• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種融合區(qū)域生長和RANSAC的稠密點云平面分割方法

    2022-05-06 15:27:40張建偉權(quán)慶樂

    張建偉 權(quán)慶樂

    摘要:為提高三維信息的準確度,提出一種在稠密的點云數(shù)據(jù)中采用融合區(qū)域生長和隨機抽樣一致性(RANSAC)的平面分割方法。利用統(tǒng)計濾波、體素濾波對稠密點云去噪和精簡,通過鄰域統(tǒng)計特性剔除孤立點。采用點域區(qū)域生長分割出平面點,并采用面域區(qū)域生長合并平面附近點。采用曲率值檢測出異常彎曲的平面。在異常彎曲的平面中采用RANSAC評估平面點的模型誤差并剔除粗差點。實驗選取公寓、閣樓、辦公室等4個典型室內(nèi)場景數(shù)據(jù)進行測試。實驗表明,該方法可有效從稠密點云中分割出平面結(jié)構(gòu),分割結(jié)果準確度均值可達到95%以上。相比于傳統(tǒng)RANSAC方法,可以更好地保證平面結(jié)構(gòu)的連通性。相比于傳統(tǒng)區(qū)域生長方法分割結(jié)果,準確度提升約2%,完整度平均提高約17%,對于后續(xù)三維重建和機器人的導航有著借鑒作用。

    關(guān)鍵詞:稠密點云;平面分割;區(qū)域生長;RANSAC分割;點云曲率

    中圖分類號:TP 391.41文獻標志碼:A

    文章編號:1672-9315(2022)02-0341-08

    DOI:10.13800/j.cnki.xakjdxxb.2022.0219開放科學(資源服務)標識碼(OSID):

    A plane segmentation method of region growing

    and RANSAC for dense point cloudZHNAG Jianwei,QUAN Qingle

    (Department of Information Engineering,Henan University of Animal Husbandry and Economy,Zhengzhou 450004,China)

    Abstract:In order to improve the 3D information accuracy,this paper proposes a plane segmentation method using fusion of region growing and random sampling consensus(RANSAC)in dense point cloud data.First,statistical and voxel filtering are applied to denoise and simplify the point cloud,which removes outliers based on neighborhood statistical properties.Then,planar points are segmented using point-based region growing,and the points around plane are further merged using plane-based region growing.Next,the curvature is used to detect abnormally curved planes.Finally,RANSAC is applied to evaluate the model errors of planar points among abnormally curved planes and then to remove outliers.In the experiment,four typical indoor datasets such as apartment,loft,and offices are used to verify the proposed method.Experimental results demonstrate that the average segmentation accuracy can reach over 95%.The planar connectivity is preserved better than that by traditional RANSAC method.Compared with the traditional region growing method,the segmentation accuracy improves about 2%,and completeness increases about 17% on average.It is of great significance for the subsequent 3D reconstruction and robot navigation.

    Key words:dense point cloud;plane segmentation;region growing;RANSAC segmentation;curvature of point cloud

    0引言

    近年來,隨著三維激光掃描技術(shù)的快速發(fā)展,高精度、數(shù)據(jù)海量的稠密點云已廣泛應用于逆向工程[1]、文物修復[2]、3D打印[3]、自動駕駛[4]等領(lǐng)域。如何從點云中快速、準確地提取出真實場景目標信息,已逐漸成為國內(nèi)外眾多學者的研究熱點。平面結(jié)構(gòu)由于具有良好的幾何特性,廣泛地存在于室內(nèi)外各場景中。魯棒的平面結(jié)構(gòu)可為場景結(jié)構(gòu)建模[5]、機器人導航定位[6]等提供穩(wěn)定的特征信息。稠密點云由于其數(shù)據(jù)細節(jié)豐富,可以較為魯棒地反映真實地物信息,但由于其數(shù)據(jù)海量,如何高效準確處理成為難題。因此稠密點云中快速準確地提取平面結(jié)構(gòu)已成為計算機領(lǐng)域中重要的研究內(nèi)容[7-8]。

    國內(nèi)外眾多學者針對平面提取已做了部分研究,而目前的平面分割方法可總體分為模型擬合類方法、深度學習類方法和區(qū)域生長類方法。

    1)模型擬合類方法。主要包括隨機采樣一致性算法(RANSAC)[9-10]和霍夫變換算法(Hough transformation)[11]。RANSAC算法首先預先設定平面參數(shù),依據(jù)點到平面的距離,在全局范圍內(nèi)將三維點分為外點與內(nèi)點,并將內(nèi)點數(shù)最多的點集作為最終平面分割結(jié)果。部分學者對RANSAC方法進行改進,SCHNABEL等提出采用八叉樹優(yōu)化RANSAC算法,以提高平面提取效率[12]。熊風光等提出將K均值聚類與RANSAC相結(jié)合,以提高算法中的粗差點剔除率,在一定程度上提高了RANSAC算法的準確度[13]。RAGURAM等采用附加法向矢量的方式提取數(shù)據(jù)中的三角面片。以上方法雖然有較好的抗噪性,但計算效率較低,同時未考慮空間連通性,易在稠密點云數(shù)據(jù)中產(chǎn)生偽平面[14]。

    霍夫變換算法將原始空間中平面檢測問題轉(zhuǎn)化為尋找參數(shù)空間峰值問題。目前主要模型有球體、直線、柱體和平面等。田朋舉等提出一種基于2DHough變換和八叉樹相結(jié)合的方法,實現(xiàn)建筑平面的有效分割[15]。HULIK等采用矢量約束來提高Hough變換算法檢測平面的準確度。但該類方法存在一定的平面誤識別現(xiàn)象[16]。

