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。     

对偶四元数法在稳健点云配准中的应用

针对点云特征点含有粗差的问题，提出了基于对偶四元数的稳健点云配准方法。遵循加权最小二乘原则构建了基于对偶四元数的稳健点云配准模型，运用拉格朗日乘数法推导了旋转矩阵和平移向量求解公式，研究了新权计算与坐标转换迭代步骤。实例证明，该方法能够有效识别并剔除粗差，提高点云配准精度。     

基于平面特征的地面雷达点云配准算法

针对地面LiDAR点云配准中不同坐标系点云数据存在对应的平面特征不同的问题,文章提出了一种基于总体最小二乘的地面LiDAR点云数据配准算法:通过对分割后的点云数据平面拟合,得到相应法向量;根据不同坐标系中LiDAR点云数据对应的平面法向量,利用反对称矩阵和罗德里格矩阵的性质,用3个独立参数代替3个旋转参数,采用总体最小二乘法建立旋转矩阵解算模型;采用总体最小二乘法确定平移参数的计算公式;最后根据转换后特征点云与对应平面点云的重复情况,给出了配准模型的精度公式。实验结果表明该方法精度较高,可以取得较好的点云配准效果,适合于含有大量重复平面特征的点云数据的配准。     

线状特征约束下基于四元数描述的LiDAR点云配准方法

针对经典的基于同名点状特征匹配的LiDAR点云配准算法存在计算量大,点状特征提取精度低,以及基于七参数转换模型的LiDAR点云配准算法中方程线性化过程对配准精度影响较大的特点,提出了以线状特征作为LiDAR点云配准的基元,利用四元数法来表达旋转矩阵,进而形成线状特征约束下基于四元数描述的LiDAR点云配准方法,给出了线状特征约束下三维相似变换的相似性测度表达方法,推导并论证了以线状特征作为配准基元时同名线状特征需要满足的条件。根据四元数与旋转变换矩阵之间的对应关系,求解了基于四元数法的旋转矩阵,并根据旋转矩阵求解了平移及缩放系数。     

一种低重叠率激光点云的配准方法北大核心CSCD

针对点云数据采集过程中因扫描仪设站数少导致相邻的两片激光点云重叠率低,且难以高精度进行配准的问题,该文提出了一种基于重叠区域的点云配准方法。首先利用加入距离权重的法线夹角及曲率特征将点云分割成块,构建每一点云块的多维特征描述符,通过比较各点云块间的方差分布相似性提取相邻点云的重叠区域,然后将重叠区域的点云带入超四点快速鲁棒匹配(Super4PCS)算法中进行配准,根据一致性约束将最优的刚性变换矩阵应用于原始数据,得到最终的点云配准模型,最后与直接利用Super4PCS算法配准后的效果进行对比分析。实验结果表明,通过增加点云间重叠区域的提取,可以有效提高对低重叠率激光点云的配准精度,从而更有利于点云三维模型构建等后续数据处理。     

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。     

一种改进法向量估算的点云特征提取

针对传统主成分分析点云法向量估算存在精度不高、人工干预等问题,提出了一种改进的主成分分析法向量估算方法,并根据点邻域法向量标准差实现了离散点云特征提取,最后对关键参数K取值进行讨论.通过引入高斯核函数为邻域点集权值计算公式,削弱了距离较远点对采样点法向量精度影响;以信息熵最小化为约束条件自适应选择最佳邻域尺度R,较好的顾及了局部点云空间特征的差异性.实验结果表明:该方法能很好的实现点云特征提取,改进后的点云法向量估算顾及点云邻域复杂程度,具有普适性强、自动化程度高的特点,建议关键参数K取值范围12～20.研究对点云配准、数据精简及模型重构等点云预处理研究具有理论参考价值.     

