多波束声纳和侧扫声纳数字信息的配准及融合

提出了基于等深线和轮廓线的同名特征点配准法，它组合测深数据和回波强度图像信息，从等深线和轮廓线段中提取特征点，对同名特征点使用二次多项式拟合方法确定变形模型，实现不同数据源的配准。使用小波进行融合处理，采用交叉熵对结果进行评价。用模拟数据进行了验证，取得了理想的效果。     

基于同名点对的小面元影像微分纠正及融合方法

多源遥感影像数据融合是提高海量遥感影像数据利用率，获取更多决策辅助信息的有效手段之一。目前一些商业遥感图像处理软件在进行多源遥感影像融合时，存在效率低、精度难以达到实用要求等问题。本文提卅了基于图像线特征的遥感影像精确配准、纠正、融合新方法，该方法运用线特征算法提取图像边缘特征点作为控制点，然后通过全自动图像匹配获取密集同名点对，由这些同名点对构成密集三角网（小面元）实现影像精确配准；最后进行影像纠正融合处理。大量实践表明，该方法是一种高效实用、高精度的遥感影像配准、纠正、融合方法，能大大改善山区等特殊地区的配准精度。     

利用线特征进行高分辨率影像与LiDAR点云的配准

试图从离散点云数据中寻找影像的同名点是非常困难的,因此传统的基于同名特征点的配准方法难以使用。应用共线方程作为严格配准模型,利用LiDAR点云空间中的线特征替代传统配准模型中的点特征,取得了高精度的配准结果,同时对点云密度和影像分辨率之间的尺度关系进行了半定量分析。     

基于SURF的声纳图像配准与融合方法研究

针对侧扫声纳图像分辨率高测深精度低而多波束声纳图像分辨率低测深精度高的特点,提出了一种基于SUFR的声纳图像自动配准与融合方法。该算法检测同一区域内侧扫声纳图像和多波束图像的特征点,通过最近邻匹配获得匹配点后,计算图像间的变换矩阵,利用空间变换完成配准,采用加权融合法实现两者的融合。实验结果表明该算法具有很好的鲁棒性,配准精度达到像素级,可实现两者的高精度自动配准与融合,取得了理想的效果。     

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。     

城区机载LiDAR数据与航空影像的自动配准

为解决机载LiDAR数据与航空影像集成应用中二者的配准问题,提出了一种机载LiDAR数据与航空影像配准的方法。首先,直接在LiDAR点云中提取建筑物3维轮廓线,通过将轮廓线规则化得到由两条相互垂直的直线段组成的建筑物角特征,并在航空影像上提取直线特征;然后,根据影像初始外方位元素将建筑物角特征投影到航空影像上,并采用一定的相似性测度在影像上寻找同名的影像角特征;最后,将角特征的角点当作控制点,利用传统的摄影测量光束法区域网平差解求影像新的外方位元素。解算过程中采用循环迭代策略。本方法的主要特点是,直接从LiDAR点云中提取线特征,避免了常规方法从距离图(或强度图)中提取线特征所产生的内插误差。通过与现有基于点云强度图的配准方法的对比实验表明,在低精度初始外方位元素的辅助下,本文方法能够达到较高的配准精度。     

应用三维线特征自动配准建筑物点云数据

针对建筑物中丰富的线特征,提出一种点云数据自动配准方法。该方法以两非平行空间直线作为配准基元,以线对夹角和垂距作为相似性测度,在相邻两站间匹配同名线对,以同名线对的垂线中点作为同名点解算最终变换模型。试验结果表明：在没有初始估计的情况下,利用三维线特征能够有效的完成具有部分重叠的建筑物点云数据的自动配准。     

融合反射强度图像的地铁隧道点云自动配准

针对地铁隧道点云数据特征点少、在大视角点云数据间配准拼接时出现精度差、效率低等问题,本文以提高配准效率及精度作为出发点,以目前主流的ICP算法为基础,首先将激光点云按中心投影方式生成反射强度图像并以此作为配准源,采用规则格网分割提取匹配,建立均匀分布的同名点;然后利用反射强度图像上的同名点与点云之间的一一对应关系,完成视角点云间的初配准;最后在初次配准的基础上,采用KD树改进算法进行点云数据的精细配准。试验结果表明,本文在实现点云数据自动配准的同时,提高了地铁隧道点云数据的配准效率及精度。     

散乱点云数据精配准的粒子群优化算法

作为点云数据处理的关键步骤,点云数据配准的结果直接影响后续数据处理的精度。基于人工标靶和ICP思想的传统配准方法存在受环境影响、初始条件限制以及特征点提取困难等问题。针对传统地面激光扫描点云数据的高精度配准方法主要依赖人工标靶和特征点选取等局限,提出了一种改进的粒子群优化算法,以法向量叉积代数和最小作为适应度函数,对相邻点云重叠区域内的所有数据进行高效的全局搜索,在选取最佳配准点的基础上实现了散乱点云的精确配准。通过对多站扫描的高陡边坡岩体点云数据进行整体配准,并与ICP等经典算法进行对比实验,结果验证了本方法的可行性、有效性和稳定性,可以有效解决配准过程中标靶或同名特征点不易寻找的问题。     