    2)深度學習類方法。通過構(gòu)建卷積神經(jīng)網(wǎng)絡,對點云數(shù)據(jù)進行語義信息分割。以PointNet[17]、PointNet++[18]、PointCNN[19]等深度神經(jīng)網(wǎng)絡為代表,可有效實現(xiàn)在真實場景下,提取點云數(shù)據(jù)中平面結(jié)構(gòu)。YU等針對稀疏點云特性,提出網(wǎng)絡模型,提高平面擬合精度,但在稠密點云數(shù)據(jù)中的計算效率仍有待提高[20]。該類方法需大量樣本清洗及模型訓練等工作,當處理大規(guī)模稠密點云時,與傳統(tǒng)方法相比并無顯著優(yōu)勢。

    3)區(qū)域生長類方法[21-22]。通常是利用法線、曲率等幾何屬性,分析點云局部空間的鄰接關(guān)系,進而實現(xiàn)平面點云的生長。薛婧雅等提出基于超體素與區(qū)域生長相結(jié)合的方式提高屋頂平面的分割精度[23]。王沖等采用動態(tài)分配權(quán)重的方法來提高法線解算精度,進一步提高區(qū)域生長算法的準確性[24]。FOTSING等采用ICP算法選取可靠的候選種子點,并在生長過程中采用體素表達點云,改善平面分割質(zhì)量[25]。ZHANG等提出一種基于2D和3D相互投影的區(qū)域生長方法,通過點云以及投影平面的幾何信息選取初始種子點,并通過區(qū)域生長條件判斷每個點的通視性,改善分割效果[26]。該類方法提取平面精度較高,但受到區(qū)域生長條件限制,平面結(jié)構(gòu)的完整度有待提高。同時該方法更關(guān)注于點云局部空間變化,對于平面結(jié)構(gòu)的整體考慮不足。

    近年來一些學者也提出一些新方法,ZHU等將平面分解為多個平面段合并的結(jié)果,采用準逆理論(quasi-a-contrario theory)利用誤警值(false alarms)評估每個平面段的分割效果[27]。WANG等用L0梯度最小化算法的區(qū)域生長以及圖分割(graph cut)提取物體表面[28]。FATEMEH等提出多平面算法用于區(qū)分多平面立面的結(jié)構(gòu)和非結(jié)構(gòu)元素,從統(tǒng)計上考慮點組相對于其鄰居的位置,以進行識別的隔離多平面建筑的主立面[29]。

    目前眾多研究方法多集中于某一類平面分割方法,并在此基礎上進行優(yōu)化,而忽略各類方法之間的關(guān)聯(lián)性。模型擬合類方法具有嚴格的數(shù)學模型,但是忽略了局部空間結(jié)構(gòu)的連續(xù)性。區(qū)域生長類方法強調(diào)局部空間中連續(xù),而未對數(shù)據(jù)進行整體限制考慮,而過于嚴格的曲率閾值則會導致平面結(jié)構(gòu)的不完整。因此,綜合以上各類平面分割方法的特點,提出一種區(qū)域生長和RANSAC相結(jié)合的稠密點云平面分割方法。融合2類平面分割方法中數(shù)學模型以及局部空間約束的優(yōu)點,克服空間不連續(xù)及平面完整度不高的缺點。首先采用3種濾波方法實現(xiàn)點云初步的預處理,然后采用混合區(qū)域生長算法實現(xiàn)平面結(jié)構(gòu)的初分割,其次利用平面彎曲度約束對平面結(jié)構(gòu)的幾何狀態(tài)進行判斷,最后采用RANSAC算法剔除異常平面的粗差點,從整體提高平面分割的準確度。該方法綜合RANSAC和區(qū)域生長平面分割方法的優(yōu)點,在一定程度上提高平面分割的準確度與完整度。

    1平面分割方法

    1.1技術(shù)路線

    平面分割技術(shù)路線如圖1所示。首先對原始稠密點云進行預處理,利用無效點剔除、統(tǒng)計濾波、體素濾波,顯著降低點云數(shù)據(jù)量,濾除大量離群噪聲點。然后提出一種混合區(qū)域生長分割方法實現(xiàn)場景中平面點云的初分割。其次以整個平面為基礎對平面進行彎曲度約束分析,檢測出彎曲度異常平面。最后采用RANSAC算法剔除平面粗差點,提高平面分割準確度和完整度。

    1.2數(shù)據(jù)預處理

    由于稠密點云數(shù)據(jù)海量,對其直接處理,嚴重影響處理效率,因此在平面分割前對其進行預處理,為后續(xù)平面特征提取做準備。

    首先對稠密點云數(shù)據(jù)P進行數(shù)據(jù)格式檢查,尋找數(shù)據(jù)中存在的“非法”格式,如點云中常見的“NAN”,并對其進行剔除。然后采用統(tǒng)計濾波濾除噪聲點,其原理如公式(1)所示。最后采用體素濾波,在保證點云數(shù)據(jù)整體輪廓的前提下,降低點云數(shù)據(jù)量,其中體素濾波采用邊長為l(0.02 m)的三維網(wǎng)格。在預處理后得到點云數(shù)據(jù)PV。

    1.3點域區(qū)域生長

    在預處理后,以三維點為基礎,結(jié)合局部鄰域空間分析,制定鄰域生長條件,進行點域內(nèi)的區(qū)域生長。主要包括以下步驟。

    1.4面域區(qū)域生長

    由于區(qū)域生長條件的限制,點域區(qū)域生長后的剩余點云Ple中仍包含部分屬于但未被歸類到相應平面結(jié)構(gòu)的三維點。文中進一步采用面域區(qū)域生長進一步處理未分類的平面點。圖2為面域區(qū)域生長的示意,主要包括以下步驟。

    1)平面篩選。瑣碎的平面點云,通常并非真正的實體結(jié)構(gòu),或?qū)鼍敖Y(jié)構(gòu)的表達的意義不大。因此如圖3所示,對于提取的平面點云,通過外接矩形面積近似作為平面點云面積,并經(jīng)驗性地設置面積閾值s(0.02 m2),剔除面積較小的平面,將其放回至剩余點云Ple中。

