利用点云配准的空地影像融合技术

为实现空地影像的高精度融合,本文提出了一种基于密集匹配点云配准的融合方法,并与利用空三加密点云配准的融合效果进行了对比。首先,通过对空地影像进行空三加密和密集匹配,得到相应的三维点云;然后,利用基于3DSC特征的SAC-IA算法,完成空中点云和地面点云的粗配准;最后,通过改进的Point-to-Plane ICP算法进行精配准,进而完成空地影像的融合。试验表明,相比空三加密点云,密集匹配点云能够提供更为稳健的配准结果,且能够达到厘米级的精度。     

文物对象近景序列影像位姿高精度估计方法

针对文物对象影像三维纹理重建中影像位姿估计的问题,本文提出了三维数据驱动及平差的位姿高精度估计方法。首先通过影像特征提取、匹配、误匹配点剔除得到准确的同名特征;然后建立首对影像高精度位姿相对关系,并以其像对三维点数据为驱动,结合二三维索引确定后续影像的相对位姿;最后以光束法平差与LM算法确定高精度的影像位姿参数。试验表明,本文方法在确定位姿速度和位姿精度上都体现了一定的优越性,为影像后续的密集点云生成奠定了基础。     

空地融合的建筑物室内外一体化点云构建技术

室内外一体化的建筑物模型是智慧城市管理的基础数据,倾斜摄影和地面三维激光扫描是当下两种主要的建筑物模型数据获取方式。针对单一数据采集方式受诸多因素制约,难以获取完整建筑物室内外三维数据的难题,本文提出了倾斜密集匹配点云与地面激光扫描点云融合的技术路线,利用地面激光扫描获取建筑物立面与室内点云,利用倾斜摄影获取建筑物顶部点云,并将两者结合构建室内外一体化的完整建筑物点云;以高密泥塑展馆为研究对象,验证了该技术路线的可行性及融合精度,可为类似项目提供参考。     

多像位姿估计的全景纹理映射算法

纹理映射技术作为获取具有丰富纹理信息的真彩色点云的有效手段,正以其独特的优势广泛地应用于众多行业领域。研究了一种利用三维激光扫描仪与外置数码相机联合标定解算多张影像位姿并获取全景真彩色点云的方法。其基本思想是利用摄像机与激光扫描仪固有的相对位置姿态,通过对首张影像进行标定得到其位置姿态后,利用摄像机空间旋转的几何特性,根据首张影像的位姿获取其余影像的位姿,继而完成多张影像的纹理映射,获取全景彩色点云。对比目前主流的全景影像纹理映射算法,该算法在精度与效率上均有一定提高。对多种点云数据进行纹理映射实验,结果表明,该方法能够快速准确地获取真三维全景彩色点云,为三维精细化建模提供了数据基础。     

利用基本矩阵重构地面影像位姿信息

在地面采集的盲区影像往往缺少位姿信息,进而与空中影像联合处理时造成分层错乱。因此为提高倾斜模型精细度,本文通过约束对极奇异矩阵的方法重构补拍影像的位置姿态。首先进行空地影像特征匹配,得出两者的基本矩阵,规范化空中影像投影矩阵,地面影像投影矩阵则由基本矩阵分解成的反对称矩阵和非奇异矩阵组成;然后利用空中影像POS信息消除该投影矩阵对的多义性,从而得出地面影像位置姿态的准确值。试验结果表明,该方法能够在无像控条件下自动计算出地面盲区补拍影像的位姿信息且与空中影像配准良好,在保证模型精细的前提下提高了作业效率。     

多源数据融合技术在古建筑三维重建中的应用

针对单一点云数据建模时自动化程度低、模型不够完整等问题,提出了一种基于多源数据融合技术的三维重建方法。其基本思路是将地面激光点云与空地影像相结合,在对多源数据进行预处理、坐标系统一、数据融合配准、目标特征提取与识别的基础上,实现模型重建。试验结果表明：采用地面激光点云+空地影像融合建模能得到更加精确、完整和美观的实景三维模型。     

面向序列影像的三维场景重建方法

针对序列影像三维场景重建过程中存在的自动化程度不高、模型精度不够等问题,该文提出了一种基于序列影像的三维场景重建方法。该方法利用尺度不变特征变换算子获得了大量稳定的特征点后,结合K-D树搜索策略以及随机抽样一致性误匹配剔除方法得到稳定的匹配点对,然后采用稀疏光束法平差获取序列影像的相对位置姿态参数,最后采用多视密集匹配方法实现场景目标的密集重建。实验结果表明:该文所提方法可以快速得到准确、完整的三维重建结果。     

