基于IGGⅢ权函数的平面点云抗差估计

三维激光扫描技术在建筑物表面测量中已经得到越来越多的应用,针对平面点云中的小粗差在抗差估计中难以剔除的问题,将IGGⅢ权函数与加权总体最小二乘法相结合,提出了IGGⅢ权函数抗差估计方法。分别采用验后方差估计法、Huber权函数抗差估计法、IGGⅢ权函数抗差估计法对两组点云进行平面拟合计算。结果表明,通过对IGGⅢ权函数抗差估计模型中K0、K1的设置,可以有效地将点云进行分层定权处理,与验后方差估计法相比,通过多次迭代过程,有效降低淘汰段的小粗差对点云平面拟合的影响。与Huber权函数抗差估计法相比,IGGⅢ权函数抗差估计法对可疑段的过大误差进行降权处理,使其平面拟合精度更高。     

稳健加权总体最小二乘方法

加权总体最小二乘没有考虑观测数据中可能存在的粗差,本文基于IGG权函数,采用选权迭代法求解加权总体最小二乘。结合模拟数据和真实数据,系统地比较了加权总体最小二乘方法、基于Huber权函数的稳健加权总体最小二乘方法和基于IGG权函数的稳健加权总体最小二乘方法的系数估计和误差估计,通过对比分析表明,两种稳健加权总体最小二乘方法的参数估计结果比加权总体最小二乘方法更加可靠,且以基于IGG权函数的稳健加权总体最小二乘方法为最优。     

三种点云数据平面拟合方法的精度比较与分析

详细地介绍了基于最小二乘法、特征值法及总体最小二乘法的点云数据平面拟合方法。通过Matlab编制其算法程序,对模拟的等精度与不等精度点云仿真数据进行计算,结合算例对比分析了3种方法的点云平面拟合效果。拟合结果表明:3种方法在等精度点云平面拟合中的效果较好,在不等精度点云平面拟合中的效果较差,且特征值法与总体最小二乘法的点云平面拟合精度远高于最小二乘法。     

基于IGGII稳健总体最小二乘在变形监测的应用

由于外界的种种原因,测量误差始终存在。总体最小二乘考虑了系数矩阵误差以及观测向量误差,却未考虑观测向量可能存在粗差。因此,利用稳健估计方法,采用IGGⅡ权函数,提出了基于IGGⅡ的稳健总体最小二乘迭代方法。通过实例对比LS,TLS,以及稳健总体最小二乘的结果,发现稳健总体最小二乘的精度最高。     

基于主成分分析的点云平面拟合技术研究

针对点云数据易受到噪声的扰动,导致拟合的平面不稳定的特点,将主成分分析法应用到点云平面拟合中。首先选取合适的邻域以拟合点云,剔除一些孤立点;再以主成分分析原理为基础,通过一定的准则去除粗差点,获取稳定准确的最佳平面方程。在实验中,分别利用最小二乘法、特征值法和主成分分析法对点云数据进行拟合,结果显示该方法能够有效剔除噪声点,得到可靠的平面参数估值。     

稳健加权总体最小二乘的点云数据平面拟合

针对观测向量和系数矩阵均含有误差以及点云数据存在异常点的问题,该文提出一种稳健加权总体最小二乘法。该方法在加权总体最小二乘的基础上,通过设置一定的准则,剔除点云数据中存在的异常点,以获取更为精确的平面拟合参数解。仿真模拟算例和实际点云数据实验结果表明,该方法与传统的方法相比,能够消除异常点带来的影响,获得更精确的参数解,平面拟合精度更高。     

基于平面特征的地面雷达点云配准算法

针对地面LiDAR点云配准中不同坐标系点云数据存在对应的平面特征不同的问题,文章提出了一种基于总体最小二乘的地面LiDAR点云数据配准算法:通过对分割后的点云数据平面拟合,得到相应法向量;根据不同坐标系中LiDAR点云数据对应的平面法向量,利用反对称矩阵和罗德里格矩阵的性质,用3个独立参数代替3个旋转参数,采用总体最小二乘法建立旋转矩阵解算模型;采用总体最小二乘法确定平移参数的计算公式;最后根据转换后特征点云与对应平面点云的重复情况,给出了配准模型的精度公式。实验结果表明该方法精度较高,可以取得较好的点云配准效果,适合于含有大量重复平面特征的点云数据的配准。     

一种三维激光扫描点云拟合的抗差加权整体最小二乘法

针对三维激光扫描中点云不等精度且易受粗差影响的问题,提出了一种基于入射角定权的抗差加权总体最小二乘的拟合方法。该方法在采用入射角定权的基础上,进行基于标准化残差和中位数的抗差加权整体最小二乘估计,获得待定参数估值,并通过Gauss-Newton迭代算法,推导了模型的迭代计算方法。以平面拟合和球面拟合为例,分别通过仿真数据和实测数据对算法进行验证,结果表明,对于含有粗差的点云,新方法可以获得更为理想的参数估值,其性能优于抗差整体最小二乘和加权整体最小二乘,可以更好地进行三维激光扫描的点云拟合。     

基于椭圆约束的隧道点云滤波

针对激光LiDAR在隧道监测中隧道壁点云滤波问题,通过移动测量系统获取隧道点云数据,提出采用联合RANSAC和稳健最小二乘的点云滤波方法。首先根据移动测量航迹对点云进行里程赋值和断面切片划分,获得点云断面数据;其次通过RANSAC算法对隧道进行圆模型拟合,初步滤除加大粗差点。最后通过椭圆约束的稳健最小二乘进行精细滤波,滤除和隧道壁距离较近的粗差点,获得隧道壁点云,并拟合出隧道壁断面参数。对滤波结果进行精度评定和拟合结果的稳健分析,说明滤波结果的有效性和鲁棒性。     

点云数据拟合的partial EIV稳健加权总体最小二乘方法

针对点云数据拟合模型的系数矩阵存在随机元素与非随机元素的情况,利用基于partial EIV模型的加权总体最小二乘方法进行求解;同时考虑到获取的点云数据存在异常点的情况,采用以3倍标准差为阈值剔除异常点。通过实际算例表明,顾及异常点的partial EIV稳健加权总体最小二乘方法与传统的方法相比,能够获得更为精确的参数解,拟合精度更好。