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。     

直线特征约束下利用Plücker坐标描述的LiDAR点云无初值配准方法

经典的基于点状特征匹配的地面激光雷达（light detection and ranging,LiDAR）点云配准算法实现过程中,点状特征的提取精度对算法运行结果的影响通常较大;基于迭代运算的LiDAR点云配准算法计算量大,对未知参数的初值依赖程度较高,在求解大转角刚体变换参数时算法不稳定。对此,提出了一种线状特征约束下基于Plücker直线坐标描述的LiDAR点云配准算法。立足于经典的向量代数与对偶四元数的相关理论与方法,分析并确定了Plücker直线坐标与对偶四元数之间的相互转换关系以及模型描述方法;以LiDAR点云配准前后同名线状特征的Plücker直线坐标相等为约束条件,构建了线状特征约束下基于Plücker直线坐标描述的刚体变换模型;立足于最小二乘基本准则,通过目标函数的极值化分析实现了线状特征约束下地面LiDAR点云配准参数的直接求解。实验结果表明,所构建的基于Plücker直线坐标描述的地面LiDAR点云配准模型,无需事先确定变换参数的初值,避免了多元函数的线性化过程,解除了参数结果对于迭代初值的依赖,理论上克服了迭代法在求解大转角相似变换参数时的算法不稳定问题。此外,较之单纯基于点状特征匹配的LiDAR点云配准算法,该算法可以有效地增强LiDAR点云配准过程的约束,达到提高配准质量的目的。     

基于局部约束的建筑物屋顶点云平面分割方法

建筑物屋顶面点云分割结果的好坏对建筑物三维模型重建起着重要的作用。针对传统RANSAC算法建筑物屋顶面点云的分割问题,提出了一种基于局部约束的建筑物点云平面分割方法。利用点云局部曲面法向约束构建法向准则,利用半径约束的点云空间聚类的方法对共面屋顶面点云进行分解,从而抑制"伪屋顶面"的产生;利用局部抽样策略降低算法的迭代次数,减少运算量。实验表明该方法能够获得稳定可靠的建筑物屋顶点云分割结果,将有利于后续的建筑物三维模型重建。     

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。     

基于组合罗德里格矩阵的异常特征点探测

特征点是点云配准的基础,针对异常特征点对点云配准精度的影响,本文给出了一种异常特征点探测方法,即根据罗德里格矩阵的性质,对特征点进行向量组合,对比分析不同向量组合的点云配准精度,确定配准误差超限的向量组合,此向量组合中含有而其他向量组合中不合有的特征点,便是异常特征点.通过实例验证了该方法的可行性.     

基于组合罗德里格矩阵的异常特征点探测

特征点是点云配准的基础,针对异常特征点对点云配准精度的影响,本文给出了一种异常特征点探测方法,即根据罗德里格矩阵的性质,对特征点进行向量组合,对比分析不同向量组合的点云配准精度,确定配准误差超限的向量组合,此向量组合中含有而其他向量组合中不含有的特征点,便是异常特征点。通过实例验证了该方法的可行性。     

基于八叉树与KD树索引的点云配准方法

针对点云配准算法中KD树多维查询效率较低的问题,提出一种基于八叉树和KD树多层索引结构的点云配准方法。首先为模型点云数据建立八叉树全局索引,然后在八叉树叶子结点构建局部数据的KD树索引。对传统的ICP点云配准算法进行改进,通过叶子结点的全局索引值快速定位局部点云数据块,利用局部KD树索引加快最近点的搜索,计算最近点时利用欧氏距离阈值、点对距离差值和法向量阈值剔除部分噪声点。实验表明,改进算法提高了点云配准的效率和精度。     

基于点线特征的建筑物点云配准方法

针对建筑物表面具有明显的几何特征这一特点,提出基于点线特征的建筑物点云配准方法。首先基于点云配准基本理论,利用提取的建筑物点特征使用对偶四元数实现建筑物不同测站点云的粗配准,获取初始配准参数以及配准后的建筑物点云数据,然后将粗配准获取的参数作为待求精确参数值的初始值,利用建筑物中的线特征将共线方程作为精配准的数学模型,最后通过平差迭代获取参数的精确值,实现不同测站建筑物点云的高精度配准。实验结果表明,获取的配准后同名特征距离中误差为2.1×10^-3 m,证明了将点线特征相结合可以有效改善建筑物点云配准质量,提高建筑物点云配准的精度,对建筑物三维重建具有重要意义。     