无人机影像点云与地面激光点云配准的三维建模方法

地面激光扫描仪(Terrestrial Laser Scanner,TLS)能够快速地获取高大建筑物侧面点云数据,但较难获取其顶部点云数据。无人机(unmanned aerial vehicles,UAV)通过搭载五镜头倾斜摄影相机,能在短时间内获取高大建筑物的顶部影像,并基于摄影测量原理生成建筑物顶部的三维点云。文中针对高大建筑物的三维建模,首先通过UAV影像构建三维点云信息,然后将UVA影像点云与TLS点云数据进行配准后构建其三维模型。以云南师范大学呈贡校区武之楼为例,分别采用单一源的两种数据进行三维建模,并与两种配准后的数据进行三维建模作比较,实例结果表明,配准后的数据建模更完整,效果更好,能更完整地表现出建筑物的信息。     

利用空间小面元模型重构序列影像密集点云

提出了一种基于空间小面元模型(space-patch model,SPM)的序列影像密集点云重构方法。顾及SPM灰度一致性约束和空间几何约束,通过种子点的获取、扩散和滤波,生成密集SPM以逼近物体表面。该方法突破了传统核线影像密集匹配条件苛刻的限制。利用狮子影像数据,进行了密集点云模型的重构实验,验证了该算法的有效性。设计了几类对比试验,分析了扩散迭代次数和滤波对模型点云质量的影响。结果表明,对高分辨率影像多次扩散迭代并进行滤波,能够恢复出二维影像所包含的大量三维点云信息。     

航空倾斜摄影系统多相机姿态安装误差检校

针对航空倾斜摄影系统多相机间相对关系的姿态误差,提出一种利用下视影像密集匹配点云约束的联合平差多相机姿态安装误差检校方法。文中方法以共线方程为基础,通过联立倾斜立体像对连接点、下视影像密集匹配点云数据提供的高程约束虚拟观测值,采用非线性最小二乘SQPM算法求解倾斜影像的外方位元素改正数,从而解算下视相机与倾斜相机间的姿态安装误差。为了保证连接点可靠性,提高虚拟观测值的有效性,采用下视影像密集匹配的点云约束倾斜影像立体连接点匹配和分布优化过程。利用SWDC-5倾斜摄影系统获取的数据进行实验,通过原始姿态检校参数将下视影像生成的密集点云投影至倾斜立体影像上,在像方有22个像素左右的误差,采用文中方法检校后,像方误差减少到0.29个像素。     

顾及几何及颜色信息的倾斜影像立面点云提取

针对建筑物立面自动提取难题,根据多角度航空倾斜影像密集匹配生成的三维点云,提出了一种顾及点云几何及颜色信息的建筑物立面点云自动提取方法。首先通过计算三维点云中各点对应的法向量,并根据法向量方向进行粗略的分割;然后根据各点的颜色信息剔除植被点云;在此基础上剔除少量地面点,通过基于聚类分析的后处理获取立面点云。利用2组数据进行了实验,结果表明,本文方法能够自动提取出建筑物的立面,立面的完整性和正确性都大于90%,准确率大于83%,为后续立面的重建提供了基础。     

融合多源数据的三维建模方法及精度分析

以地面相机影像、低空无人机影像和地面三维激光点云数据为融合对象,研究空地影像融合、低空影像融合地面三维激光点云和低空影像融合三维白模进行三维建模的方法,并对其三维建模精度和建模效果进行综合分析。这3种融合方法进行三维建模丰富了三维模型的色彩纹理信息,提高了三维模型的几何结构精度,能满足较大场景的三维实景模型的建模要求,为数字化古建筑(古文物)保护提供具有较高价值的参考数据。     

影像密集匹配技术辅助三维激光扫描仪对点云的提取

地面三维激光扫描仪根据现场地物分布自由设站扫描,基本能完成扫描区域点云数据的获取,但在一些遮挡物较多、地域狭小或设站困难、信号反射较弱的区域,常规扫描受到限制,采集的点云容易出现数据漏洞。通过一个小型边坡扫描为例,扫描同时使用常规数码相机进行辅助拍照,经过影像密集匹配计算后,提取出相应区域的点云数据,配合地面扫描仪完成对遮挡区域点云的获取。     

基于半全局多视近景影像匹配的三维建模方法

利用半全局约束提高立体影像匹配的可靠性,提出多片前方交会优化迭代方法来剔除可能的匹配错误,有效融合多视影像的冗余信息,获取可靠密集的三维点云。在此基础上,利用Poisson表面重建方法重建出三维模型。2组近景影像试验结果表明本文方法能有效获取具有纹理的三维模型。     