    2)建立鄰域結(jié)構(gòu)。以平面為基礎,再次采用KD-tree在剩余點云中,對平面點云建立鄰域結(jié)構(gòu),并去除重復的鄰域點(圖2中黃色點)。

    3)平面生長。在每一個平面鄰域中,計算其到平面的距離,若小于距離閾值d1(0.03 m),則將其歸類為當前平面點云。

    1.5平面彎曲度約束

    平面分割后,以每一平面點云為基礎,計算平面的整體平均曲率,將其作為整個平面的彎曲度評價指標,主要包括以下步驟。

    1)在公式(4)中,采用最小二乘法擬合平面方程,并計算整個平面點云重心點pc。

    1.6RANSAC檢核平面

    平面彎曲度約束分析后,平面點云分為正常平面和彎曲度異常平面。如圖4在異常平面中采用RANSAC擬合平面點云方程,并計算整體平面的點云的誤差,將點到平面距離大于閾值d2(0.02 m)的點,作為粗差值點,進行剔除,提高平面分割準確度。而彎曲度正常平面則無需進行RANSAC檢測,可認為其已基本滿足幾何一致性原則,直接保存為最后的平面分割點云。最后輸出所有平面點云。

    2實驗結(jié)果與分析

    2.1實驗數(shù)據(jù)與環(huán)境

    實驗環(huán)境為Intel Core i7-5500U CPU@2.40 GHz 2.39 GHz,8.0 GB RAM,采用Ubuntu 16.04系統(tǒng),C++編程實現(xiàn)。實驗采用4組數(shù)據(jù),其中前2組數(shù)據(jù)來自PARK學者公布的公寓及閣樓場景點云數(shù)據(jù)[30],后2組數(shù)據(jù)來自蘇黎世大學(UZH)的可視化與多媒體實驗室提供的辦公室掃描數(shù)據(jù)(https://www.ifi.uzh.ch/en/vmml/research/datasets.html)。

    圖5是采用文中預處理方法后的點云結(jié)果,體素濾波采用邊長為0.02m的三維體素網(wǎng)格進行體素化處理。從圖中預處理效果可以看出,在保持整體場景特征信息的前提下,點云數(shù)據(jù)量在一定程度上有所降低、大部分離群噪聲點得到有效剔除。

    2.2平面分割對比實驗

    在平面分割實驗中,選取傳統(tǒng)的區(qū)域生長和RANSAC方法作為對比實驗。各方法的分割效果如圖6所示,其中不同顏色表示不同平面點云。從圖中分割效果可以看出,RANSAC方法僅使用數(shù)學模型對點云進行分割,未能保證平面點云的連通性,致使多處不鄰的平面段誤識別為同一個平面點云。區(qū)域生長方法的分割效果總體較為良好,但平面分割受到生長條件的限制,未能保證平面的完整度,位于平面邊緣附近的點云未能很好進行歸類。目視效果上可見,文中方法可提取處場景中的大部分平面,同時平面之間的邊緣點云也得到良好歸類,平面結(jié)構(gòu)的區(qū)分度較高,在保證準確度的同時也保證了平面結(jié)構(gòu)的完整度。

    2.3未分類點分布

    為進一步對比分析平面分割方法性能,如圖7提取出各方法分割后未歸類到具體平面的剩余點云。在剩余點分布方面,RANSAC方法由于僅采用空間數(shù)學模型,保留剩余點數(shù)量最少。其次是文中方法,最后是傳統(tǒng)區(qū)域生長方法。相比于區(qū)域生長方法,文中方法可以更好地處理平面邊緣點,減少剩余點數(shù)量,提高平面完整度。

    2.4精度評估

    進一步量化分析分割方法的性能,采用式(7)和式(8)中準確度(Corrrectness,Cr)、完整度(Completeness,Cm)[31]指標評估各算法。實驗中采用CloudCompare軟件的標記功能,勾選數(shù)據(jù)中的平面點并添加Label作為評估的真值。

    式中TP為正確分割平面點;FP為錯誤識別的平面點;FN為漏檢的平面點。

    表1記錄了實驗中3種分割方法在4個數(shù)據(jù)的分割結(jié)果的平面數(shù)量、剩余點數(shù)、準確度和完整度。其中RANSAC方法由于空間幾何模型在全局范圍提取平面,可提取出場景中的絕大部分平面點。但由于實驗數(shù)據(jù)中存在大量的平面,致使RANSAC方法所提取的大部分平面點是空間非連續(xù)的,這與空間平面的幾何屬性相矛盾。區(qū)域生長方法和文中方法所分割平面均由空間連續(xù)三維點構(gòu)成,符合空間平面的幾何特性。同時相比于區(qū)域生長方法,文中方法在準確度與完整度方面均所有提升,4個場景中準確度均提升2%左右,均達到95%以上。完整度提高效果為:公寓場景提升約20%;閣樓場景提升約27%;辦公室1場景提升約12%;辦公室2場景提升約11%。文中方法更加魯棒地提取稠密點云中的平面結(jié)構(gòu),并提高平面特征的完整度。為后續(xù)場景建模以及機器人定位導航提高更加魯棒的特征結(jié)構(gòu)。

    3結(jié)論

    1)利用點域內(nèi)區(qū)域生長和面域內(nèi)區(qū)域生長相結(jié)合,可以有效克服傳統(tǒng)區(qū)域生長在平面邊緣分割時的欠分割現(xiàn)象,平面分割的完整度提高約17%。

    2)采用曲率值近似表達平面彎曲度,并對所分割的平面點云進行檢核,可以有效檢測出異常彎曲的平面,有利于檢測平面中的粗差點。

    3)利用RANSAC檢核平面,可以在保證平面分割的連通性的基礎上,進一步提高平面分割的準確度,在典型的室內(nèi)場景中,分割的準確度可達到95%。

    4)基于稠密點云數(shù)據(jù)的平面分割方法可為基于平面結(jié)構(gòu)的特征建模以及室內(nèi)機器人導航定位提供可靠的特征基礎。

    參考文獻(References):

    [1]雷婉南,趙鵬飛.逆向工程橢圓柱構(gòu)件的擬合計算[J].大地測量與地球動力學,2010,30(5):102-105,112.LEI Wannan,ZHAO Pengfei.Fitting calculation of elliptical cylinder component in reverse engineering[J].Journal of Geodesy and Geodynamics,2010,30(5):102-105,112.

