空地大视角影像融合三维重建

针对利用单一影像数据源进行场景三维重建完整性不足的问题,提出一种同时利用空中影像和地面影像进行密集匹配生成场景三维点云的方法。先通过空三和密集匹配分别获取空中影像和地面影像生成的场景点云,再通过基于面元的点云配准算法获取空地点云之间的转换关系,由此转换关系将空地影像的位姿统一到相同的坐标系统中,最后利用空地影像及其位姿经过密集匹配获得完整的场景三维点云模型。实验结果表明,本文方法与单一源影像重接结果相比,场景完整度提高了9%～16%不等。     

点、线相似不变性的城区航空影像与机载激光雷达点云自动配准

提出一种基于点、线相似不变性的城区航空影像与机载LiDAR点云自动配准算法。首先通过SIFT算子提取点特征并进行粗配准,同时分别基于影像和LiDAR点云提取直线特征;然后利用局部区域点特征与线特征的相似不变性,通过匹配点对搜索匹配直线对;最后采用基于扩展共线方程的2D-3D严密配准模型实现航空影像与LiDAR点云的精配准。本方法的特点是:采取了由粗到精的配准策略,通过点、线相似不变性,将基于强度的配准算法和基于线特征的配准算法有机结合,在较高的自动化程度下实现了影像与点云的精确配准。试验证明,与基于点云强度影像的自动配准算法相比,本文的算法在城市地区能够取得较好的配准结果。     

基于特征点匹配及提纯的点云配准算法

针对传统的基于ICP点云配准算法配准时间长、收敛慢、需要较好初始配准等限制,本文利用现有的点云特征提取算法和描述算法,提取并匹配点云中的特征点,用RANSAC算法结合坐标转换模型剔除误匹配点对,用匹配点对在两点云中的坐标计算之间的坐标转换参数,从而实现点云的配准。相比ICP类算法,提高了点云配准的效率,同时提高了点云配准的自动化程度。     

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。     

基于NDT和ICP融合的点云配准方法

针对传统迭代最近点算法高精度低效率与正态分布变换算法高效率低精度的问题,提出了基于NDT与ICP融合的点云配准方法。首先通过NDT算法选择合适的网格参数将待匹配的点云向目标点云拉近以提高配准效率,完成粗配准,其次使用KD树加速的ICP算法求解变换矩阵以提高配准的计算效率。通过实验表明,本文方法匹配速度相比NDT算法和ICP算法有明显提高,且精度高于NDT算法。     

基于四参数-ICP的点云配准研究

利用三维激光扫描获取目标物点云数据的过程中,为了得到完整的目标物点云,则需要在不同站点对目标物进行扫描,从而需要对不同站点点云数据进行配准,而传统的点云配准都是基于至少三个标靶点的配准,配准效率低且没有考虑区域点云精度不均匀的影响,而基于无标靶的ICP配准算法时间效率比较低。针对此,本文将四参数算法和改进的ICP算法进行结合,在只需要两个标靶的情况下便可快速的完成点云配准,最终通过实例分析验证了该配准方法不仅精度高,且配准效率高。     

结合八叉树和最近点迭代算法的点云配准

针对最近点迭代算法的局限性造成的点云配准效率低下问题,该文对最近点迭代算法在点云配准中的应用进行了研究,并针对算法的局限性进行了改进。先利用八叉树结构求得点云数据的重叠区域,然后在重叠区域利用最近点迭代算法对点云数据进行精确配准,提出了基于八叉树结构建立点云重叠区域的最近点迭代配准方法(该文简称OTOAICP)。通过实例数据对该方法进行验证,结果表明:OTOAICP方法能够提高配准精度,缩短配准时间。     

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。     

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。     

一种BIM模型与实景三维模型融合方法研究

针对当前BIM与实景三维模型融合过程中空间位置配准精度较低的问题,该文提出了一种借助真实激光点云的BIM模型与实景三维模型融合的方法。研究选取大场景和小场景两种样例数据,首先基于BIM实体几何信息转换和三角化加密的方法生成了BIM模型建筑物点云,其次基于增量式SFM算法和立体像对密集匹配方法先后生成实景环境下的稀疏和稠密点云,最后基于ISS特征提取结合改进ICP算法的完成了不同模型下点云和真实激光点云的配准。结果显示,该方法能够有效地实现BIM模型与实景三维场景信息融合,对新型智慧城市建设、工程建设智慧化管理具有一定意义。     

一种基于特征点的地面激光点云全局配准方法

针对当前地面激光扫描(TLS)点云配准自动化程度低且耗时的问题,本文提出一种基于特征点和改进FGR(fast global registration)算法的TLS点云全局配准方法。该方法一共分为三步:首先对点云进行粗差剔除和降采样;然后提取Do G(Difference-of-Gaussian)特征点和进行FPFH(fast point feature histogram)描述,进而进行双向一致性匹配;最后使用FGR算法进行优化获得点云之间初始参数,结合标准ICP算法实现TLS点云的高精度配准。利用7站地面激光点云数据进行实验,结果表明本方法可以在保证配准精度的前提下获得较高的配准效率。     