基于SGM的多分辨率影像匹配方法

分析了SGM影像匹配算法的基本思想及其不足,给出了半全局影像匹配算法的基本模型;在此基础上,对该SGM算法模型进行了多分辨率扩展,设计了一种多分辨率半全局影像匹配方法 P-SGM,并讨论了该方法的实现步骤及其技术细节;利用实际影像数据进行了P-SGM影像匹配实验。实验结果表明,该方法能够完成大场景、大幅面遥感影像的密集匹配工作,获取实验区密集匹配点云;并具有较高的匹配性能和匹配精度。     

一种基于深度相机的机器人室内导航点云地图生成方法

点云地图是智能机器人自主导航的基础。文中提出一种基于深度相机的机器人室内导航点云地图生成方法,通过对图像特征的快速提取与匹配,实时估计相机位姿;综合考虑彩色图像的投影误差与深度图像的反投影误差,应用图优化算法对关键帧位姿与地图点进行联合优化;通过环路检测与地图优化降低估计误差累积的影响;利用估计得到的相机位姿将关键帧对应的图像点云进行拼接融合,形成表示三维空间场景结构的稠密点云地图。通过实验验证方法的有效性、精确性与实时性。     

地面激光扫描联合无人机影像的三维模型重建

为了研究精细三维模型的重建方法,本文采用地面三维激光扫描仪采集地物立面点云,利用无人机倾斜摄影技术生成地物顶部和立面点云,滤除无人机的地面点云后,将二者精配准形成完整的地物点云。通过融合后的点云重建三维建筑物模型和景观小品模型,再从激光点云中过滤出地面点类构建地面模型,将三种模型组合成为完整的三维场景。建模结果表明,所融合点云的相对位置精度为9cm,该建模方法可以保证融合点云数据的完整性和三维模型的准确性,为三维模型的精确重建提供了一种新思路。     

基于倾斜影像的城市场景隐式曲面重建

在基于倾斜影像的城市场景重建过程中,由于获取影像时存在场景遮蔽和大视点变化的情况,建筑物立面等区域存在着影像密集匹配点云稀疏甚至空洞的情况,自动化重建难度大,难以反映建筑物的真实形态。本文提出了一种新的基于倾斜影像的城市场景隐式曲面重建方法：首先,以倾斜影像密集匹配点云为基础建立Delaunay四面体;然后,对Delaunay四面体进行约束图割,提取出可视化的三角面,进而更加精确地估计点云的法向信息;最终,结合Screened Poisson曲面重建,实现了城市场景的隐式曲面重建。通过多种隐式曲面重建方法的对比试验,验证了本方法的准确性和适用性。     

稀疏点云引导的航空影像数字表面模型生成方法

密集匹配是生成数字表面模型的核心步骤,但在纹理缺乏、视差断裂和光照不一致等区域容易匹配失败。为了提高密集匹配结果的精度,提出一种稀疏点云引导(sparse point cloud guidance, SPCG)的航空影像数字表面模型生成方法,旨在利用空三加密的稀疏点云约束影像的密集匹配。首先,通过稀疏点云引导的方式,选择具有良好几何配置、高重叠度和高覆盖率的立体影像对;然后,利用最近邻聚类和金字塔传播方法,扩充稀疏点云的数量;进一步,采用改进的高斯函数优化扩展点的匹配代价,以提高密集匹配结果的准确性;最后,将多个密集匹配点云融合,生成数字表面模型。模拟立体影像和真实航空立体影像的实验表明,SPCG方法优化的半全局匹配显著提升了原始半全局匹配算法的匹配准确性,具体数值表现如下：半全局匹配生成的视差图与真实视差的差值大于1、2或3个像素的百分比分别为46.72%、32.83%或27.32%,而SPCG方法优化的半全局匹配相比于半全局匹配分别下降了7.67%、9.75%或10.28%。此外,相比于高斯方法优化的半全局匹配和深度学习方法金字塔立体匹配网络,SPCG方法优化的半全局匹配具有最高的...     

车载MMS激光点云与序列全景影像自动配准方法

提出一种车载移动测量系统（MMS）激光点云与序列全景影像自动配准方法。首先采用层次化城市场景目标提取方法自激光点云提取天际线矢量,在全景影像中经虚拟成像与分割角点提取算法生成天际线矢量。然后,将提取结果作为几何配准基元,构建配准基元图,通过最小化配准基元图编辑距离进行匹配,组成共轭配准基元对,解算2D-3D粗配准模型,获得全景影像与LiDAR点云参考坐标系之间的初始转换关系。最后,为消除几何配准基元提取与匹配误差对配准结果的影响,自序列全景影像虚拟成像影像生成多视立体密集匹配点云,继而使用变种ICP算法优化其与激光点云数据间3D-3D配准参数,间接优化全景影像与激光点云间的配准参数,精化配准结果。试验结果表明,本文提出的自动配准方法可以实现车载MMS激光点云与序列全景影像的1.5像素级自动配准,配准成果可应用于真彩色点云生成等点云/影像数据融合应用。