三维激光扫描技术在建筑物立面测量中的应用

由于建筑物立面测量过程中建筑物点云数据存在噪声,致使建筑物立面测量效果较差。使用无人机搭载三维激光扫描仪全方位采集建筑物点云数据,在此基础上,运用奇异值分解法完成建筑物点云数据配准,依据配准结果,使用逐点内插方法得到建筑物深度图像,利用双边滤波Canny算法提取深度图像内建筑物轮廓线,并通过自动计算机辅助设计软件将提取的建筑物轮廓线测制成二维建筑物立面图形,实现建筑物立面测量。实验结果表明：该方法能够精确采集规则和不规则的建筑物点云数据,并且建筑物点云数据配准和建筑物轮廓线提取效果较优良,获得的规则和不规则建筑物立面测量结果均符合工程测量规范要求。     

光学卫星影像配准同名点快速提取方法

针对多源高分辨率遥感图像控制点提取时存在错误匹配点多、分布不均匀、大幅面图像特征提取效率低等问题,该文基于传统的尺度不变特征变换(SIFT)算法提出了一种改进的高分辨率遥感图像配准同名点快速提取方法.该方法首先将待配准图像按网格分块为子图像,并基于地理信息约束得到各子图像对应参考子图像;然后将Shi_Tomasi角点和SIFT描述子结合,在每一对子图像上进行特征点的提取与特征匹配;再利用随机采样一致性(RANSAC)算法和最小二乘迭代法剔除错误匹配点,并基于贪心算法剔除冗余的控制点,最终得到分布均匀的配准同名点.利用平原和山区两组典型多源遥感图像进行了实验,并利用提取的同名点进行图像配准,结果表明,跟传统SIFT方法、采用分区策略的SIFT方法相比,该文算法在同名点数量、匹配点对分布的均匀程度、匹配速度以及配准精度上都有较大的提高,能满足大幅面图像配准的需求.     

基于面片裁切技术的点云轮廓线生成算法

随着点云在各个领域的广泛应用,对点云处理相关技术的研究更为活跃。目前,研究的热点主要集中在点云去噪、配准、分割、增强、特征提取和重建等方面。其中,特征提取起着承前启后的作用,具有十分重要的研究价值。基于面片裁切技术的点云轮廓线生成算法。首先,对点云数据进行面片提取,通过面片生长、融合生成特征面片,并根据提出的面片双向索引法快速构造特征线,最终实现点云平面轮廓线的生成。实验证明,本算法可快速、准确、有效地实现点云轮廓线的生成。     

利用几何校正法进行不同影像间空间配准

在影像数据融合、动态变化监测等遥感影像集成分析和应用中，将来自不同传感器、不同时相获取的影像高精度快速配准是其中的关键技术之一。介绍利用几何校正法进行不同影像间空间配准的过程，在不同影像上选取同名点作为控制点，用最近邻、双线性内插或三次卷积内插运算法对分辨率较小的影像进行重采样，完成配准。并采用Landsat TM影像和SPOT pan影像进行实验，结果表明配准精度在1个像素之内，为进一步的遥感影像融合．分类作好数据准备。     

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。     

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。     

多源点云融合精细建模

本文提出了一种基于曲率特征点初配准的多源点云融合解决方案。其次使用迭代最近点算法（ICP）采取点到面的方法对点云数据进行精配准,在K维树（K-d树）的最近值领域搜索的基础上使用点云配准的3倍中误差作为判断条件,交叉验证保多源点云数据中同名点云数据。小于判断条件时保留三维激光点云数据的空间位置并采用加权平均思想过渡点云颜色。本文以倾斜摄影测量中易拉花的复杂独立地物“鲁班像”为研究对象,使用上述方法解决了多源点云数据融合时数据冗余与色差明显的问题,融合后“鲁班像”模型颜色自然、线条顺滑、棱角明显。     

运用三维声纳图像的水底全景拼接与绘制

针对海量声纳图像多帧配准引起的误差累积问题,该文提出了一种基于三维声纳图像的水底全景拼接与绘制方法。首先通过相邻两帧图像最近邻点迭代,并结合GPS、姿态仪信息和X84控制点剔除方法,减少非重叠区域控制点对的存在以提高配准精度,实现相邻帧图像精确配准。然后采用四元组参数对所有精确配准矩阵进行拟牛顿最优化处理,获取所有声纳帧之间最佳配准关系,减少多帧配准引起的累积误差,实现三维图像高精度全局配准。湖试与海试实验结果表明,该方法有效地减少了海量声纳图像多帧配准引起的累积误差,实现了三维声纳图像水底全景高精度拼接与绘制,达到了预期目标。     

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。     

国产卫星影像配准技术研究

我国西部高海拔山区的地形地貌使得在卫星影像上确定同名特征点比较困难,为了解决国产卫星影像存在的谱段偏差,本文选择了基于SIFT算法、基于区域灰度和人工配准3种方法,对ZY1-02C、ZY-3和GF-1等国产卫星影像展开了配准试验研究,应用目视法和中误差法进行了精度评价,并对结果进行了对比分析。试验结果表明：人工法虽能获得较高的配准精度,但效率很差;基于区域灰度法受影像亮度差异影响很大,同名点提取少,精度最差;基于SIFT算法自动化程度最高,可以提取大量特征点,并能筛选提出误匹配点,配准精度较高。     

多测站激光点云数据的配准方法

三维激光扫描技术及其获取的点云数据处理技术是当前测绘领域研究的热点.多测站配准是处理点云数据的关键步骤之一,配准的方法将卣接影响到后续的数据处理及三维建模的精度.采用基于特征同名点的粗略配准和基于ICP算法的精确配准方法,结合某建筑物实例研究,获得较为精确的配准后点云数据,证明了此方法的有效性和可行性.