面向高精度城市测绘的激光紧耦合SLAM方法

针对激光SLAM在城市测绘中存在的累积误差大、稳健性差的问题,本文提出了一种面向城市高精度制图的激光紧耦合SLAM方法,该方法引入杆状和面状特征进行点云配准,降低了城市环境下SLAM的累积误差,并通过GNSS角点位置约束,提高了全局地图构建的准确性.本文在4组城市常见场景(开放园区、地下车库、城市公园、街区道路)中对所提方法进行了验证,并与目前主流的L OAM、LeGO-LOAM和LIO-SAM方法进行了对比,试验结果表明LOAM和LeGO-LOAM在复杂城市场景中稳定性较差,LI O-SAM和本文所提方法成功实现了4组场景的制图.与LI O-SAM相比,本文所提方法仅采用激光惯导紧耦合时,轨迹绝对位置误差较LIO-SAM降低了32.25％,结合GNSS位置因子后进一步降低了92.03％(轨迹精度均优于10 cm).此外,开放园区的控制点精度评定表明本文所提方法的点云绝对坐标精度优于5 cm.     

无人车平台激光点云中线特征提取

随着无人平台的应用越来越广泛,由激光点云提取线特征构建高精度特征地图已成为研究的重点。本文基于深度图像中的二维线特征,提出了一种新的几何模型对其进行优化,得到准确的三维线特征,并使用贝叶斯滤波对多帧结果进行融合,提高了三维再线特征的精度和准确率。     

基于参数动态调整的双激光扫描头SLAM方法

针对单个激光扫描头进行SLAM重建点云覆盖度较低的问题，提出一种融合双扫描头的SLAM方法。该方法首先使用水平扫描头进行一次SLAM过程，获取位姿轨迹数据和点云地图。再使用双扫描头间标定的外参数和水平点云帧的位姿轨迹数据，将竖直扫描头的点云帧位姿初步变换到水平点云坐标系下，通过提出的竖直点云-子图ICP(Iterative closest point)配准，动态优化转换参数，获取精确的转换参数实现两个方向点云数据的高精度融合。选择两栋室外建筑物进行试验，利用点云重建结果平面拟合均方根误差进行定量精度评定，结果表明，相比于传统单个水平激光扫描头建图方式，本方法重建的点云具有更加丰富的建筑物立面信息；相比于直接使用标定参数融合的方法，利用竖直点云-水平点云子图优化配准的方式优化，精度提高24%以上。     

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Geo...     

基于激光反射强度的点云自动配准研究

点云数据配准是三维激光扫描技术数据处理的研究热点问题之一,传统的ICP算法需要较好的初值且效率不高。为了实现点云的自动配准,本文针对激光点云反射强度和图像匹配的特点和应用,提出一种基于激光反射强度的点云自动配准方法,从而为实现ICP精确配准确定初值。试验结果表明,基于激光反射强度的点云自动配准方法能够良好地为ICP精确配准提供初值,同时提高了点云配准的准确性和效率。     

融合语义特征与GPS位置的地面激光点云拼接方法

拼接是地面激光点云数据处理的必要步骤,但基于同名点的点云拼接方式已成为阻碍点云处理效率提升的长期瓶颈,而直接匹配点云识别同名特征的方法亦对点云重叠区域具有较高的要求。本文提出一种融合语义特征与GPS位置的地面激光点云拼接方法,通过语义知识自动识别出原始三维点云中所包含的地面特征与建筑物立面特征,并使用这两种面状特征结合点云测站中心的GPS位置作为同名标靶进行点云初始拼接,随后使用点到面最小距离约束下的ICP进行点云精确拼接。实验表明,本方法可以有效提高地面激光点云拼接的整体效率,尤其对于包含平面结构（如马路、建筑物）的场景具有良好的拼接效果。     

SLAM激光点云整体精配准位姿图技术

基于同步定位与制图(simultaneous localization and mapping,SLAM)技术的激光扫描系统具有成本低、效率高的优点,近年来在测绘领域得到了广泛关注。虽然基于SLAM技术的激光扫描系统能够实现实时数据获取,但该数据获取方式难以保证点云精度,不同位置获取的同一地物的点云存在位置不一致。为了提高该类系统所获点云精度,本文提出一种分层次点云全局优化方法。该方法首先通过"点-切平面"迭代最近邻算法对重叠点云进行配准,形成扫描系统轨迹间的约束;然后构建位姿图对轨迹进行优化,利用优化后的轨迹对点云进行修正。算法通过将优化过程分解为局部和整体两个层次以提高计算效率。试验结果表明,优化后点云同名点对间的距离中误差减小约50%,内部不一致现象得到有效消除。     

基于激光点云技术的山区工程测绘信息提取

由于山区工程测绘信息提取的过程中没有对原始山区激光数据进行清洗处理,导致测绘信息提取效果较差,为此,本文提出基于激光点云技术的山区工程测绘信息提取方法。使用不规则三角渐进加密滤波方法确定地面点,采集山区工程激光数据,根据各点之间的距离,确定点云数据存在的合理性,对原始山区激光数据进行清洗处理,剔除异常数据,并将二维数据转化为三维数据,根据数据转化结果,计算山区结构参数,将其与点云数据融合,完成山区工程测绘信息提取。至此,基于激光点云技术的山区工程测绘信息提取方法设计完成。构建实验环节,实验结果证实,此方法信息提取安全性较高,工作量较少,且可有效提升测绘信息提取结果的可靠性。     

