在机载激光雷达扫描过程中,建筑物背面的地面边缘线常常被遮挡,无法获取精确的建筑物背面边缘点信息,在利用获得的激光点云进行三维重建时,使得创建数字表面模型(DSM)的精度较低。为消除背面边缘点缺失造成的DSM精度降低,提出了一种建筑物地面缺失边缘线的自动提取算法;通过提取建筑物侧面和地面局部点云的拟合趋势面,计算两相邻局部趋势面的交线,并补充缺失部分的边缘点数据;最后采用补充了边缘点的建筑物激光点云重建了建筑物的DSM,并对边缘点补充前后的DSM精度进行了对比仿真实验。仿真结果表明,通过提取和补充建筑物的边缘点可有效提高建筑物重建DSM的高程精度。

该算法是在配置PCL环境下运行即可，具体alpha shapes提边缘点（轮廓点）的原理可以参考博客，每个函数的功能有详细介绍https://blog.csdn.net/qq_32867925/article/details/124543879?spm=1001.2014.3001.5502

智能化技术之物联网大数据人工智能与云边缘计算

提出一种通过种子边缘点提取闭合点云边缘的算法，通过搜索视角控制边缘点云搜索方向，可提取尖锐边缘与相交边缘。算法通过模拟点与点之间拉力的聚集程度来判断一个点是否具有边缘点的特征。首先构建kd-tree以便快速查找点云数据。其次定义点云的邻域半径，通过计算种子点邻域内点的边缘系数来选择新的种子边缘点，并通过搜索视角来控制点云搜索的方向，最终提取闭合的点云边缘。选择不同的种子点与搜索视角可提取不同的边缘。通过实验分析邻域半径和搜索视角对算法边缘提取效果的影响，并采用合适的半径与搜索视角，对尖锐边缘与相交边缘进行点云提取，获得了准确的点云边缘，从而证明了该算法的有效性。

对不具有拓扑结构的散乱点云数据，首先采用基于KD-tree的改进算法进行邻域点集的提取。然后用最小二乘法对提取出的邻域点集进行平面拟合，把邻域点集里的点投影到拟合平面上使其投影点具有拓扑结构，并得到投影点坐标数据。再对拟合平面上的投影点进行向量构建，找出两相邻向量之间的夹角。最后根据夹角的大小来确定边缘点，完成散乱点云数据的边缘快速提取。

企业客户的需求升级 创新往往从边缘开始 企业上云后带来的变化 传统企业网关/CPE遇到的瓶颈 uCPE/vCPE技术以及边缘DC建设为边缘注智创造了条件 上云+应用+注智---用互联网思维运营中小企业网络 面向冷链物流的边缘计算与物云融合 工业物联网边缘计算 联合主导边缘数据中心系列测试标准的制定 开源技术的探索与实践

华为云边缘计算IoT云服务应用实践》.pdf

贝尔实验室出品，全英文读本，探讨网络的未来，分析网络技术发展和变革，并围绕未来网络的发展进行了深入的讲解。

「混合云一体机」提供软硬件一体化解决方案，适合行业典型边缘应用场景，通过预安装、预集成、支持深度调优和远程运维，有效提升系统可用性和运维效率，使企业轻松实现应用智能化和云边协同，助力企业在边缘计算时代业务快速创新，降本增效。

基于坡度和聚类的算法，提取lidar点云的地物边缘线。最终得到地物的轮廓