基于建筑角点的机载和车载点云数据配准

提出一种基于建筑角点的机载和车载点云数据配准方法。首先采用随机抽样一致性算法(Random Sample Consensus,RANSAC)对建筑面片进行稳健估计,结合建筑轮廓在二维平面上投影的拟合直线,解算出建筑角点的三维坐标。利用提取到的同名角点,采用六参数转换模型计算机载和车载点云数据间的空间转换参数,进而完成机载和车载点云数据的配准。实验表明,该方法能有效地提取建筑角点,实现机载和车载点云数据的精确配准。     

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。     

四元组标靶辅助下的RGB-D室内点云配准

面向室内弱纹理三维重建需求,本文以RGB-D摄影测量技术获取室内点云为基础,提出了四元组标靶辅助的点云配准方法。该方法首先通过阈值筛选大曲率点,自动识别邻接点云中的辅助标靶,然后采用随机采样一致性表达方法,拟合标靶参数及其中心坐标,并根据拟合参数匹配同名标靶中心,通过刚性转换完成邻接点云粗配准。在此基础上,迭代估算邻接点云间的重叠区域,优化点云间的配准参数,从而实现点云精配准。利用Kinect相机获取两类室内场景各12站点云对本文方法进行测试,试验结果表明,配准后的多站点云间距最大均方根误差优于一个采样间隔,证明了该方法在弱纹理室内点云配准中的可靠性。     

基于罗德里格矩阵的车载激光点云与全景影像配准研究

提出一种基于罗德里格矩阵的车载激光点云与全景影像的配准算法,该方法利用车载GPS/IMU获取全景影像投影中心的初始位置,并采用共线条件方程描述全景投影中心、全景影像像点和同名激光点云间的几何关系,最后基于罗德里格矩阵变化法实现配准参数的解算。试验结果表明,本文提出的车载点云与全景影像的配准方法计算简单,并具有较高的配准精度。     

使用安置参数优化的无人机点云与影像精配准

针对现有的无人机激光点云与影像配准方法主要基于仿射变换建立点云与影像之间的配准模型,无法描述激光点云与影像之间的复杂变换关系问题,该文提出一种基于安置参数优化的无人机激光点云与光学影像精确配准方法.以相机安置参数为优化参数,以归一化互信息作为点云特征影像与光学影像之间的相似性测度,采用改进Powell算法作为优化策略,获得最优配准参数,实现无人机激光点云与无人机影像之间的精确配准.基于实验数据与现有两种配准方法进行精度对比.实验表明,基于相机安置参数优化的配准方法优于两种常规配准方法,可以实现无人机激光点云与光学影像之间的自动化配准,并达到像素级的配准精度.     

最邻近曲面约束的近景光学影像与地面激光点云几何配准

提出一种以最邻近曲面为约束的近景光学影像与地面激光点云高精度配准方法。根据光学影像生成三维稀疏点云,以影像三维稀疏点邻近的激光点拟合的曲面为约束,结合共线条件方程建立影像三维稀疏点云与三维激光点云间变换模型,通过平差迭代解算实现光学影像与激光点云的高精度几何配准。该方法只需提供初始配准参数,无需对激光点云数据进行特征提取和分割,并且基于曲面约束有效地解决了两个点集之间难以精确确定同名点的问题。通过实际数据试验表明该方法能获得很好的配准精度。     

多视点散乱点云配准及压缩改进算法研究

针对多视点散乱点云数据,提出基于控制网的球靶标特征配准办法,并对配准后的原始数据进行基于特征保留的优化压缩,最后得到完整简洁的点云模型。利用扫描仪、全站仪获取球靶标同名点坐标,并计算出每站6个转换参数,将所有数据转换到所需的控制网坐标系下;压缩算法利用点云分块技术提高散乱点邻域的搜索效率,并计算点法矢、曲率,根据精简准则保留特征点,最后以八叉树理论为基础,细化网格直至最小网格达到要求,保留最小网格中具有代表性的一个点,删除其他点,完成数据精简。试验结果表明,配准方法中控制网的采用能够实现坐标系的转换,球靶标的运用能明显提高配准模型的精度和效率,压缩算法实现了点云数据的特征保留。     

地面LiDAR点云数据先局部后整体配准方法

针对地面LiDAR获取的庞大点云数据,提出无人工标志的地面LiDAR点云先局部后整体的配准方法。分割出待配准的两测站重叠区域小块点云,采用基于KD-Tree遍历最近邻域点集的ICP算法计算三维坐标转换参数,实现地面LiDAR点云数据的快速配准。     