    [2]高楊.三維激光掃描的文物破損區(qū)域修復研究[J].激光雜志,2021,42(1):187-191.GAO Yang.Restoration of relics damaged area by 3D laser scanning[J].Laser Journal,2021,42(1):187-191.

    [3]徐文鵬,苗龍濤,侯守明,等.基于體素模型的3D打印支撐算法[J].圖學學報,2018,39(2):228-234.XU Wenpeng,MIAO Longtao,HOU Shouming,et al.Construction of support structure based on voxelization models for 3D printing[J].Journal of Graphics,2018,39(2):228-234.

    [4]霍桂利.基于智能控制算法的自動駕駛系統(tǒng)優(yōu)化研究[J].現(xiàn)代電子技術(shù),2019,42(20):177-180.HUO Jiali.Optimization of automatic driving system based on intelligent control algorithm[J].Modern Electronics Technique,2019,42(20):177-180.

    [5]白云.煤礦救援蛇形機器人環(huán)境建模方法研究[J].西安科技大學學報,2014,34(4):485-489.BAI Yun.Research on environment modeling method of the coal mine rescue snake-like robot[J].Journal of Xian University of Science and Technology,2014,34(4):485-489.

    [6]楊林,馬宏偉,王川偉,等.校園巡檢機器人智能導航與控制[J].西安科技大學學報,2018,38(6):1013-1020.YANG Lin,MA Hongwei,WANG Chuanwei,et al.Intelligent navigation and control of campus inspection robot[J].Journal of Xian University of Science and Technology,2018,38(6):1013-1020.

    [7]CEDRIQYE F,NAREPH M,CHRISTOPHE B.Iterative closest point for accurate plane detection in unorganized point clouds[J].Automation in Construction,2021,125:103610.

    [8]ABNER M C A,MANUEL M O.A robust statistics approach for plane detection in unorganized point clouds[J].Pattern Recognition,2020,100:107115.

    [9]FISCHLER M A,BOLLES R C.Random sample consensus:A paradigm for model fitting with applications to image analysis and automated cartography[J].Communications of the ACM,1981,24(6):381-395.

    [10]胡偉,盧小平,李珵,等.基于改進RANSAC算法的屋頂激光點云面片分割方法[J].測繪通報,2012(11):31-34.HU Wei,LU Xiaoping,LI Cheng,et al.Extended RANSAC algorithm for building roof segmentation from LiDAR data[J].Bulletin of Surveying and Mapping,2012(11):31-34.

    [11]DUDA R O,HART P E.Use of the hough transformation to detect lines and curves in pictures[J].Cacm,1972,15(1):11-15.

    [12]SCHNABELR,WAHL R,KLEIN R.Efficient RANSAC for point cloud shape detection[J].Computer Graphics Forum,2007,26(2):214-226.

    [13]熊風光,霍旺,韓燮,等.三維點云中關(guān)鍵點誤匹配剔除方法[J].光學學報,2018,38(2):128-138.XIONG Fengguang,HUO Wang,HAN Xie,et al.Removal method of mismatching keypoints in 3D point cloud[J].Acta Optica Sinica,2018,38(2):128-138.

    [14]RAGURAM O C,POLLEFEYS M,MATAS J,et al.USAC:A universal framework for random sample consensus[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2013,35(8):2022-2038.

    [15]田朋舉,花向紅,康停軍,等.一種基于點云數(shù)據(jù)的建筑物平面精細分割方法[J].測繪科學,2021,46(2):122-129.TIAN Pengju,HUA Xianghong,KANG Tingjun,et al.Fine segmentation of building planar feature from large scale unorganized point cloud[J].Science of Surveying and Mapping,2021,46(2):122-129.

    [16]HULIK R,SPANEL M,SMRZ P,et al.Continuous plane detection in point-cloud data based on 3D hough transform[J].Journal of Visual Communication & Image Representation,2014,25(1):86-97.

    [17]GRAHAM B.Spatially-sparse convolution neural networks[J].Computer Science,2014,34(6):864-867.

    [18][18]CHARLES R Q,SU H,KAICHUN M,et al.PointNet:Deep learning on point Sets for 3D classification and segmentation[C]//Symposium on Computer Vision and Pattern Recognition (CVPR),July 21-16,2017, Honolulu,HI:IEEE,c2017:77-85.

    [19]QI C R,LI Y,HAO S,et al.PointNet++:Deep hierarchical feature learning on point sets in a metric space[C]//Symposium on 31st Annual Conference on Neural Information Processing Systems(NIPS),December 4-9 2017,Long Beach,California:Neural Information Processing Systems Foundation,c2017:5100-5109.

    [20]YU Y,LI F,ZHENG Y,et al.Clustering-enhanced pointcnn for point cloud classification learning[C]//Symposium on International Joint Conference on Neural Networks(IJCNN),July 14-19,2019,Budapest,Hungary:IEEE,c2019:1-6.

    [21]NURUNNABI A,BELTON D,WEST G.Robust segmentation in laser scanning 3D point cloud data[C]//Symposium on International Conference on Digital Image Computing Techniques & Applications,December 3-5,F(xiàn)remantle,WA:IEEE,c2012:1-8.

