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。     

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。     

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。     

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。     

大型古建筑精密三维数据采集方法与实践

较之传统手工测量技术,三维激光扫描技术具有高精度、高效、高密度数据获取的优势,是古建筑精密三维数据采集的重要手段。分析了三维激光扫描数据采集的几种不同方法,结合工作经验,对大型古建筑精密三维数据采集的特点进行详细阐述,并对作业流程中的扫描方法选择、扫描站点布设、数据存储与管理等关键问题进行探讨,同时给出一些参考建议。在虎丘塔扫描工程实践中,通过调整仪器架设方法、监测风速影响及运用远程操控设备等多种措施,保证了数据采集的精度。经过点云赋色、点云拼接、点云去噪等内业处理后,获取了塔身完整的点云模型,利用高精度全站仪TM50进行精度检核,结果表明,点云模型的整体精度为±11.2mm。     

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.     

两种高速铁路激光点云的采集拼接方法

研究围绕地面三维激光扫描点云数据的拼接问题,在某段高速铁路设计并实施了标靶拼接和控制点拼接两种不同模式下的点云数据采集和拼接试验,结合点云处理软件对点云数据进行拼接处理,分析了拼接精度和数据采集拼接的整体作业工作量等。结果表明,在相同的扫描条件下,基于控制点拼接的点云数据,精度优于基于标靶拼接的点云数据;在高速铁路等带状工程点云采集拼接中,控制点拼接模式下整体工作效率高于标靶拼接。本次试验所显现的控制点拼接的高精度和高效率等的优势,可为三维激光扫描仪在铁路点云采集和拼接作业提供有利参考。     

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。     

多视点散乱点云配准及压缩改进算法研究

针对多视点散乱点云数据,提出基于控制网的球靶标特征配准办法,并对配准后的原始数据进行基于特征保留的优化压缩,最后得到完整简洁的点云模型。利用扫描仪、全站仪获取球靶标同名点坐标,并计算出每站6个转换参数,将所有数据转换到所需的控制网坐标系下;压缩算法利用点云分块技术提高散乱点邻域的搜索效率,并计算点法矢、曲率,根据精简准则保留特征点,最后以八叉树理论为基础,细化网格直至最小网格达到要求,保留最小网格中具有代表性的一个点,删除其他点,完成数据精简。试验结果表明,配准方法中控制网的采用能够实现坐标系的转换,球靶标的运用能明显提高配准模型的精度和效率,压缩算法实现了点云数据的特征保留。     

融合遗传算法和ICP的地面与车载激光点云配准

车载激光扫描可快速获取大场景点云,由于存在视场限制和遮挡,需地面激光点云作补充。车载与地面点云分别位于大地坐标和局部坐标系统,本文提出结合遗传算法（genetic algorithm,GA）和（iterative closed point,ICP）的自动点云配准方法以统一基准。ICP采用局部优化,效率较高,但依赖初始解;GA为全局优化方法,但效率低。融合策略为当GA配准趋于局部搜索时,采用ICP完成配准。GA配准以地面激光扫描仪内置GPS测量粗略位置限定优化搜索空间。为提高GA配准精度,提出了最大化归一化匹配分数之和（normalized sum of matching scores,NSMS）配准模型。实测数据试验验证了NSMS模型的有效性,GA配准均方根误差（root mean square error,RMSE）为1~5 cm;融合配准比GA配准效率高约50%。