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。     

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。     

一种基于位置识别的室内场景点云配准方法

针对现有方法在低重叠室内场景点云配准稳健性较差的问题,本文提出了一种基于位置识别的点云自配准方法。首先基于室内空间分割结果生成虚拟雷达观测位置,构建虚拟扫描;其次从虚拟扫描中提取全局特征描述符进行位置识别;然后利用位置识别结果确定重叠区域;最后计算重叠区域的转换参数,并根据刚体转换的特性获取最终的整体转换参数。试验结果表明,本文方法能够在低重叠的室内场景精确计算转换参数。     

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。     

基于共面条件的点云配准旋转角参数求解方法

针对目前LiDAR获取的点云数据配准中ICP算法迭代计算效率较低和使用标靶配准时精扫标靶费时费力等问题,提出利用扫描地物所包含的平面特征及点云数据的离散特性,通过拟合平面得到平面的单位法向量进行旋转角的求解.由于点云数据中含有误差,使用拟合平面的法向量不仅避免了对标靶的精细扫描,而且也消弱了点云误差对转换参数的影响.最后通过实例验证了本文方法的可行性与严密性.     

一种基于BFGS修正的正态分布变换点云配准方法

点云配准是点云数据处理中的关键问题,针对原始正态分布变换算法求解Hessian矩阵时间复杂度高的问题,本文提出一种基于BFGS算法修正的正态分布变换点云的配准方法。通过利用目标函数的梯度值及增量参数更新正定矩阵,以正定矩阵近似代替Hessian矩阵的逆矩阵,确保算法每次迭代方向均为函数值下降方向,降低了算法的时间复杂度;通过模拟数据试验及实测数据试验,验证了本文算法的可行性,其在保持原始正态分布变换算法精度的前提下,提高了算法的配准效率。     

基于间接平差的ICP点云配准算法研究

点云配准精度是决定三维重建模型的质量因素之一,目前,最常用是ICP点云配准算法,经典的ICP算法易局部收敛,影响点云配准精度。本文提出基于间接平差的ICP点云配准算法,设定目标点集中目标点坐标与转入目标点集中的点坐标之间的距离阈值实现点云精确配准。通过与经典ICP算法对比可知,本算法在一定程度上提高了点云配准精度和速度。     

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。     

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。     

一种城市高大地物阴影检测方法

针对水体、偏蓝色地物会影响阴影检测精度这一问题,该文提出了一种基于WorldView-2影像的城市高大地物阴影检测方法。首先,在统计分析阴影及典型地物光谱值的基础上,对C1C2C3色彩不变空间中的C3分量利用直方图阈值法分割阴影区域和非阴影区域,分离后的阴影区域中包含了绿色植被信息;然后,利用多波段运算提取植被信息;其次,对最初的阴影植被混合区域和植被区域做逻辑差运算,得到目标阴影区域;最后,对阴影提取结果进行小区域去除和形态学滤波等后处理。实验结果表明,该方法针对WorldView-2影像具有普适性,能够有效避免水体、偏蓝色地物的影响,能够精确、快速地检测阴影区域。     

基于八叉树与KD树索引的点云配准方法

针对点云配准算法中KD树多维查询效率较低的问题,提出一种基于八叉树和KD树多层索引结构的点云配准方法。首先为模型点云数据建立八叉树全局索引,然后在八叉树叶子结点构建局部数据的KD树索引。对传统的ICP点云配准算法进行改进,通过叶子结点的全局索引值快速定位局部点云数据块,利用局部KD树索引加快最近点的搜索,计算最近点时利用欧氏距离阈值、点对距离差值和法向量阈值剔除部分噪声点。实验表明,改进算法提高了点云配准的效率和精度。     

一种激光点云数据生成顾及地形特征的道路断面算法

机载激光雷达(LiDAR)是一种新的获取高精度和高密度地形数据的测量手段,是公路测设中数据采集的理想方式。本文通过对激光雷达获得的散乱点云构建索引,利用坡度变化极值法提取地形特征点,并利用这些特征点生成顾及地形特征的道路纵横断面,可以为道路勘察设计迅速提供高精度的基础资料。     

