基于欧氏距离测度的激光点云配准

针对激光扫描测量系统得到的多视角点云数据,提出用离散对应特征和迭代最近点(ICP)算法相结合的方法,对点云模型多视配准技术进行了研究。首先给出单位四元数和旋转矩阵的关系以及线性最小二乘法原理;然后利用基于离散对应特征的方法求出刚体变换的一个初值,并用迭代最近点(ICP)算法精确估计刚体变换参数;最后用工件36副真实点云模型的配准结果证明此方法的有效性。     

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.     

结合八叉树和最近点迭代算法的点云配准

针对最近点迭代算法的局限性造成的点云配准效率低下问题,该文对最近点迭代算法在点云配准中的应用进行了研究,并针对算法的局限性进行了改进。先利用八叉树结构求得点云数据的重叠区域,然后在重叠区域利用最近点迭代算法对点云数据进行精确配准,提出了基于八叉树结构建立点云重叠区域的最近点迭代配准方法(该文简称OTOAICP)。通过实例数据对该方法进行验证,结果表明:OTOAICP方法能够提高配准精度,缩短配准时间。     

ICP算法及其在建筑物扫描点云数据配准中的应用

ICP算法是三维激光扫描数据处理中点云数据配准的一种高水平的数学方法。本文全面地回顾了ICP算法的研究背景,并重点阐述了迭代最近点法ICP的计算过程及其主要的改进算法;通过建筑物三维激光扫描数据的采集,对基于ICP算法的点云数据配准过程进行了详细地分析。实验分析表明三维激光扫描数据配准后的点云数据质量较大程度上依赖于专业技术人员的数据处理经验和专业知识。     

一种改进的点云数据配准方法

针对利用最近点迭代（ICP）算法进行点云数据配准时费时较多的问题,提出结合Butterworth高通滤波器和Sobel边缘检测算子首先对点云数据进行预处理,然后再用ICP算法进行点云配准,有效解决这一问题,加快配准速度,并在Matlab中编程实现该方法,具体实验结果证明该方法的有效性。     

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。     

一种基于特征点的地面激光点云全局配准方法

针对当前地面激光扫描(TLS)点云配准自动化程度低且耗时的问题,本文提出一种基于特征点和改进FGR(fast global registration)算法的TLS点云全局配准方法。该方法一共分为三步:首先对点云进行粗差剔除和降采样;然后提取Do G(Difference-of-Gaussian)特征点和进行FPFH(fast point feature histogram)描述,进而进行双向一致性匹配;最后使用FGR算法进行优化获得点云之间初始参数,结合标准ICP算法实现TLS点云的高精度配准。利用7站地面激光点云数据进行实验,结果表明本方法可以在保证配准精度的前提下获得较高的配准效率。     

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。     

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。     

三维激光扫描技术在地质灾害动态监测中的应用

近年来,随着科技的不断发展,三维激光扫描技术已被成功应用于测绘领域。本文针对三维激光扫描技术无须接触测量、能高效获取数据、精度可靠等特点,结合应用实践,对该技术在地质灾害动态监测中的应用情况进行了探讨。     

地理信息获取与处理技术的发展与应用

从分析外业数据采集、内业数据处理、测绘产品的发展入手，讨论了地理信息获取与处理技术的进步及带来的变化。     

狄洛尼三角网构建的目标点快速定位

针对在狄洛尼三角网构建中现有的目标点定位方法存在算法不够稳定、定位路径不惟一等问题,该文在重心方向定位算法的基础上研究建立一种沿搜索方向移动重心的快速定位方法:当发生目标点与当前重心连线经过三角形顶点或者与某三角形边重合等特殊情况时,利用三角形间的拓扑关系得到下一搜索三角形,以此三角形的重心代替前一重心与目标点构成新的搜索方向,继续搜索,从而解决切点问题;同时采用混合积判定公式确定两条线段的相交关系。仿真实验证明改进方法的定位路径惟一,而且可以大大提高构网效率,算法更稳健。     

Cass 5.1软件下的数字化内业纠错

阐述了数字化内业制图中,对外业测站错设而引起的大量碎部点测偏的内业纠正,重点探讨了错误产生后的平面和高程数据的纠错处理,有针对性地做出了说明。     

改进的分层点云数据压缩算法

针对传统点云压缩算法主要对小型物件的小数据量精细点云进行压缩,在大型地物的海量数据压缩方面存在压缩时间长、效率低的不足,提出了一种改进的分层点云数据压缩算法。基于大型地物点云空间结构特点将分层压缩算法的速度优势和距离压缩算法的高效优势相结合,解决了传统压缩算法在大型地物点云压缩方面的不足,实现了海量点云的快速高效压缩。西安市大雁塔三维激光点云压缩实验结果表明:该算法可以快速地完成海量点云的压缩,较之传统压缩算法极大地缩短了压缩时间,提高压缩效率。     

面阵数码航摄像控测量布设的思考

对在像控测量布设中遇到的2个问题进行了阐述,得出航线网精度估算式仍然适用,但数码航摄仪的像控点数量应多于光学航摄仪的结论。另外,在满足一定的条件下可进行跨航线布点,像控点的选点目标需要顾及成图精度要求,不能照搬现有规范要求。     

GPS网平面基准点的可靠性分析

通过具体实例，对GPS网约束平差结果进行了分析、比较，并提出了GPS网平面基准点的可靠性检验方法，得出了作为起算数据的基准点及其点位误差对GPS网约束平差精度的影响规律。     

基于密集匹配点云的DEM生产可行性研究

无人机倾斜摄影直接生产的成果通常包括三维模型、TDOM、DSM等,然而规划设计通常不能直接利用倾斜数据输出的DEM,需要辅以人工编辑。作为倾斜摄影影像处理的过程成果,密集匹配点云未得到充分利用。其与激光雷达点云具备相似的结构,且点云密度可自由选择,在不考虑数据量的情况下,密集匹配点云的点密度可数倍于激光雷达点云。此外,密集匹配点云无需单独赋色,即具有纹理信息, 对人工目视编辑自动分类后的地面点具有一定的辅助作用。本文对比分析了同一测区的密集匹配点云与激光雷达点云,验证了密集匹配点云用于房屋建筑区及稀疏林区地面点滤波并生产DEM的可行性。     

大范围地理空间信息点对点坐标转换设计与实现

介绍了大范围地理空间信息点对点坐标转换的思路,重点论述了该技术的关键,即在充分记录多点定位图形的原始构成信息后,将其分解为离散点,以点方式进行坐标转换,最后根据图形的原始信息来恢复图形。     

RTK技术在高程测量中要点控制

通过两种不同方法的比测,结合实际工作情况,探讨RTK技术应用在高程测量中,特别是在点校正中应该注意的一些问题,并且提出了一些合理化的建议。