基于特征点的曲面点云配准方法

针对当前曲面点云配准质量和效率低的问题,提出基于特征点的曲面点云配准方法。首先通过计算特征点曲率的豪斯多夫距离（HD）获得初始匹配点对;然后利点云局部表面曲线形状特征提取精确特征点对;最后用对偶四元数实现源点云和目标点云的粗配准,获取良好的初始的配准参数,并采用改进的最邻近点迭代算法实现点云的精配准。实验结果表明：该方法获取的点云中误差在0.005 m以内,且配准时间在7 s以内,提高了传统曲面点云配准的精度和配准效率,验证了该方法的稳健性和准确性。     

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。     

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。     

一种低重叠率激光点云的配准方法北大核心CSCD

针对点云数据采集过程中因扫描仪设站数少导致相邻的两片激光点云重叠率低,且难以高精度进行配准的问题,该文提出了一种基于重叠区域的点云配准方法。首先利用加入距离权重的法线夹角及曲率特征将点云分割成块,构建每一点云块的多维特征描述符,通过比较各点云块间的方差分布相似性提取相邻点云的重叠区域,然后将重叠区域的点云带入超四点快速鲁棒匹配(Super4PCS)算法中进行配准,根据一致性约束将最优的刚性变换矩阵应用于原始数据,得到最终的点云配准模型,最后与直接利用Super4PCS算法配准后的效果进行对比分析。实验结果表明,通过增加点云间重叠区域的提取,可以有效提高对低重叠率激光点云的配准精度,从而更有利于点云三维模型构建等后续数据处理。     

基于极线及共面约束条件的Kinect点云配准方法

Kinect作为轻量级手持传感器,在室内场景恢复与模型重建中具有灵活、高效的特点。不同于大多数只基于彩色影像或只基于深度影像的重建算法,提出一种将彩色影像与深度影像相结合的点云配准算法并用于室内模型重建恢复,其过程包括相邻帧数据的配准与整体优化。在Kinect已被精确标定的基础上,将彩色影像匹配得到的同名点构成极线约束与深度图像迭代最近点配准的点到面约束相结合,以提高相邻帧数据配准算法的精度与鲁棒性。利用相邻4帧数据连续点共面约束,对相邻帧数据配准结果进行全局优化,以提高模型重建的精度。在理论分析基础上,通过实验验证了该算法在Kinect Fusion无法实现追踪、建模的场景中鲁棒性依然较好,点云配准及建模精度符合Kinect观测精度。     

几何刚性和法向量采样一致性的点云配准算法

针对三维激光点云配准中随机采样一致性(RANSAC)算法存在采样次数多、准确度低的缺点,该文提出了一种结合几何刚性和法向量一致性的点云配准算法。该算法通过改进采样策略降低采样次数并提升匹配精度,首先将点云的法向量信息加入采样集,使得每次的采样点从三对减少为两对;接着以两对采样点的刚性和法向量一致性计算置信度来确定当前采样是否置信;最后以迭代运算选取采样内点数最高的样本来估算变换矩阵实现点云精确配准。对激光三维点云进行配准试验,结果表明,本文方法在匹配效率及匹配性能上均优于传统RANSAC算法,且配准精度更高。     

平面特征的多站地面激光雷达点云配准

为了进一步研究建筑物密集区域多站地面激光雷达(LiDAR)点云数据的配准问题,该文提出一种基于平面特征的地面LiDAR数据配准方法:对点云数据进行分割获取平面信息;人工选择典型的平面,对相应的点云数据进行平面拟合,得到相应法向量;利用罗德里格矩阵的性质,建立三维激光扫描数据配准模型。实验结果表明,该方法的配准精度较高、计算速度快,可以取得较好的点云配准效果。     

多视激光点云数据融合与三维建模方法研究

基于特征基元的点云数据配准方法,利用控制点对机载与车载点云数据进行概略匹配,构建了顾及梯度与颜色特征及特征组对的特征点匹配算法模型,根据拟合平面特征解算平移和旋转变换参数,实现了机载与车载点云数据的精确配准,并在此基础上建立了多角度点云数据融合的房屋顶部和立面特征提取、点云数据与光学影像纹理信息匹配的技术流程,实现了建（构）筑物三维精细建模,并通过实例验证了本文所提方法的有效性。     

点云迭代配准算法影响因素分析

点云配准是点云数据处理中的重要步骤,而迭代配准算法又是点云配准中的主流方法。评价迭代配准的两个重要指标分别是配准的速度和精度。本文针对这两个指标进行了两组实验,结果表明,在点云迭代配准时,对原始点云数据进行均匀采样能缩短点云配准所花费的时间;剔除错误点对能提高最终的配准精度。