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。     

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。     

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。     

点云的刚体运动参数估计方法的比较

点云配准是使不同视角下的点云数据实现正确拼接,解算三维空间刚体平移和旋转参数是点云配准中的核心问题。文中针对刚体运动参数求解问题,分析现有的奇异值分解法(SVD)、正交分解法(OD)、单位四元数法(UQD)、对偶四元数法(DQD)4种不同的估计方法,通过模拟实验及实例展开分析,探讨各自的优缺点及适用性,结合实例结果表明,对偶四元数求解刚体运动参数的总体性能最优,在实际应用中可以优先使用对偶四元数进行刚体变换参数求解。     

利用单位对偶四元数进行航空影像区域网平差解算

将对偶四元数应用于摄影测量中,提出了一种基于单位对偶四元数的航空影像区域网平差解算方法。相比于常规的平差方法和四元数方法,该算法的最大特点是将影像的摄站位置和姿态以一个单位对偶四元数整体表示,从而构建基于对偶四元数的区域网平差模型,并采用具有约束条件的参数平差进行解算。利用两个地区不同比例尺的实际航空影像数据进行实验,结果表明,该算法的平差精度与常规的区域网平差方法相当,对影像比例尺及控制点的数量与分布的需求也与常规的平差方法基本相同,为对当前轻小平台获取航空影像进行摄影测量处理提供了一条新的技术思路。     

对偶四元数用于航天线阵遥感影像光束法平差解算

利用对偶四元数可以同时描述位置与姿态的特性,在简化四元数球面线性插值算法的基础上,建立了基于对偶四元数的航天线阵遥感影像的外方位元素模型,且利用该模型设计并实现了光束法平差解算方法。该方法可使用具有约束条件的参数平差法进行迭代求解。利用两个地区的SPOT-5 HRS立体影像进行了对比试验分析,结果表明,提出的基于对偶四元数的光束法平差算法正确可靠,相比于基于欧拉角的平差算法和基于单位四元数的平差算法,有更高的平差计算精度。     

对偶四元数近景影像空中三角测量法

提出了一种对偶四元数近景影像空中三角测量方法,利用对偶四元数统一表示光线束在空间中的螺旋运动,近景区域网内所有光线束的角元素用对偶四元数的实部表示,所有线元素以对偶四元数的实部和对偶部分共同表示,最终建立对偶四元数空中三角测量平差模型,实现内、外方位元素和模型点物方坐标的解算。选用真实影像和大姿态角模拟影像开展了空中三角测量试验,试验结果证明对偶四元数近景影像空中三角测量方法能获得较高的精度。     

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GPS辅助光束法区域网平差

针对GPS辅助光束法区域网平差中线元素和角元素分而治之引起转动和平移的耦合误差问题,该文提出了一种基于对偶四元数的GPS辅助光束法区域网平差方法。利用对偶四元数统一描述像空间坐标系与WGS84坐标系之间的旋转和平移关系,建立对偶四元数GPS辅助光束法区域网平差模型,实现了区域网影像外方位元素以及待定点WGS84坐标的平差解算。实验结果表明,本算法具有对迭代初值无依赖性、迭代次数少和精度高的优点,为姿态稳定较差的轻小无人机影像的GPS辅助光束法区域网平差提供了一种新的思路。     

基于配准残差分布函数点对定权的ICP算法研究

针对传统ICP配准算法无法抵抗常规粗差点对配准精度的影响问题,研究了基于配准残差分布函数点对定权的改进ICP配准算法,推导了基于配准残差分布函数的点对残差权重值计算公式,在此基础上采用幂法解算单位四元数,最终在速度和精度2个方面完成对原始ICP配准算法的优化。采用C~(++)编程语言将改进的ICP点云配准算法程序化,利用Rigel LMS-Z420i三维激光扫描仪对某雕像进行扫描,通过自编程序对含有常规粗差点的点云数据进行配准实验,将基于点对权重的改进ICP算法与标准ICP算法进行比较,结果表明基于点对权重的改进ICP算法能够有效处理配准数据中存在粗差点的情况,是一种比较精确的抗差配准算法,可对现存配准算法进行有效补充。     

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。     

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。     

一种基于最小广义方差估计的TLS点云抗差法向量求解方法

针对地面激光扫描点云中的粗差与不均匀采样对法向量计算的影响,基于最小广义方差估计与局部平面拟合原理提出了一种抗差法向量求解方法。首先通过快速近似最近邻居搜索算法得到最近k邻居点集,然后由确定型最小广义方差估计方法和多元马氏距离得到邻居点集协方差矩阵的抗差估计,最后根据主成分分析法（principal component analysis,PCA）计算得到抗差法向量。通过构造的模拟地面激光扫描（terrestrial laser scanning,TLS）点云数据将提出的方法分别与基于PCA、鲁棒PCA和随机抽样一致的法向量求解方法进行实验比较。结果表明,所提方法的抗差性能优异,且并行优化改进后可以满足大规模TLS点云的计算需求。将该方法应用于实际野外地形TLS点云数据,由求解的抗差法向量重建的泊松表面更符合实际地形,表明了该方法在实际应用中的有效性。     

基于稳健移动最小二乘法的点云数据拟合

针对存在噪声的点云数据,采用常规方法拟合效果精度不高的问题,提出了一种有效改善拟合精度的方法。在移动最小二乘的基础上,考虑观测量存在噪声的情况,通过设定阈值剔除噪声,从而得到精度较高的结果。通过相关实验可知:本文方法可有效剔除点云数据中的噪声,提高拟合结果的精度,稳定性更好。     

基于特征点法向量的点云配准算法

在传统的迭代最近点算法（ICP）中，需要两片点云具有良好的初始位置，否则在配准时容易陷入局部最优。针对该问题，本文提出了一种基于特征点提取与配对的粗配准方法，以调整两片点云重叠部分的初始位置。首先，利用SIFT算法提取两片点云公共部分的特征点；其次，根据特征点法向量之间的欧氏距离将两片点云的特征点两两配对；然后，利用法向量的夹角对特征点对进行提纯；最后，通过单位四元数法，求解出旋转及平移矩阵，完成粗配准。试验表明，本文基于特征点法向量的粗配准方法可为精配准提供良好的初始位置，在一定程度上避免配准时陷入局部最优的现象。     

一种基于ISS-SHOT特征的点云配准算法

针对点云配准过程中易产生错误对应点、收敛速度慢、配准时间长等问题，提出了一种基于内部形态描述子（ISS）及方向直方图描述子（SHOT）特征的点云配准算法。运用体素格网法下采样后，采用ISS算法提取特征点，并用SHOT对特征点进行描述，利用余弦相似度匹配对应点对，再采用RANSAC算法剔除错误对应点对，使得两片点云获得良好的初始位姿，最后采用点到平面的ICP算法进行精确配准。试验结果表明，与传统ICP算法及基于ISS的SAC-IA+ICP算法相比，本文算法配准精度及配准效率更高，对数据量大、重叠率较低点云具有很好的稳健性。     

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。     

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。     

一种激光扫描数据与数码照片的配准方法

提出了一种激光扫描数据和数字图像配准的方法。该方法基于立体像对匹配点与三维扫描点云的最近邻迭代配准。配准中，采用M-估计的选择权迭代在最邻近点搜索算法中逐步消除立体像对误匹配粗差点的影响，得到正确的收敛结果，并基于地面实验证明此方法是可行的和有效的。