    [22]SHI P,YE Q,ZENG L.A Novel indoor structure extraction based on dense point cloud[J].International Journal of Geo-Information,2020,9(11):660.

    [23]薛婧雅,李禮,龔燁,等.一種基于超體素與區(qū)域生長的機載點云屋頂平面分割方法[J].測繪地理信息,2021,46(S1):232-236.XUE Jingya,LI Li,GONG Ye,et al.A method for roof plane segmentation by supervoxel and regional growth[J].Journal of Geomatics,2021,46(S1):232-236.

    [24]王沖,李鍛能,鄧君裕,等.改進法線方向的點云實時分割提取平面方法研究[J].計算機測量與控制,2018,26(5):210-213.WANG Chong,LI Duanneng,DENG Junyu,et al.Real-time point clouds plane segmentation based on improved normal direction[J].Computer Measurement & Control,2018,26(5):210-213.

    [25]FOTSING C,MENADJOU N F,BOBDA C.Iterative closest point for accurate plane detection in unorganized point clouds[J].Automation in Construction,2021,125:103610.

    [26]ZHANG W,ZHOU F,WANG L,et al.Region growing based on 2-D 3-D mutual projections for visible point cloud segmentation[J].IEEE Transactions on Instrumentation and Measurement,2021,70:1-13.

    [27]ZHU X,LIU X,ZHANG Y,et al.Robust 3-D plane segmentation from airborne point clouds based on Quasi-A-Contrario theory[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2021,14:7133-7147.

    [28]WANF X,JI S.Roof plane segmentation from LiDAR point cloud data using region expansion based L0 gradient minimization and graph cut[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2021,14:7133-7147.

    [29]FATEMEH H.Point cloud segmentation and classification of structural elements in multi-planar masonry building facades[J].Automation in Construction,2020,118:103232.

    [30]PARK J,ZHOU Q Y,KOLTUN V.Colored point cloud registration revisited[C]//Symposium on International Conference on Computer Vision,October 22-29,Venice:IEEE,c2017:134-152.

    [31]AWRANGJEB M,F(xiàn)RASER C S.An automatic and threshold-free performance evaluation system for building extraction techniques from airborne LiDAR data[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2014,7(10):184-4198.