利用先验点图模型的SLAM后端优化算法

目的 目前基于因子图的后端优化算法具有优越性。在因子图中,节点代表姿态,节点之间的边代表里程信息和封闭循环约束。由于因子图并未描述每个节点精度的差异,导致整体定位精度仍有提高的空间。针对这个问题,提出了一种基于先验点图模型的后端优化算法,依据前端提供节点精度的差异,在因子图中引入高精度点,然后采用改进的Levenberg算法进行全局优化,从而实现在结合原有概率约束的基础上,利用少量高精度点牵引其他点向真实值靠近,完成更为精准的自身定位。并在公开数据集上进行了实验,结果证明,本文提出的算法增强了前后端的关联,提高了定位精度。     

隧道三维点云孔洞修复方法

针对隧道三维激光扫描点云中的孔洞,设计一种基于断面轮廓的孔洞修复方法。隧道具有深长性与截面恒定性两大特征,文中基于这两大特征,利用间邻稳定轮廓拟合完整隧道修复孔洞。该方法能够对三维激光扫描点云进行圆柱投影,利用Delaunay三角构网,提出基于隧道表面三角网的孔洞识别方法,最后根据相邻隧道轮廓相似的特点,利用相邻的轮廓对孔洞进行修复。该方法能很好的修复孔洞并保留隧道结构细节,并以真实的隧道扫描数据验证算法的有效性和可靠性。     

隧道断面截取曲面拟合优化的点云简化方法

为了提高变形监测中地铁隧道断面点截取的效率,文章提出了基于kd-tree和法向量估计的局部点云简化方法,对BaySAC算法的三维激光点云二次参数曲面拟合方法进行改进:利用kd-tree建立点云数据的空间拓扑关系,计算出每个数据点的k邻域;然后使用平面拟合方法获取法矢量;最后根据点云数据法矢量变化程度,采用法矢量自适应得到压缩后的点云数据。实验证明该方法既能较大程度地简化点云,简化结果比较均匀,又具有不破坏细小特征的特点,进一步改进了BaySAC算法的二次参数曲面拟合方法。     

激光点云在地铁盾构隧道病害诊断中的应用

移动式三维激光扫描技术在地铁盾构隧道安全监测工作中应用较为成熟。本文以地铁盾构隧道监测点云数据为基础进行研究,实现了地铁盾构隧道病害智能诊断。首先通过激光点云生成灰度图像;在此基础上运用卷积神经网络CNN,对地铁盾构隧道中的渗漏水和裂缝的识别技术进行了深入研究;最终生成隧道病害智能诊断系统,为地铁安全运营提供了智能监测方法,有效提高了我国地铁运营监测的技术水准。     

基于反射靶标的激光SLAM定位方法在港口无人车辆上的应用

针对港口岸边作业区和堆场内部等特定场景影响无人车辆高精度定位的问题,本工作以Cartographer 同步定位与建图(SLAM)作为算法基础,研究了基于反射靶标的无人车辆高精度定位方法,设计优化了反射靶标参数与布置方法. 针对影响基于反射靶标的激光SLAM定位精度的关键参数、行车速度和抖动干扰,设计实现了测试系统并进行了多参数对比. 针对港口场景下易发生的大抖动干扰导致激光SLAM定位失效的问题,分析了定位失效的产生机理,进而研究了基于惯性导航系统(IMU)和激光SLAM的复合定位技术,提出了大抖动干扰情况下基于反射靶标的激光SLAM定位误差的抑制方法. 实验结果表明:上述方案提高了无人车辆在港口特定场景下的定位精度和定位方法鲁棒性.      

LiDAR测量点云融合影像的分块滤波方法

针对现有LiDAR地面点滤波算法对复杂地形地物适应性不强的问题,本文提出了一种融合点云与地面影像分块滤波的方法。首先,将地面影像与点云匹配,使点云从影像中获取更多的光谱纹理信息。然后,分析地物光谱、林地相对密度、点云高程特征、地面DSM模型及其坡度,并基于决策级融合将原始点云切割成若干独立的区块。最后,根据每块区域不同的多元细节特征,对IPTD滤波算法进行改进并利用搜索法优化参数,得到最优且稳健的结果。利用滤波后的总地面点通过插值算法得到的DEM模型和相关试验验证了本文算法的优越性。     

多视点云数据同步配准新方法

针对三维激光多视扫描点云数据的配准问题,提出了一种基于空间相似变换原理的同步配准新方法.首先借助罗德里格矩阵求取各测站与基准坐标系下的转换参数;然后根据各测站之间的联系,对变换的初始参数进行联合平差,利用同步配准模型求得改正后的变换参数,实现多视点云同步配准;最后使用Realworks Survey软件中基于目标的配准工具进行处理,利用配准结果实现对该算法的验证.通过分析同步配准误差来源及对比二者的精度,证明三维激光扫描多视点云数据同步配准方案具有可行性和实用性.     

基于RANSAC算法的隧道点云横断面提取

针对最小二乘法对所有点（包括"局外点"）拟合难以得到最佳线性参数的问题,本文基于RANSAC算法对观测值随机抽样进行参数估算,判断符合模型的"内部点"为一致集,并通过迭代得到足够的一致集,最后设计试验验证该算法的适用性;对隧道点云采用基于中轴线方法进行边界提取,以及三维激光扫描用于生产实践提供参考意义。     

一种自适应的坡度阈值地面点云分割方法

针对城市道路斜坡地形场景中地面欠分割或过分割的问题,提出了一种自适应的激光雷达地面分割算法。首先将激光点云按照水平角度分辨率进行有序组织,然后求取同一水平角度下前后扫描圈间激光点云的距离和局部坡度,最后采用自适应水平距离、局部高度和全局高度阈值区分地面点和非地面点。结合40线激光雷达进行多场景实例分析,结果表明本文算法分割的准确率更高,处理每帧数据均用时约1ms,满足无人驾驶汽车的实时性需求。提出了一种自适应的激光雷达地面分割算法,实现了对激光雷达地面点云的准确分割。