]	赵祥鸿, 暴景阳, 欧阳永忠, 黄贤源, 黄辰虎, 陆秀平. 利用BP神经网络剔除多波束测深数据粗差 . 武汉大学学报 ( 信息科学版), 2019, 44(4): 518-524. doi: 10.13203/j.whugis20160336
[4]	职露, 余旭初, 李光强. 滚圆法用于空间点聚类的研究 . 武汉大学学报 ( 信息科学版), 2018, 43(8): 1193-1198. doi: 10.13203/j.whugis20160287
[5]	万幼, 周脚根, 翁敏. 点集数据不规则形状时空异常聚类模式挖掘研究 . 武汉大学学报 ( 信息科学版), 2017, 42(7): 924-930. doi: 10.13203/j.whugis20150069
[6]	李国俊, 李宗春, 孙元超, 李伟, 黄志勇. 利用Delaunay细分进行噪声点云曲面重建 . 武汉大学学报 ( 信息科学版), 2017, 42(1): 123-129. doi: 10.13203/j.whugis20140513
[7]	朱庆, 苗双喜, 丁雨淋, 齐华, 何小波, 曹振宇. 知识引导的滑坡监测数据粗差定位与剔除方法 . 武汉大学学报 ( 信息科学版), 2017, 42(4): 496-502. doi: 10.13203/j.whugis20150125
[8]	张正鹏, 江万寿, 张靖. 车载立方体全景影像匹配点的粗差检测方法 . 武汉大学学报 ( 信息科学版), 2014, 39(10): 1208-1213.
[9]	王密, 常学立, 朱映, 应荷香, 成世文. 光学影像自动几何精校正中控制点粗差检测方法比较 . 武汉大学学报 ( 信息科学版), 2014, 39(12): 1395-1400.
[10]	姜湾, 沈焕锋, 曾超, 张良培, 张洪艳, 刘欣鑫. Terra MODIS数据28波段影像条带噪声去除方法 . 武汉大学学报 ( 信息科学版), 2014, 39(5): 526-530. doi: 10.13203/j.whugis20130006
[11]	杨荣华, 吕美英, 花向红. 一种多站标靶点云整体配准算法 . 武汉大学学报 ( 信息科学版), 2014, 39(10): 1189-1193.
[12]	王建民, 张锦, 苏巧梅. 观测数据中的粗差定位与定值算法 . 武汉大学学报 ( 信息科学版), 2013, 38(10): 1225-1228.
[13]	应申, 毛政元, 李霖, 许光. 利用3D Voronoi图的兔子点云聚类分割 . 武汉大学学报 ( 信息科学版), 2013, 38(3): 358-361.
[14]	. 利用3DVoronoi图的兔子点云聚类分割 . 武汉大学学报 ( 信息科学版), 2013, 38(3): 358-.
[15]	冯欣, 张鹏, 徐亚明, 邹进贵. 一种利用K均值聚类的无线传感器网络节点定位算法 . 武汉大学学报 ( 信息科学版), 2013, 38(10): 1257-1260.
[16]	张永军, 王博, 段延松. 一种针对大倾角影像匹配粗差剔除的算法 . 武汉大学学报 ( 信息科学版), 2013, 38(10): 1135-1138.
[17]	王海军, 邓羽, 王丽, 关兴良. 基于数据场的C均值聚类方法研究 . 武汉大学学报 ( 信息科学版), 2009, 34(5): 626-629.
[18]	曾齐红, 毛建华, 李先华, 刘学锋. 激光雷达点云平面拟合过滤算法 . 武汉大学学报 ( 信息科学版), 2008, 33(1): 25-28.
[19]	唐亮, 黄培之, 谢维信. 顾及数据空间分布特性的模糊C-均值聚类算法研究 . 武汉大学学报 ( 信息科学版), 2003, 28(4): 476-479.
[20]	徐培亮. 可剔除多个粗差的F-T法 . 武汉大学学报 ( 信息科学版), 1987, 12(2): 41-46.

点击查看大图

计量

文章访问数: 493
HTML全文浏览量: 37
PDF下载量: 46
被引次数: 0

分带K-均值聚类的平面标靶定位

1 武汉大学测绘学院, 武汉市珞喻路129号, 430079;

2 武汉大学灾害监测与防治研究中心, 武汉市珞喻路129号, 430079;

3 重庆大学土木工程学院, 重庆市沙正街174号, 400030;

4 成都市勘察测绘研究院, 成都市一环路北三段70号, 610081

基金项目: 国家自然科学基金资助项目(41174010,41074025);精密工程与工业测量国家测绘地理信息局重点实验室开放基金资助项目(PF2011-17)

作者简介:
陈西江,博士生,研究方向为三维激光的点云数据处理。E-mail:cxj_0421@163.com

收稿日期: 2012-12-15
刊出日期: 2013-02-05

中图分类号: P207.1

关键词:

摘要: 提出了一种分带K-均值聚类的平面标靶定位方法。根据标靶与测站距离的限制条件,推导了较大噪声点的剔除公式,在整体最小二乘拟合平面的基础上增加了噪声点二次剔除的方法,对经过噪声点剔除的点云数据进行分带、聚类处理。同时,对每一带的聚类中心进行均值化处理,得到每一带的中心点,通过求取不同带中心的均值来确定标靶中心点。实验结果表明,分带K-均值聚类的平面标靶定位模型较适合于平面标靶同名点确定。