    亚洲精品美女久久久久99蜜臀 | 亚洲三级黄色毛片| 成年人午夜在线观看视频| 我的亚洲天堂| 男女高潮啪啪啪动态图| 一本色道久久久久久精品综合| 欧美日韩成人在线一区二区| 大陆偷拍与自拍| 亚洲久久久国产精品| 久久毛片免费看一区二区三区| 亚洲成人一二三区av| 麻豆乱淫一区二区| 国产精品熟女久久久久浪| 校园人妻丝袜中文字幕| 国产精品三级大全| 国产男女内射视频| 亚洲av.av天堂| 中文字幕人妻熟女乱码| 视频在线观看一区二区三区| 精品福利永久在线观看| av.在线天堂| 国产熟女欧美一区二区| 日本黄色日本黄色录像| 中国国产av一级| 欧美亚洲 丝袜 人妻 在线| 欧美精品一区二区大全| 中文字幕人妻丝袜制服| 99精国产麻豆久久婷婷| 亚洲av电影在线进入| 大香蕉久久网| 女人久久www免费人成看片| 免费大片黄手机在线观看| 亚洲国产精品999| 深夜精品福利| 不卡视频在线观看欧美| 黄片小视频在线播放| 蜜桃在线观看..| 成年动漫av网址| 两个人免费观看高清视频| 国产午夜精品一二区理论片| 国产成人午夜福利电影在线观看| 欧美日韩av久久| a 毛片基地| 午夜激情av网站| 亚洲五月色婷婷综合| 侵犯人妻中文字幕一二三四区| 9热在线视频观看99| av国产久精品久网站免费入址| 亚洲情色 制服丝袜| 亚洲国产精品一区三区| 久久影院123| 日本av手机在线免费观看| 日韩成人av中文字幕在线观看| 久久久国产一区二区| 日本猛色少妇xxxxx猛交久久| 亚洲av.av天堂| 日韩一卡2卡3卡4卡2021年| 18禁裸乳无遮挡动漫免费视频| 日韩精品有码人妻一区| 亚洲天堂av无毛| 久久这里只有精品19| 十分钟在线观看高清视频www| 亚洲欧洲国产日韩| 亚洲伊人久久精品综合| 亚洲精品一区蜜桃| 日本爱情动作片www.在线观看| 一本色道久久久久久精品综合| av福利片在线| 人人妻人人澡人人看| av免费观看日本| 两性夫妻黄色片| 国产国语露脸激情在线看| 少妇人妻 视频| 亚洲av.av天堂| 少妇的丰满在线观看| 少妇的丰满在线观看| 午夜久久久在线观看| 欧美精品av麻豆av| av在线播放精品| 一本大道久久a久久精品| a级毛片黄视频| 国产精品99久久99久久久不卡 | 日本av手机在线免费观看| 青青草视频在线视频观看| 国产免费视频播放在线视频| 王馨瑶露胸无遮挡在线观看| 亚洲精品日本国产第一区| 黄网站色视频无遮挡免费观看| 国产成人aa在线观看| 777久久人妻少妇嫩草av网站| av女优亚洲男人天堂| 久久精品夜色国产| 欧美日韩一区二区视频在线观看视频在线| 欧美av亚洲av综合av国产av | 美女国产高潮福利片在线看| 下体分泌物呈黄色| 妹子高潮喷水视频| 午夜精品国产一区二区电影| 久久久国产欧美日韩av| 亚洲视频免费观看视频| 深夜精品福利| 亚洲经典国产精华液单| 国产成人精品久久久久久| 日韩av在线免费看完整版不卡| 中文字幕另类日韩欧美亚洲嫩草| 中文字幕另类日韩欧美亚洲嫩草| 国产精品一区二区在线观看99| 看十八女毛片水多多多| 亚洲欧美一区二区三区黑人 | 亚洲婷婷狠狠爱综合网| 婷婷色综合www| 侵犯人妻中文字幕一二三四区| 亚洲欧美精品综合一区二区三区 | 另类亚洲欧美激情| 在线精品无人区一区二区三| 免费高清在线观看日韩| 午夜福利在线观看免费完整高清在| 亚洲欧美一区二区三区黑人 | 亚洲,一卡二卡三卡| 中文精品一卡2卡3卡4更新| 欧美少妇被猛烈插入视频| 人人妻人人添人人爽欧美一区卜| 欧美精品av麻豆av| 王馨瑶露胸无遮挡在线观看| 亚洲精品国产av成人精品| 丝袜脚勾引网站| 国产精品国产三级国产专区5o| 人妻系列 视频| 亚洲国产欧美日韩在线播放| 新久久久久国产一级毛片| 午夜福利乱码中文字幕| 国产毛片在线视频| 成人免费观看视频高清| 纵有疾风起免费观看全集完整版| 中文字幕人妻丝袜制服| 日本色播在线视频| 亚洲精品,欧美精品| 亚洲av中文av极速乱| 免费播放大片免费观看视频在线观看| 亚洲综合色惰| 一边亲一边摸免费视频| 久久热在线av| 日日爽夜夜爽网站| www日本在线高清视频| 啦啦啦视频在线资源免费观看| 热re99久久精品国产66热6| 满18在线观看网站| 久久韩国三级中文字幕| 国产精品蜜桃在线观看| 99九九在线精品视频| 国产精品久久久久成人av| 国产精品国产三级国产专区5o| 青春草国产在线视频| 男女午夜视频在线观看| 久久狼人影院| 国产一区二区三区综合在线观看| 亚洲精品美女久久av网站| 人体艺术视频欧美日本| a级毛片在线看网站| 日本午夜av视频| 欧美日韩精品成人综合77777| 街头女战士在线观看网站| 99久久中文字幕三级久久日本| 亚洲国产欧美在线一区| 亚洲av电影在线观看一区二区三区| 青青草视频在线视频观看| 最近手机中文字幕大全| 国产亚洲一区二区精品| 久久久久久久大尺度免费视频| 在线亚洲精品国产二区图片欧美| 亚洲精品日本国产第一区| 亚洲欧美中文字幕日韩二区| 国产精品国产三级国产专区5o| 啦啦啦啦在线视频资源| 日日啪夜夜爽| 亚洲第一青青草原| 香蕉丝袜av| 免费在线观看黄色视频的| 多毛熟女@视频| 一二三四中文在线观看免费高清| 热re99久久国产66热| 国产黄色视频一区二区在线观看| 成人二区视频| 国产精品麻豆人妻色哟哟久久| 成年动漫av网址| 国产探花极品一区二区| 欧美xxⅹ黑人| 中文字幕人妻熟女乱码| 夫妻午夜视频| av国产精品久久久久影院| 赤兔流量卡办理| 丝袜美腿诱惑在线| 成人国产麻豆网| 搡老乐熟女国产| 人妻人人澡人人爽人人| 水蜜桃什么品种好| 亚洲国产精品国产精品| 亚洲第一青青草原| 免费女性裸体啪啪无遮挡网站| 国产成人精品无人区| 亚洲天堂av无毛| 亚洲av.av天堂| 久久ye,这里只有精品| 最近中文字幕高清免费大全6| 