直线簇约束下的地面LiDAR点云配准方法

高精度的地面LiDAR点云配准是空间目标三维表面拓扑重建的关键,针对待配准LiDAR点云和基准LiDAR点云存在位置、姿态和比例缩放差异的问题,提出了基于直线簇的地面LiDAR点云配准方法。首先,根据直线间相交、平行和异面的拓扑关系,分别对待配准和基准LiDAR点云的直线进行聚簇,构建直线簇;然后,分别将同名直线用Plücker坐标表示,通过待配准LiDAR点云的直线簇在空间中的螺旋缩放运动,使其与基准LiDAR点云的直线簇比例尺一致,且同名Plücker直线重合,构建基于直线簇的共线条件方程,实现了比例因子和相对位姿一体化解算。实验结果表明,直线簇的螺旋缩放增强了配准方程的几何约束性,提高了抗噪声能力,实现了高精度的地面LiDAR点云配准。     

一种顾及水下地形特点的多波束点云去噪算法

针对包含大量噪声的多波束点云去噪问题,顾及水下地形特点设计算法去除近地表噪声和明显离群噪声。算法基于RANSAC算法思想拟合局部平面,结合统计分析方法去除给定阈值范围之外的噪声;结合共面法矢量特征预判去除离群面并探测保留陡坡等高程梯度变化明显的敏感地形。通过减少点云数据检索次数、使用哈希表等方式优化算法,提高执行效率。能够保证地形一致性的同时较好地保留区域边界等信息。最后,设计实验对多波束点云去噪结果达到预期,并对实验结果进行探讨提出后续研究方向。     

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。     

一种顾及地形复杂度的LiDAR点云多尺度滤波方法

针对复杂地形区域的机载LiDAR数据滤波方法中自适应阈值设置问题,根据地形多尺度效应,提出一种自适应阈值的机载LiDAR点云多尺度滤波方法。该方法采用影像金字塔策略按分辨率从高至低逐级构建LiDAR点云分层格网,滤波过程则从最大尺度格网(顶层格网,最低分辨率)开始,采用局部统计分析的方法自适应地确定高差阈值,同时结合薄板样条内插出下层各格网控制点的高程值,直至最底层格网完成原始激光点云滤波。通过我国某山区城市复杂地形的LiDAR数据实验表明顾及地形复杂度的LiDAR点云多尺度滤波方法能够快速有效地提取高精度DEM,能够满足实际生产需求。     

顾及语义的机载LiDAR点云格网化方法

传统的点云格网化方法采用纯数字拟合内插的方法,基本不顾及平面坐标和高程之间存在的潜在关系———语义信息。将语义信息纳入点云格网化生成的高程格网具有更高的语义一致性,更适合用于3维可视化和真正射影像的生成。以静态水体为例,研究了顾及语义的机载L iDAR点云格网化方法。最后通过实验验证了该方法的有效性。     

顾及几何特征的规则激光点云分割方法

三维激光扫描仪能快速地获取三维场景的高精度点云数据,已成为快速三维建模的重要工具。点云分割是三维点云模型数据预处理中的首要环节,也是影响重建效率与模型质量的重要因素。以激光点云的分割为研究切入点,以八叉树空间划分方式对数据进行组织,并用八进制编码进行命名,结合K邻近搜索法获取目标点的局部邻近点,采用加权平均目标点相邻的三角面片法向量来估算单点法向量。基于投影欧氏距离拟合曲面求取曲率。量化了规则点云集的分割约束条件,采用法向量信息来进行平面点的提取,根据曲率在两个主方向上的差异性来识别和分割柱面和球面信息。试验结果表明：①基于法矢量的平面点分割效果理想;②基于曲率差异性的规则曲面点分割效果较差;③基于几何特性的规则激光点分割方法合理可行。