一种改进的快速最小高差DEM匹配方法

利用最小高差(LZD)法进行DEM匹配时,当待匹配DEM的分辨率比参考DEM高时,确定的同名点中存在冗余,将导致计算冗余和效率降低。为解决上述问题,对LZD法确定同名点的模型进行改化,提出一种改进的基于最小高差原理的快速DEM匹配方法。该方法根据参考DEM的格网点确定同名点以避免冗余,并通过近似确定同名点及其高差,有效简化了计算过程。实验结果表明,该方法在保证较高的收敛速度和匹配精度的基础上,可有效提高计算效率,且计算效率不随待匹配DEM分辨率提高而降低,DEM间分辨率差异越大,方法的优势越明显。     

一种基于共生矩阵的无控制DEM匹配方法

针对非同源数字高程模型(DEM)数据地表差异性大易引起误差、传统DEM匹配方法迭代运算范围小及需设定迭代初值等问题,该文提出一种改进的DEM匹配算法。首先,该方法以最小高差(LZD)法为基础,通过投影转换匹配两种DEM的坐标系,消除DEM间的旋转角;其次,建立共生矩阵,利用纹理特征差异确定基准DEM最小搜索区域;最后,结合相位相关法,将空域高程信息转换为频域信息,检验并寻找匹配偏移矢量,最终实现DEM高精度匹配。实验表明,该方法能够拉大数据匹配范围且不需要设定迭代初值,有效提高了算法的迭代效率和DEM匹配精度。     

LZD模型多维粗差发现和定位能力分析

不借助地面控制点的DEM匹配差异探测算法是多时相DEM分析的最新发展方向。现有的算法大多把DEM表面差异作为粗差进行处理,算法性能得到了较大的提高,但忽略了对DEM匹配模型多维粗差的可发现和可定位能力进行分析,而这是DEM差异探测算法的理论基础。本文采用测量误差和可靠性理论中的判断矩阵法,通过理论分析和模拟试验验证了对于实际DEM而言,LZD模型具备多维粗差发现和定位能力。基于LZD模型的DEM差异探测算法能够正确地探测表面变形,这就完善了DEM差异探测研究的理论基础。     

基于NDT和ICP融合的点云配准方法

针对传统迭代最近点算法高精度低效率与正态分布变换算法高效率低精度的问题,提出了基于NDT与ICP融合的点云配准方法。首先通过NDT算法选择合适的网格参数将待匹配的点云向目标点云拉近以提高配准效率,完成粗配准,其次使用KD树加速的ICP算法求解变换矩阵以提高配准的计算效率。通过实验表明,本文方法匹配速度相比NDT算法和ICP算法有明显提高,且精度高于NDT算法。     

剔除误同名点的约束改进ICP算法

ICP算法及其改进算法可以自动精确地将多视点云拼接在一起,但ICP算法收敛速度较慢,且容易收敛到局部极值。针对有粗略拼接和无粗略拼接的多视点云两种情况,为了提高ICP算法的收敛速度,该文分别提出了点对坐标约束法和自适应阈值法来剔除错误的同名点对。通过实验数据对提出的算法进行了验证,结果显示新算法提高了收敛速度。     

机载LiDAR点云航带平差方法研究

以航带平差作为系统误差消除的关键技术,提出了基于无控制三维表面匹配的方法,并用最小高程差(LZD)和最小法向距离(LND)两种算法加以实现。实验表明,LND和LZD算法的平差结果均可满足工程精度的需求;LZD较LND算法的整体计算效率偏低,但其精度较高;与商业软件TMatch的结果相比,LZD的精度和其相当,且两种方式在TMatch软件平差失败时也能成功地完成航带平差任务。     

改进ICP算法的激光雷达点云配准

针对传统ICP算法在激光雷达目标点云配准中存在匹配时间长,以及受初值影响导致该算法应用在无人车SLAM技术中容易存在定位精度不高和稳健性较差的问题,本文提出了一种结合KD-tree算法的NDT-ICP算法。首先,通过Voxel Grid滤波对激光雷达获取的点云数据进行预处理,利用平面拟合参数的方法去除地面点云;然后,利用NDT算法进行点云粗匹配,缩短目标点云与待匹配点云距离;最后,通过KD-tree邻近搜索法提高对应点查找速度,并通过优化收敛阈值,完成ICP算法的精匹配。试验结果表明,本文提出的改进算法相比于NDT算法和ICP算法,在点云配准速度和精度上有明显提高,且在地图构建上精度和稳健性更好。     

融合遗传算法的最小二乘无控制DEM匹配

为了解决传统无控制DEM最小二乘匹配方法拉入范围小的问题,首先建立了一种基于匹配度之和最大的DEM匹配模型,然后结合DEM匹配的实际需要,对遗传算法的编码方案、初始种群生成、适应度函数、基本遗传操作和迭代终止条件等5个基本方面进行了设计;在此基础上,设计了基于遗传算法和最小二乘匹配相结合的无控制DEM匹配方法流程,最后...     