9色porny在线观看| 精品国产国语对白av| 99热全是精品| 亚洲少妇的诱惑av| 人妻一区二区av| 满18在线观看网站| 一区二区av电影网| av又黄又爽大尺度在线免费看| 丰满迷人的少妇在线观看| 午夜日韩欧美国产| 亚洲五月色婷婷综合| 一个人免费看片子| 免费在线观看完整版高清| 大陆偷拍与自拍| 亚洲精品视频女| 日韩伦理黄色片| 欧美国产精品一级二级三级| 丰满少妇做爰视频| 国产乱来视频区| 天天躁狠狠躁夜夜躁狠狠躁| 男人添女人高潮全过程视频| 欧美激情 高清一区二区三区| 欧美日本中文国产一区发布| 久久免费观看电影| 日日撸夜夜添| 国产成人av激情在线播放| 又黄又粗又硬又大视频| 晚上一个人看的免费电影| 1024香蕉在线观看| 肉色欧美久久久久久久蜜桃| 欧美人与性动交α欧美精品济南到 | 黄片小视频在线播放| 黄频高清免费视频| 69精品国产乱码久久久| 国产亚洲午夜精品一区二区久久| 91在线精品国自产拍蜜月| 国产精品一二三区在线看| 女人高潮潮喷娇喘18禁视频| 人妻一区二区av| 制服丝袜香蕉在线| 最新中文字幕久久久久| 夫妻午夜视频| 亚洲精品国产av成人精品| 丝袜在线中文字幕| 亚洲男人天堂网一区| 免费观看av网站的网址| 美女主播在线视频| 国产人伦9x9x在线观看 | 亚洲久久久国产精品| 国产黄色免费在线视频| 亚洲综合色网址| 最近手机中文字幕大全| 亚洲精品国产av蜜桃| 十八禁网站网址无遮挡| 精品福利永久在线观看| 高清av免费在线| 极品人妻少妇av视频| 777米奇影视久久| 一区二区三区乱码不卡18| 丝袜在线中文字幕| 欧美黄色片欧美黄色片| 久久免费观看电影| 亚洲内射少妇av| av不卡在线播放| 欧美成人午夜免费资源| 久久av网站| 亚洲精品自拍成人| 日韩大片免费观看网站| 色播在线永久视频| 18禁动态无遮挡网站| 欧美黄色片欧美黄色片| 欧美日韩成人在线一区二区| 国产激情久久老熟女| 中文乱码字字幕精品一区二区三区| 久久久精品区二区三区| 日韩电影二区| 狠狠婷婷综合久久久久久88av| 哪个播放器可以免费观看大片| 有码 亚洲区| 下体分泌物呈黄色| 精品一区二区三卡| 国产白丝娇喘喷水9色精品| 91国产中文字幕| 综合色丁香网| 欧美 日韩 精品 国产| 看免费成人av毛片| 国产欧美日韩综合在线一区二区| 成人影院久久| 国产日韩欧美视频二区| 国产不卡av网站在线观看| 亚洲精品视频女| 久久影院123| 久久久久久免费高清国产稀缺| 午夜福利乱码中文字幕| 久久久久久久久久久免费av| 日韩精品有码人妻一区| 午夜福利视频精品| 午夜精品国产一区二区电影| 亚洲精品美女久久av网站| 香蕉国产在线看| 亚洲色图综合在线观看| 天天躁夜夜躁狠狠躁躁| 十八禁网站网址无遮挡| 五月伊人婷婷丁香| 国产爽快片一区二区三区| 国产精品国产av在线观看| 久久免费观看电影| 欧美另类一区| 人妻系列 视频| 深夜精品福利| 免费播放大片免费观看视频在线观看| 亚洲国产精品一区三区| 狂野欧美激情性bbbbbb| 日韩欧美一区视频在线观看| 亚洲精品自拍成人| 免费av中文字幕在线| 丰满饥渴人妻一区二区三| 91精品三级在线观看| 一区在线观看完整版| 久久 成人 亚洲| 99久久人妻综合| 国产精品一区二区在线观看99| 观看av在线不卡| 91精品国产国语对白视频| 亚洲精品国产av蜜桃| 黑丝袜美女国产一区| 在线观看三级黄色| 五月天丁香电影| 成年动漫av网址| 视频在线观看一区二区三区| 欧美日韩视频高清一区二区三区二| 97精品久久久久久久久久精品| 久久久精品免费免费高清| 母亲3免费完整高清在线观看 | 一本大道久久a久久精品| tube8黄色片| 国产女主播在线喷水免费视频网站| 亚洲精品国产一区二区精华液| 国产精品嫩草影院av在线观看| 国产毛片在线视频| 99久久中文字幕三级久久日本| av不卡在线播放| 午夜福利一区二区在线看| 久久99精品国语久久久| 国产一区二区 视频在线| 亚洲精品成人av观看孕妇| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 亚洲国产av新网站| 久久国内精品自在自线图片| 欧美97在线视频| 中文欧美无线码| 美女福利国产在线| 欧美av亚洲av综合av国产av | 人人妻人人爽人人添夜夜欢视频| 欧美亚洲 丝袜 人妻 在线| 国产高清国产精品国产三级| 成人二区视频| 久久久国产精品麻豆| 日韩大片免费观看网站| 老司机亚洲免费影院| 日韩电影二区| 国产欧美日韩综合在线一区二区| 男女边吃奶边做爰视频| 777久久人妻少妇嫩草av网站| 精品人妻在线不人妻| 视频在线观看一区二区三区| 我的亚洲天堂| av在线app专区| 久久久久久久久久久久大奶| 搡老乐熟女国产| 999精品在线视频| 午夜福利在线观看免费完整高清在| av又黄又爽大尺度在线免费看| 亚洲成人手机| 久久国产精品男人的天堂亚洲| 亚洲成色77777| 亚洲成国产人片在线观看| 亚洲精品日本国产第一区| 成年女人在线观看亚洲视频| 青草久久国产| videossex国产| 欧美在线黄色| 国产精品无大码| 亚洲欧美清纯卡通| 精品人妻在线不人妻| 哪个播放器可以免费观看大片| 免费观看无遮挡的男女| 国产亚洲av片在线观看秒播厂| 中文字幕另类日韩欧美亚洲嫩草| 十分钟在线观看高清视频www| 亚洲欧美清纯卡通| 国产又色又爽无遮挡免| 国产熟女午夜一区二区三区| 亚洲国产欧美网| 免费少妇av软件| 日韩av在线免费看完整版不卡| 丰满迷人的少妇在线观看| 国产乱人偷精品视频| 男女免费视频国产| 国产精品欧美亚洲77777| 亚洲精品第二区| 美女高潮到喷水免费观看| 色吧在线观看| 国产精品国产三级国产专区5o| 免费在线观看完整版高清| 国产麻豆69| 免费黄色在线免费观看| 五月开心婷婷网| 午夜久久久在线观看| 亚洲成人一二三区av| 欧美日韩一区二区视频在线观看视频在线| 亚洲av福利一区| 飞空精品影院首页| 人体艺术视频欧美日本| 色哟哟·www| 中文字幕制服av| 欧美xxⅹ黑人| 久久 成人 亚洲| 久久狼人影院| 久久99蜜桃精品久久| 一本久久精品| 欧美黄色片欧美黄色片| 色婷婷av一区二区三区视频| 国产 精品1| 午夜福利在线免费观看网站| www.