一种由粗到精的地面激光点云多层级配准方法

提出了一种综合利用快速点特征直方图(FPFH)描述符和同名点引导ICP优化的地面激光扫描(TLS)点云配准方法。该方法包括3个步骤:1)点云金字塔构建;2)基于FPFH的粗配准;3)同名点引导的ICP精配准。首先使用体素网格滤波器构造点云的金字塔结构,在粗配准时,FPFH描述符用于金字塔顶层上点云的鲁棒匹配,在此基础上,再进行两层级同名点引导的ICP精配准优化,使用3组典型TLS点云对进行实验,结果表明本文方法可以高效地完成TLS点云的配准。     

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.     

激光点云粗配准方法实验对比与分析

点云粗配准要为点云精细配准提供良好的初始参数,其精度和效率是当今研究的热点问题.本文基于四组不同的激光点云数据,实现并对比分析了超级四点全等集算法(Super 4 Points Congruent Sets,Super4PCS)、四点全等集算法(4 Points Congruent Sets,4PCS)和基于软件Geomagic Studi0 12的粗配准方法.实验结果表明,Super4PCS算法对于重叠率高,噪声大且特征明显的点云数据能够较好地配准;4PCS算法不适用于重叠率低的点云数据配准;软件Geomagic Studi0 12适用于各种特点的点云模型,但该方法配准精度受人为因素的影响,配准效率低.     

平面特征的多站地面激光雷达点云配准

为了进一步研究建筑物密集区域多站地面激光雷达(LiDAR)点云数据的配准问题,该文提出一种基于平面特征的地面LiDAR数据配准方法:对点云数据进行分割获取平面信息;人工选择典型的平面,对相应的点云数据进行平面拟合,得到相应法向量;利用罗德里格矩阵的性质,建立三维激光扫描数据配准模型。实验结果表明,该方法的配准精度较高、计算速度快,可以取得较好的点云配准效果。     

基于可移动角点的航空和地面LiDAR数据配准

针对航空和地面LiDAR数据配准中点云数据的共轭特征较少且精度差异较大的问题,提出了一种基于可移动角点的航空和地面LiDAR数据配准方法:从航空和地面LiDAR数据中分别提取相应的建筑物角点,采用6参数模型对角点进行初始配准;以地面角点为参照,利用迭代移动方法对误差较大的航空角点进行修正;最后根据移动后的航空和地面角点计算获得点云配准关系。实验结果表明,该文方法可取得较好的点云配准效果,角点修正后能有效提升点云配准精度,适合于含有角点特征的航空和地面LiDAR数据配准。     

基于特征点提取和匹配的点云配准算法

针对ICP算法配准需要两点云有较好的初始位置否则无法获取准确匹配结果的问题,提出一种新的粗配准算法。调整两片部分重叠点云的初始位置;在求取一点处法向量的基础上,利用点云曲率信息,提取特征点,获取两点云每一特征点处的属性向量;通过相似度函数评价,寻找匹配特征点对进行粗配准。试验表明,该基于特征点提取和匹配的方法可为ICP算法提供良好的点云初始位置,并提高配准精度和可靠性。     

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。     

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。     

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。     

基于TLS的盾构隧道收敛测量研究

盾构隧道施工完成后的收敛测量是一项十分重要的工作。文中以某在建盾构隧道为研究对象,研究采用地面三维激光扫描技术(Terrestrial laser scanning,TLS)进行收敛测量的方法与步骤。应用TLS获取隧道管片表面的点云数据,对点云数据进行配准、消噪、建模等处理;采用Ransac算法和最小二乘算法提取隧道点云数据的中轴线;根据点到平面的距离获取断面点,应用椭圆方程以及最小二乘的方法对断面点进行拟合;最后,利用直线与椭圆交点获取不同方向上的隧道半径,完成收敛测量。研究结果表明,应用TLS技术可以快速、准确、详尽地获取盾构隧道的收敛情况。