结合图像信息的快速点云拼接算法

现有三维激光扫描设备通常配有一个同轴相机,它可以对扫描场景进行拍摄。针对带有同轴相机的激光扫描设备,本文提出了一种结合图像信息的快速点云拼接算法。与传统拼接算法同时计算点云间的旋转和平移变换不同,本文对这两种变换分别进行求解。其中,不同扫描点云间的旋转变换是利用视觉几何知识由同轴相机在不同扫描站点下拍摄的图像直接获得,而平移变换是由本文提出的改进ICP算法得到。在改进的ICP算法中,只有平移变换的3个未知量被迭代计算,其输入是去除旋转变换后的点云。试验结果表明利用图像获得的点云旋转变换具有很高的准确性;并且由于本文算法中迭代过程只针对平移变换的3个变量进行计算,因此与需要迭代计算6个变量的传统ICP算法相比,本文算法计算复杂度大幅降低,同时更易收敛于全局最优值且收敛速度有所提高。     

迭代最近点匹配算法的树结构k近邻搜索比较研究

为提高ICP匹配算法中k近邻搜索的存储和计算效率,本文分析总结了几种树结构k近邻搜索算法,利用模拟和实测数据实验对比研究了它们对ICP匹配结果的影响。实验结果表明,几种算法的拉入范围相同,匹配精度差异较小,主要差异在于搜索效率不同。其中,主轴搜索树k近邻算法的存储结构较优,近似搜索策略的计算效率较高,使得基于主轴树近似搜索的匹配效率最高。     

基于特征点匹配及提纯的点云配准算法

针对传统的基于ICP点云配准算法配准时间长、收敛慢、需要较好初始配准等限制,本文利用现有的点云特征提取算法和描述算法,提取并匹配点云中的特征点,用RANSAC算法结合坐标转换模型剔除误匹配点对,用匹配点对在两点云中的坐标计算之间的坐标转换参数,从而实现点云的配准。相比ICP类算法,提高了点云配准的效率,同时提高了点云配准的自动化程度。     

DEM辅助下的倾斜航摄影像匹配方法

在倾斜航空摄影测量中,倾斜影像间由于视角差异较大,具有较大几何变形,而具备仿射尺度不变性的ASIFT算法存在效率较低的问题,提出一种DEM辅助下的倾斜航摄影像匹配方法。该方法通过利用影像的粗略外方位元素和测区的DEM数据,首先对倾斜影像进行仿射变换来减弱几何变形;然后通过SIFT特征匹配算法来获取同名点对,并使用RANSAC剔除误匹配;最后将同名点对根据单应矩阵反算回原影像,以基础矩阵估计法剔除误匹配,获得最终匹配点对。通过对多组数据进行实验,结果表明,该算法的计算效率较高,获得的匹配点对在数量和分布情况上也更为理想。     

利用多时相DEM数据的冰雪覆盖体量变化计算方法研究

提出了利用同一研究区不同时相且无地质灾害发生情况下数字高程模型(DEM)的差异来计算冰雪覆盖体量变化的方法。设计实现了两种DEM主要表达形式(规则格网DEM和TIN)的冰雪覆盖体量变化计算方法,提出基于三维道格拉斯-普克算法的DEM数据综合方法,减少离散点数量,从而提高建立TIN网的速度以及体积变化计算速度。最后以天山乌鲁木齐河流域数据为例对两种计算方法进行了实验验证。     

三维激光扫描技术边坡监测研究

本文介绍了三维激光扫描技术原理,给出边坡监测数据获取与处理的技术流程:首先用基于区域的分割方法对深度图像分割,用标志点匹配法进行点云数据匹配,然后利用滤波方法对点云数据进行简化,最后利用迭代最近点法(ICP算法)进行点云拼接。以某边坡的实际监测数据为例,采用Trimble GX200三维激光扫描仪获取点云数据,RealWork Survey Advanced扫描数据处理软件获得DEM数据。结果表明,采用本文技术可获取边坡的DEM及边坡形态,为边坡变形监测与灾害预报提供基础数据。     