熟女人妻精品国产| 欧美成人精品欧美一级黄| 精品国产露脸久久av麻豆| 成人国产av品久久久| 日韩视频在线欧美| 如日韩欧美国产精品一区二区三区| 91在线精品国自产拍蜜月| 少妇精品久久久久久久| 2022亚洲国产成人精品| 午夜日韩欧美国产| 亚洲视频免费观看视频| 亚洲国产av影院在线观看| 国产片特级美女逼逼视频| 中文字幕人妻丝袜一区二区 | 在线观看国产h片| 欧美 日韩 精品 国产| 亚洲一码二码三码区别大吗| xxxhd国产人妻xxx| 久热这里只有精品99| 精品国产一区二区久久| 丝袜脚勾引网站| 岛国毛片在线播放| av网站在线播放免费| 国产精品久久久久久精品古装| 久久久久国产网址| 久久久精品国产亚洲av高清涩受| 一本久久精品| 欧美在线黄色| 日韩中字成人| 欧美日韩精品网址| 伦理电影大哥的女人| 自拍欧美九色日韩亚洲蝌蚪91| 秋霞在线观看毛片| 97人妻天天添夜夜摸| 欧美日韩精品网址| 久久女婷五月综合色啪小说| 亚洲国产精品一区三区| 美女午夜性视频免费| 国产欧美日韩综合在线一区二区| 久久午夜福利片| 亚洲精品美女久久av网站| 国产激情久久老熟女| 国产日韩欧美亚洲二区| 大香蕉久久成人网| 午夜激情av网站| 一级毛片黄色毛片免费观看视频| 国产一区二区 视频在线| 97在线人人人人妻| 少妇被粗大猛烈的视频| 亚洲欧美中文字幕日韩二区| 叶爱在线成人免费视频播放| 免费观看性生交大片5| 午夜福利一区二区在线看| 国产精品人妻久久久影院| www.自偷自拍.com| 欧美日韩视频精品一区| 久久久久国产精品人妻一区二区| 亚洲经典国产精华液单| 制服人妻中文乱码| 男女无遮挡免费网站观看| 桃花免费在线播放| 久久人人97超碰香蕉20202| 一区二区三区精品91| 美女国产高潮福利片在线看| 99精国产麻豆久久婷婷| 国产免费视频播放在线视频| 亚洲男人天堂网一区| 欧美另类一区| 免费少妇av软件| 精品久久久久久电影网| 成年av动漫网址| 欧美精品一区二区免费开放| av女优亚洲男人天堂| 免费观看在线日韩| 不卡av一区二区三区| 成人亚洲欧美一区二区av| 在线观看免费高清a一片| 人妻一区二区av| 91久久精品国产一区二区三区| 新久久久久国产一级毛片| av免费观看日本| 妹子高潮喷水视频| 超色免费av| 国产黄色视频一区二区在线观看| 人人妻人人澡人人爽人人夜夜| 伦理电影免费视频| 国产午夜精品一二区理论片| 久久久国产一区二区| 国产亚洲精品第一综合不卡| 日韩精品有码人妻一区| 国产一级毛片在线| 日韩人妻精品一区2区三区| 欧美 亚洲 国产 日韩一| 色网站视频免费| 亚洲国产最新在线播放| 亚洲中文av在线| 午夜免费鲁丝| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产一区亚洲一区在线观看| 99久久人妻综合| 久久久久精品久久久久真实原创| 国产精品久久久久久精品古装| 日韩av在线免费看完整版不卡| 2021少妇久久久久久久久久久| 久久精品人人爽人人爽视色| 人人妻人人添人人爽欧美一区卜| 欧美97在线视频| 国产成人91sexporn| 狠狠精品人妻久久久久久综合| 18在线观看网站| 黄色视频在线播放观看不卡| 男女啪啪激烈高潮av片| 亚洲欧美中文字幕日韩二区| 久久精品国产亚洲av高清一级| 色播在线永久视频| 90打野战视频偷拍视频| 毛片一级片免费看久久久久| 女性生殖器流出的白浆| 一二三四中文在线观看免费高清| 免费在线观看完整版高清| av天堂久久9| 人人妻人人爽人人添夜夜欢视频| 国产精品 欧美亚洲| 日本欧美视频一区| 欧美精品国产亚洲| 免费少妇av软件| 大码成人一级视频| 欧美精品高潮呻吟av久久| 国产精品人妻久久久影院| 在线观看一区二区三区激情| 最近最新中文字幕免费大全7| 丝瓜视频免费看黄片| 成人国产麻豆网| 日韩制服丝袜自拍偷拍| 久久久久精品久久久久真实原创| 欧美成人精品欧美一级黄| 成人黄色视频免费在线看| 热re99久久精品国产66热6| 亚洲天堂av无毛| 午夜精品国产一区二区电影| 少妇被粗大猛烈的视频| 亚洲成人一二三区av| av福利片在线| 伊人久久大香线蕉亚洲五| 少妇人妻久久综合中文| 久久久久久人妻| 精品一区二区三区四区五区乱码 | 免费高清在线观看日韩| 欧美日韩国产mv在线观看视频| 大香蕉久久网| 精品少妇内射三级| 在线天堂最新版资源| 国产片特级美女逼逼视频| 91午夜精品亚洲一区二区三区| 国产精品久久久久久精品电影小说| 中文字幕另类日韩欧美亚洲嫩草| 亚洲欧美一区二区三区久久| 久久人妻熟女aⅴ| 亚洲一区中文字幕在线| 国产精品 国内视频| 一边摸一边做爽爽视频免费| 两性夫妻黄色片| 国产欧美日韩一区二区三区在线| 美女主播在线视频| 男人舔女人的私密视频| 久久久久久伊人网av| 一级爰片在线观看| 亚洲内射少妇av| 热99久久久久精品小说推荐| 国产综合精华液| 久久精品国产亚洲av涩爱| 少妇猛男粗大的猛烈进出视频| 岛国毛片在线播放| 91精品伊人久久大香线蕉| 性高湖久久久久久久久免费观看| 在线观看美女被高潮喷水网站| 久久婷婷青草| 日韩制服骚丝袜av| 免费黄网站久久成人精品| 如日韩欧美国产精品一区二区三区| 精品久久久精品久久久| 深夜精品福利| 国产一区二区 视频在线| 欧美变态另类bdsm刘玥| 色婷婷av一区二区三区视频| 日本欧美国产在线视频|