基于四参数-ICP的点云配准研究

利用三维激光扫描获取目标物点云数据的过程中,为了得到完整的目标物点云,则需要在不同站点对目标物进行扫描,从而需要对不同站点点云数据进行配准,而传统的点云配准都是基于至少三个标靶点的配准,配准效率低且没有考虑区域点云精度不均匀的影响,而基于无标靶的ICP配准算法时间效率比较低。针对此,本文将四参数算法和改进的ICP算法进行结合,在只需要两个标靶的情况下便可快速的完成点云配准,最终通过实例分析验证了该配准方法不仅精度高,且配准效率高。     

基于共面条件的点云配准旋转角参数求解方法

针对目前LiDAR获取的点云数据配准中ICP算法迭代计算效率较低和使用标靶配准时精扫标靶费时费力等问题,提出利用扫描地物所包含的平面特征及点云数据的离散特性,通过拟合平面得到平面的单位法向量进行旋转角的求解.由于点云数据中含有误差,使用拟合平面的法向量不仅避免了对标靶的精细扫描,而且也消弱了点云误差对转换参数的影响.最后通过实例验证了本文方法的可行性与严密性.     

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。     

散乱点云数据精配准的粒子群优化算法

作为点云数据处理的关键步骤,点云数据配准的结果直接影响后续数据处理的精度。基于人工标靶和ICP思想的传统配准方法存在受环境影响、初始条件限制以及特征点提取困难等问题。针对传统地面激光扫描点云数据的高精度配准方法主要依赖人工标靶和特征点选取等局限,提出了一种改进的粒子群优化算法,以法向量叉积代数和最小作为适应度函数,对相邻点云重叠区域内的所有数据进行高效的全局搜索,在选取最佳配准点的基础上实现了散乱点云的精确配准。通过对多站扫描的高陡边坡岩体点云数据进行整体配准,并与ICP等经典算法进行对比实验,结果验证了本方法的可行性、有效性和稳定性,可以有效解决配准过程中标靶或同名特征点不易寻找的问题。     

四元组标靶辅助下的RGB-D室内点云配准

面向室内弱纹理三维重建需求，本文以RGB-D摄影测量技术获取室内点云为基础，提出了四元组标靶辅助的点云配准方法。该方法首先通过阈值筛选大曲率点，自动识别邻接点云中的辅助标靶，然后采用随机采样一致性表达方法，拟合标靶参数及其中心坐标，并根据拟合参数匹配同名标靶中心，通过刚性转换完成邻接点云粗配准。在此基础上，迭代估算邻接点云间的重叠区域，优化点云间的配准参数，从而实现点云精配准。利用Kinect相机获取两类室内场景各12站点云对本文方法进行测试，试验结果表明，配准后的多站点云间距最大均方根误差优于一个采样间隔，证明了该方法在弱纹理室内点云配准中的可靠性。     

简易平面标靶下的三维扫描与数据配准

为实现对物体表面三维信息的自动获取和多方位扫描结果的数据配准,提出了一种基于简易平面标靶的标定方法,并构建了相应的线激光三维扫描系统.首先,设计制作一个含有10个特征点的平面标靶,并利用平面标靶中的特征点对扫描系统进行姿态和位置标定;其次,利用平面标靶中的特征点计算其平面方程及平台平面方程;然后,在扫描时可以利用上述所得的平面方程求出激光平面方程,进而采用几何知识计算得到三维点云数据;最后,根据移动前后标靶图像上特征点信息计算出扫描系统的外部参数——平移旋转矩阵,从而可以实现多方位扫描数据的配准.试验结果表明,在距离45 cm处,几何投影变换求得的平面方程误差小于0.5％,每幅图像处理的时间小于60 ms,误差低于1.15 mm,基本满足三角测量的稳定可靠、精度高、成本低、比较适合现场标定等要求.     