针对复杂道路网络的车辆轨迹地图匹配算法

针对高度城市化地区存在的复杂道路网络环境下,如何高效地进行车辆轨迹数据的地图匹配问题,该文提出了一种针对复杂道路网络的车辆轨迹数据地图匹配算法。该算法以车辆轨迹序列为匹配对象,通过环形轨迹的识别把车辆轨迹序列划分为无环路轨迹段,并用道路拓扑关系来计算轨迹序列的最优匹配路线,实现在复杂道路网络中的车辆轨迹数据地图匹配。为了验证本算法的性能,以上海市道路网络为实验区,以约1.3万辆出租车在2015年4月的轨迹数据为数据源,进行实证研究。实验结果显示,该文提出的地图匹配算法在复杂的道路网络中有较高的匹配成功率和匹配效率。     

一种局部稀疏地面点云与已有DEM的融合方法

机载LiDAR采集的点云数据中会存在一些局部区域地面点稀疏的情况，利用这些稀疏地面点构建DEM时会出现“三角面片化”的问题，严重影响DEM的质量。为此，本文提出了一种局部稀疏地面点云与已有DEM的融合方法：将稀疏点云作为高精度控制点，在尽量保持原始DEM的地形形态特征的前提下，通过高斯核函数加权迭代插值算法对DEM进行高程局部改正，实现稀疏点云与DEM的一致性融合。试验分析表明，融合后的点云数据得到了较好的补充，由此构建的DEM地形形态自然，在精度上相对于融合前的稀疏地面点云有一定改善，在弱精度区域的可靠性有显著提升。     

遥感影像松弛匹配算法研究

松弛匹配算法是遥感影像匹配中应用广泛的算法之一,它是一种并行和迭代的算法,在匹配过程中利用了周边像素的信息,能够有效地避免临近匹配结果不协调、不合理的现象。本文对松弛算法的原理进行阐述,从收敛速度和错误率两个指标出发,针对多种不同的松弛匹配算法进行比较研究,分析其性能及其应用。实验证明,收敛速度并不能作为算法优劣的唯一标准,松弛算法应该更多地利用影像的背景信息来消除局部的不确定性。     

利用特征点采样一致性改进ICP算法点云配准方法

针对传统迭代最近点算法(ICP)对点云初始位置要求高、收敛速度慢和易陷入局部最优的问题,本文提出了一种基于特征点采样一致性算法改进ICP算法的点云配准方法.首先使用体素网格法采样,通过法向量邻域夹角特性提取特征点并建立快速点特征直方图(FPFH)进行特征描述;然后使用采样一致性算法(SAC-IA)粗配准计算出点云的初始坐标变换,进而使点云获得较好的初始位置;最后通过K维树近邻搜索改进ICP算法,完成点云精确配准.实验结果表明,所提出的方法能够提供良好的初始位置,提高传统ICP算法点云的配准精度和收敛速度.     

顾及上下级空间关系相似性的道路网联动匹配方法

现有道路网匹配方法中,大多利用道路自身结点和弧段特征进行匹配,而较少注意道路邻域要素在道路网匹配中的重要定位参考作用,从而影响匹配效率和正确率的进一步提高。针对上述问题,本文提出了一种顾及上下级空间关系相似性的道路网联动匹配方法,即模仿人在读图时通过特征地物和空间关联寻找目标地物的思维过程,将匹配看作是一种特征目标寻找、信息关联传递的推理过程。首先,运用Stroke技术将复杂道路网进行等级划分。其次,通过道路骨架关联关系树构建道路网联动匹配模型。最后,选取高等级骨干道路作为起始特征对象,计算道路间的上下级空间关系相似性,逐级迭代使匹配信息在道路网联动匹配模型中传递,从而得到匹配结果。试验表明,本文算法缩小了待匹配数据的搜索范围,能够有效提高匹配正确率和效率,尤其在数据位移较大、存在非系统性几何位置偏差的情况下优势明显。     

非线性参数估计的自适应松弛正则化算法

非线性方程参数估计存在的弊端在于非线性观测方程存在不适定问题时，以线性化平差估计和高斯牛顿为代表的经典数值算法会产生较强的不稳定特征。因此，针对传统非线性最小二乘求解不稳定且可靠性低的特点，基于稳定泛函极小准则最优化思想，提出了一种自适应松弛正则化数值算法。该算法采用正则化参数几何递增计算方法和残差最小步长准则，实现了正则参数和迭代步长计算的完全自适应，提高了非线性迭代收敛效率。以病态仿真数据和水下实测数据为例，验证了该方法的数值收敛解优于线性平差估计解，收敛效率优于迭代Tikhonov正则化方法。