地铁隧道三维激光扫描数据配准方法

针对传统的迭代最近点算法(ICP)用于多测站点云数据配准时计算效率低的问题,该文提出了一种基于特征点的ICP改进算法,该方法利用相邻两测站数据进行配准的实现。首先采用体素化格网方法对两点云数据集进行精简处理,并计算精简处理后每一点的法向量;然后利用kd-tree最近邻查询搜索特征点之间的对应关系;并通过估计出的最优变换矩阵更新至全局变换,以提高配准精度。实验结果表明,改进的ICP算法在地铁隧道点云数据配准中的效率高于其他的配准方法,为隧道变形监测工作的进行提供保证。     

基于标靶配准的廊道点云数据

三维激光扫描仪在不同测站获取的点云都是在各自的仪器内部坐标系中,为了获得扫描对象的完整的点云,需将各测站扫描的点云要转换到一个统一坐标系中。本文依托大学生创新训练计划项目地面三维激光扫描数据建模方法研究,对学校廊道点云数据进行三维建模,将各测站扫描的标靶进行中心提取,并对多测站点云数据进了行基于标靶的配准。     

基于三维激光扫描的石佛院造像数字化测绘

详细探讨了多测量手段集成的吴山石佛院造像数字化测绘项目的具体作业流程和关键技术,建立了石佛院精细、准确的数字化档案。针对石佛院造像表面特征复杂、数据海量、跨度大、测站多等特点,提出基于闭合导线整体平差分配模型的三维激光扫描数据配准方法,通过序列拼接、坐标转换、整体匹配和数据统一化来实现大场景、多视点和三维点云的全局配准。     

地面LiDAR点云数据先局部后整体配准方法

针对地面LiDAR获取的庞大点云数据,提出无人工标志的地面LiDAR点云先局部后整体的配准方法。分割出待配准的两测站重叠区域小块点云,采用基于KD-Tree遍历最近邻域点集的ICP算法计算三维坐标转换参数,实现地面LiDAR点云数据的快速配准。     

多测站激光点云数据的配准方法

三维激光扫描技术及其获取的点云数据处理技术是当前测绘领域研究的热点.多测站配准是处理点云数据的关键步骤之一,配准的方法将卣接影响到后续的数据处理及三维建模的精度.采用基于特征同名点的粗略配准和基于ICP算法的精确配准方法,结合某建筑物实例研究,获得较为精确的配准后点云数据,证明了此方法的有效性和可行性.     

基于控制测量的多视点云数据配准方法的研究

针对地面三维激光扫描技术中多视点云数据配准的问题,提出了一种基于控制测量的点云数据配准新方法。该方法的基本原理是:首先借助人工标志完成水平角度、竖直角度以及斜距测量工作;然后利用闭合导线或者附合导线测量原理,计算闭合差,通过分配闭合差,获取高精度的控制点坐标数据;最后按照定向法原理完成点云数据配准工作。利用地面三维激光扫描仪Riegl PLM321进行辅助法数据配准实验,通过对比公共点配准结果表明:基于控制测量的数据配准方法是可行的,它不仅可以满足建模工作的需要,而且克服了传统串联式配准方法中误差累积的弊端。     

平面特征约束下的多视点云配准方法

针对由于多视点云的密度不同，将同名特征点作为配准基元的点云配准方法无法找到具有精准对应关系的点对，从而存在配准精度不高的问题，该文提出一种基于同名特征平面的点云配准方法。该方法将坐标原点在同名特征平面上的投影点作为同名特征点，以空间点面关系具有旋转不变性为约束条件，引入对偶四元数描述空间变换参数，基于最小二乘准则构建目标函数，利用Levenberg-Marquardt法解决配准模型的非线性优化问题。最后通过实测数据实验验证算法的正确性与有效性。结果表明：该方法能够实现实际场景中建/构筑物的多视点云配准；采用Levenberg-Marquardt法在迭代过程中可有效避免局部最小陷阱；对偶四元数有效减少了解算空间变换参数中的耦合误差。     

三维激光扫描数据快速配准算法研究

由于激光扫描原理的限制.要获得整个场景的完整全表面数据需多站点设置,由单站点扫描获取场景中的部分数据,最后将全部站点数据配准.通过对三维激光数据自身的数据分布特点和ICP配准算法的研究和改进,设计出了两步配准方法:首先,基于特征点对基础上的SVD粗配准;然后由特征点对确定出重叠区域子集并进而采用ICP算法作点云精配准,最终实现三维激光快速配准.利用一组粮仓扫描数据配准试验验证此方法在大规模场景扫描中的多视点三维激光数据快速配准中的有效性和可靠性.     

多视角三维激光点云全局优化整体配准算法

提出一种已知多视激光点云配准初值进行自动全局优化的整体配准算法,并详细推导了多视激光点云配准全局优化平差模型。本算法对多视角三维激光点云的扫描顺序不作要求,可以处理无序散乱的多视三维激光扫描点云,同时可以获得最小二乘意义下的最优变换参数,实现多视三维激光点云的自动精确配准。利用实际三维激光扫描点云数据进行试验,得到了预期的结果,验证了本文方法的可行性和有效性。     

一种基于 K-D 树优化的 ICP三维点云配准方法

为提高三维点云数据配准精度和速度,提出一种基于K-D树优化的ICP三维点云配准方法,首先采用中心重合法实现点云数据的粗配准,然后利用K-D tree快速搜索最近点对改进传统ICP方法,完成三维点云数据精配准,该方法克服传统ICP算法中由于利用欧式距离来判断最近点所引起的工作量大、耗费时间多的缺陷,提高点云的配准速度。在此基础上利用斯坦福不同密度Bunny点云数据进行实验验证,结果表明在采用中心重合法实现三维点云粗配准的基础上,利用K-D tree优化ICP算法,能够提高点云配准的精度、速度和稳定性。