自由设站法在点云拼接中的应用

为方便三维点云数据的统一管理和工程应用,需要为其提供统一的坐标基准。在数据采集阶段,对于在控制点可通视的测区内,可利用后视定向的方法完成点云扫描测量工作。针对控制点无法通视的测区,本文提出基于全站仪三维自由设站控制测量的方法,建立间接设站点平差模型并进行平差,进而解算标靶点坐标,利用标靶将扫描点转换到绝对坐标系中。试验结果表明:标靶坐标的测量精度和点云拼接的精度符合要求。在测区观测条件不好的情况下,自由设站法的应用为点云拼接提供了一种可行的方法。     

地面三维激光扫描点云拼接影响因素分析

在地面三维激光扫描仪进行三维建模过程中,需要对不同测站的点云进行拼接。为了提高不同测站点云拼接精度,本文开展了球形标靶表面扫描点数量、标靶的分布和数量及扫描距离4个因素对三维激光扫描仪不同测站下点云拼接精度的影响研究。采用法如（FOCUS）三维激光扫描仪开展了不同扫描分辨率、不同标靶数量、不同标靶分布和不同距离下的点云拼接试验,并采用SENCE软件对点云进行了拼接精度分析。试验结果表明,选择两测站的标靶表面的扫描点数量大致相等,并将4个标靶作为连接点,且放置在不同高度不规则排列时,点云拼接的精度最优。     

复杂带状地形条件下的地面三维激光扫描点云数据采集与配准处理试验

对于多站点架设获取的地面三维扫描点云数据进行空间坐标体系的统一配准处理,是实现地表三维模型构建数据预处理的关键技术。研究围绕地面三维扫描点云数据的配准精度问题,结合试验仪器在数据采集扫描设置中的不同模式,分别设计实施了基于一定扫描重叠度的独立站点采集匹配模式,基于站点GPS坐标控制的采集匹配模式,以及基于全站仪实测站点坐标的后视法采集匹配模式等3种试验方案,开展了针对不同扫描方案下所获取点云数据的配准处理方法解析与精度对比分析。不同方案应用于具有条带状试验测区的点云数据采集与数据配准处理结果表明,相对于独立站点数据采集匹配模式,后两种数据采集模式,即采用基于仪器GPS站点坐标的扫描匹配方案和基于全站仪站点坐标的后视法方案,由于克服了与全局坐标系转换困难和对标靶的依赖等问题,而具有较高的数据采集与匹配效率,表现出明显的优势。研究试验成果可为同类型仪器的地面三维激光扫描系统的外业数据采集和点云配准提供参考指导作用。     

Cyclone在数字校园三维激光点云数据预处理中的应用

为了高效获取精确的数字校园地形图的测量数据,通过Leica ScanStation P40对校园进行三维激光点云数据采集,并结合Cyclone中的去噪模型对点云数据进行去噪,利用“六自由度”方法和ID号对标靶进行拟合,在一定约束条件下完成点云数据的坐标匹配、拼接以及优化,得到统一坐标系下的点云数据。结果表明:优化后的点云数据精度可达到6 mm。可见处理后的点云数据能够满足数字校园地形图的高精度要求。     

三维激光扫描技术点云数据采集与配准研究

点云数据采集与配准的精度决定了建筑物三维建模的精度。围绕建筑物点云数据采集与配准的精度问题,分别采用基于标靶的模式、基于形状匹配的模式和基于测站后视的模式进行建筑物表面点云数据的采集与配准处理,并从配准精度、特征点、特征边3个方面进行了对比分析。结果表明,基于形状匹配的模式的精度较低,其他两种模式克服了"同名点"的问题,在配准精度上有明显优势;而在数据采集与配准整体效率方面,基于测站后视的模式优于其他两种模式。     

地面三维激光扫描数据拼接方法评估

点云数据拼接方法直接关系到地面三维激光扫描仪的测量精度和效率,通过实验对5种拼接方法的精度进行评估.结果表明,50 m测量距离内,5种点云数据拼接方法的精度分别为1.33 mm、8.88 mm、2.71 mm、4.29 mm和6.07 m m,其中标靶拼接的精度最高.综合评估拼接方法的精度、效率,为实际工程提供参考方案.     

徕卡RTC360三维激光扫描仪在建筑立面改造中的应用

徕卡RTC360极速三维激光扫描仪作为徕卡一款新型设备，不仅操作简单、扫描速度快，可在尽可能短的时间内完成海量丰富点云和高清影像的采集，数据全面，细节丰富，极大地提高了外业的工作效率；而且非常智能。本文采用VIS视觉追踪技术，通过对扫描仪位置进行跟踪定位，在采集过程中进行点云的实时拼接，无需标靶、公共点和人工干预；现场实时查看点云预拼接，极大减少了内业工作量；后期搭配Cyclone Register360智能拼接软件，点云无需人工干预，可实现自动智能拼接处理，以及外业采集及内业数据处理的简单高效。     

多站激光点云数据全自动高精度拼接方法研究

针对目前多站点云数据拼接存在的效率低和自动化程度低等问题,提出了基于地面激光点云强度信息的2D-3D点云数据高精度全自动拼接方法。首先,将强度信息通过三次样条插值算法生成二维影像,采用基于图形处理器(GPU)的加速尺度不变特征变换(SIFT)算子匹配得到二维同名特征点,剔除粗差;然后,反算得到特征点在三维点云中的坐标,并通过三维空间法向量对三维同名特征点进行精炼。利用精炼的三维特征点进行多站点云数据拼接,可提高多站点云海量数据拼接的精度和效率。     

增广扩展卡尔曼滤波的全局拼接方法研究

针对点云拼接中双站数据的拼接必然会产生拼接误差的传递,最终导致整体拼接效果不佳的问题,该文讨论了基于增广扩展卡尔曼滤波的全局拼接,通过构造系统增广模型和系统观测模型,构建转换矩阵来对数据进行全局拼接:应用增广的卡尔曼滤波原理对各站点的位置姿态进行递归地估计,以同名点偏差为依据进行估计和校正,更新位置姿态,实现数据的全局拼接。最后采用上海地铁隧道三维点云数据进行基于增广扩展卡尔曼滤波的全局拼接实验。结果表明,此方法能够提高拼接精度,降低拼接误差。     

融合语义特征与GPS位置的地面激光点云拼接方法

拼接是地面激光点云数据处理的必要步骤,但基于同名点的点云拼接方式已成为阻碍点云处理效率提升的长期瓶颈,而直接匹配点云识别同名特征的方法亦对点云重叠区域具有较高的要求。本文提出一种融合语义特征与GPS位置的地面激光点云拼接方法,通过语义知识自动识别出原始三维点云中所包含的地面特征与建筑物立面特征,并使用这两种面状特征结合点云测站中心的GPS位置作为同名标靶进行点云初始拼接,随后使用点到面最小距离约束下的ICP进行点云精确拼接。实验表明,本方法可以有效提高地面激光点云拼接的整体效率,尤其对于包含平面结构（如马路、建筑物）的场景具有良好的拼接效果。