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。     

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。     

基于残差改正模型的三维激光扫描点云坐标转换

通过多个已知点上的转换坐标值与已知坐标值之差(称为坐标转换残差)来建立残差改正模型,对测区内的点云数据施加残差改正,从而提高三维激光扫描点云数据的精度。同时,以Leica Scanstation C10型扫描仪为例,通过实验探讨了点云高程精度与扫描距离及倾角的关系,分析了该仪器扫描时配准标靶至仪器的合理距离,以促进维激光扫描技术在DEM建模中的应用。     

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。     

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。     

基于间接平差的ICP点云配准算法研究

点云配准精度是决定三维重建模型的质量因素之一,目前,最常用是ICP点云配准算法,经典的ICP算法易局部收敛,影响点云配准精度。本文提出基于间接平差的ICP点云配准算法,设定目标点集中目标点坐标与转入目标点集中的点坐标之间的距离阈值实现点云精确配准。通过与经典ICP算法对比可知,本算法在一定程度上提高了点云配准精度和速度。     

融合反射强度图像的地铁隧道点云自动配准

针对地铁隧道点云数据特征点少、在大视角点云数据间配准拼接时出现精度差、效率低等问题，本文以提高配准效率及精度作为出发点，以目前主流的ICP算法为基础，首先将激光点云按中心投影方式生成反射强度图像并以此作为配准源，采用规则格网分割提取匹配，建立均匀分布的同名点；然后利用反射强度图像上的同名点与点云之间的一一对应关系，完成视角点云间的初配准；最后在初次配准的基础上，采用KD树改进算法进行点云数据的精细配准。试验结果表明，本文在实现点云数据自动配准的同时，提高了地铁隧道点云数据的配准效率及精度。     

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。     

最邻近曲面约束的近景光学影像与地面激光点云几何配准

提出一种以最邻近曲面为约束的近景光学影像与地面激光点云高精度配准方法。根据光学影像生成三维稀疏点云,以影像三维稀疏点邻近的激光点拟合的曲面为约束,结合共线条件方程建立影像三维稀疏点云与三维激光点云间变换模型,通过平差迭代解算实现光学影像与激光点云的高精度几何配准。该方法只需提供初始配准参数,无需对激光点云数据进行特征提取和分割,并且基于曲面约束有效地解决了两个点集之间难以精确确定同名点的问题。通过实际数据试验表明该方法能获得很好的配准精度。     

建筑内噪声点云去除的扫描光线截断法

建筑内部噪声点云由于不同风格的家具及遮挡问题,分布规律比较复杂且通常与建筑立面粘连,难以通过交互的方式去除。针对这一问题,本文提出了一种建筑内噪声去除的扫描光线截断法。该方法首先分割建筑面片;然后将扫描中心点与点云组成的扫描光线与建筑立面求交;最后通过比较扫描光线的长度和扫描中心点与交点的距离,利用建筑立面截断扫描光线,从而在保持原始采样间隔的情况下自动去除建筑内部噪声点云。试验结果表明,该方法能较好地去除建筑内部的噪声点。     

基于二维图像特征的点云配准方法

为了提高低覆盖率点云的配准精度和收敛速度,提出了一种基于二维图像特征的点云配准方法。首先采用基于区域层次的点云配准算法实现粗配准;然后将三维点云转换成二维图像,再采用SURF算法提取二维图像的特征,并求解其匹配像素点对;最后根据二维匹配点获取相应的三维点云相关点,并计算刚体变换,由此实现点云的快速精确配准。试验结果表明,与迭代最近点（ICP）算法相比,该点云配准方法的配准精度和耗时分别提高了约20%和60%,是一种快速、高精度的点云配准算法。     

地面激光点云与航空影像相结合的滑坡监测

面向云南某水电站滑坡监测的实际需求，提出了将地面激光点云数据和航空影像相结合的滑坡监测方法。首先，通过数据配准，实现地面激光点云数据和航空影像数据的融合统一；然后，通过数据去噪与地表模型重建建立监测的数据基准；最后，通过基于地表模型的整体变形分析和基于剖面的采样分析，对滑坡区域的变形规律进行研究。通过对已经获取的5期监测数据的分析表明，本文提出的监测方法具有较高的监测精度和很好的适用性。     

基于Plücker直线的LiDAR点云配准法

高精度的LiDAR点云配准是实现点云数据整体性和保证空间目标三维表面拓扑重建的关键,本文提出了基于Plücker直线的LiDAR点云配准模型,利用Plücker直线表示LiDAR待配准点云与基准点云间的同名直线,根据同名Plücker直线重合的几何拓扑关系,建立Plücker直线共线条件方程,再用最小二乘法确定待配准LiDAR点云与基准点云间的相对位姿参数。结果表明,Plücker直线共线条件配准模型几何约束性较强,配准精度较高。