几何刚性和法向量采样一致性的点云配准算法

针对三维激光点云配准中随机采样一致性(RANSAC)算法存在采样次数多、准确度低的缺点,该文提出了一种结合几何刚性和法向量一致性的点云配准算法。该算法通过改进采样策略降低采样次数并提升匹配精度,首先将点云的法向量信息加入采样集,使得每次的采样点从三对减少为两对;接着以两对采样点的刚性和法向量一致性计算置信度来确定当前采样是否置信;最后以迭代运算选取采样内点数最高的样本来估算变换矩阵实现点云精确配准。对激光三维点云进行配准试验,结果表明,本文方法在匹配效率及匹配性能上均优于传统RANSAC算法,且配准精度更高。     

基于几何特征约束的建筑物点云配准算法

针对人工建筑物表面存在的几何特征关系提出了基于几何特征约束的建筑物点云配准算法,根据点云数据中平面与平面重合关系,推导点在平面上和平面法线平行的2种线性不等约束条件。在6独立参数模型中增加几何特征约束的不等约束条件组成了附有约束条件的配准模型。通过对建筑物3维激光扫描点云数据的采集和处理,详细分析了几何特征约束配准算法的处理结果。试验结果分析表明几何特征约束条件可以合理地改善3维空间转换参数解算结果,提出的配准模型较适合于人工建筑物点云数据的配准。     

基于空间一致性的同平台点云配准方法EI北大核心CSCD

基于特征的点云配准技术利用点云局部特征建立对应点,但受噪声和重复结构影响,对应点结果不可避免地包含了大量错误匹配,导致配准精度降低。为充分利用离散点间几何信息优化同平台点云配准精度,本文提出了基于空间一致性的同平台点云配准方法,该方法通过增加候选匹配点构建同平台点云图模型,为获取图模型的最优匹配结果,提出了重加权随机游走匹配(reweight random walks matching,RRWM)的优化方法。基于假设验证方法构建了点云配准模型,并结合试验验证了本文方法的有效性。     

一种基于点云数据的建筑物平面精细分割方法

针对现有大规模点云数据平面特征分割方法中存在的错误识别、效率低、抗噪性差等问题,该文提出一种基于2D霍夫变换和八叉树的建筑物平面精细分割方法。该方法首先,对原始点云进行空间均匀降采样并向X-Y面投影,利用改进的2D霍夫变换算法提取投影后的点云线段,使用选权迭代法精确计算线段所在直线的方程及端点坐标,进一步确定立面的空间几何方程;接下来,建立原始点云数据的八叉树结构,利用端点坐标设计立方体并分割出立方体内的立面点云;最后,将立面点云从原始点云中剔除,对余下点云降采样并向X-Z面投影,重复以上过程分割水平面点云。试验验证了该文方法对建筑物面状特征分割的有效性。     

一种顾及主方向的点云配准施工检测方法

面向建筑物施工的全局偏差检测需求,提出一种顾及主方向的PCA-ICP点云配准施工检测方法。首先将BIM设计模型数据转换为BIM点云数据;然后运用顾及主方向的PCA (主成分分析)粗配准结合ICP (迭代最近点)精配准,即顾及主方向的PCA-ICP配准方法,在无控制点条件下实现三维激光点云与BIM点云配准,并计算配准均方误差E;最后利用M₃C₂算法和均方误差E计算出三维激光点云与BIM点云之间的偏差值和偏差值误差范围,最终统计得到施工偏差结果。以某体育场馆钢结构为例,实验结果表明,该方法较常规偏差检测方法可以得到建筑物实际施工的全局偏差。实验结果可为建筑物施工提供参考。