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。     

基于几何特征约束的建筑物点云配准算法

针对人工建筑物表面存在的几何特征关系提出了基于几何特征约束的建筑物点云配准算法,根据点云数据中平面与平面重合关系,推导点在平面上和平面法线平行的2种线性不等约束条件。在6独立参数模型中增加几何特征约束的不等约束条件组成了附有约束条件的配准模型。通过对建筑物3维激光扫描点云数据的采集和处理,详细分析了几何特征约束配准算法的处理结果。试验结果分析表明几何特征约束条件可以合理地改善3维空间转换参数解算结果,提出的配准模型较适合于人工建筑物点云数据的配准。     

直线特征约束下利用Plücker坐标描述的LiDAR点云无初值配准方法

经典的基于点状特征匹配的地面激光雷达（light detection and ranging,LiDAR）点云配准算法实现过程中,点状特征的提取精度对算法运行结果的影响通常较大;基于迭代运算的LiDAR点云配准算法计算量大,对未知参数的初值依赖程度较高,在求解大转角刚体变换参数时算法不稳定。对此,提出了一种线状特征约束下基于Plücker直线坐标描述的LiDAR点云配准算法。立足于经典的向量代数与对偶四元数的相关理论与方法,分析并确定了Plücker直线坐标与对偶四元数之间的相互转换关系以及模型描述方法;以LiDAR点云配准前后同名线状特征的Plücker直线坐标相等为约束条件,构建了线状特征约束下基于Plücker直线坐标描述的刚体变换模型;立足于最小二乘基本准则,通过目标函数的极值化分析实现了线状特征约束下地面LiDAR点云配准参数的直接求解。实验结果表明,所构建的基于Plücker直线坐标描述的地面LiDAR点云配准模型,无需事先确定变换参数的初值,避免了多元函数的线性化过程,解除了参数结果对于迭代初值的依赖,理论上克服了迭代法在求解大转角相似变换参数时的算法不稳定问题。此外,较之单纯基于点状特征匹配的LiDAR点云配准算法,该算法可以有效地增强LiDAR点云配准过程的约束,达到提高配准质量的目的。     

利用MPI实现多幅点云ICP并行配准

迭代最近点算法（ICP）是一种用于点云精确配准的经典算法。针对多幅点云进行ICP配准存在耗时多、效率低的问题,本文利用消息传递接口MPI对多幅点云进行分批并行配准。首先并行求解相邻两幅点云的相邻变换矩阵,然后计算每幅点云在当前批次的局部变换矩阵,最后获得每幅点云的全局变换矩阵。本文以DELL PowerEdge R730服务器为计算平台,对空间点总规模达四千多万的65幅点云进行了分批并行配准。试验结果表明：利用MPI对多幅点云进行分批处理可显著加快配准速度,最优进程数为计算机的核数时,加速比为5.3。     

利用距离变换模型进行卫星影像与激光点云精配准

卫星影像可以低成本、高频率地提供地物光谱特性观测信息,而激光点云可以提供精细的几何结构,两类数据的融合可以实现优势互补,进一步提高地物分类和信息提取的精度和自动化程度。实现亚像素级精度的几何配准是实现两类数据融合的前提,提出了一种基于线元素距离变换模型的快速配准方法。该方法以点云为控制源,将点云中的建筑物边缘等典型线元素通过卫星影像的初始有理多项式系数(rational polynomial coefficient, RPC)投影到像方空间,与卫星影像中的线元素进行迭代最近点配准,从而通过RPC参数精校正的方式实现几何配准。采用距离变换模型作为迭代最近点搜索的查找表,提高了运算效率;采用最新的渐进式鲁棒求解策略,能在噪声极多的情况下保证配准的鲁棒性。采用GeoEye-2、高分七号、WorldView-3等卫星影像与激光点云进行了配准实验,并分别通过人工精确量测的外业控制点和作业员内业刺的控制点作为检查,证明所提方法能在3种影像上达到0.4～0.7 m的配准精度,显著优于将点云映射为二维图像然后通过多模态匹配进行配准的策略。     

基于罗德里格矩阵的三维激光扫描点云配准算法

本文提出了一种基于罗德里格矩阵的激光扫描点云配准直接计算方法。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个旋转角参数建立一种新旋转矩阵解算模型,推导出旋转变换误差方程,确定平移参数的计算公式。通过实验分析了坐标转换模型的精度和点云配准效果,结果表明该算法精度高,计算过程简单,可以准确地解算出三维坐标转换参数。     

An integrated approach for modelling and global registration of point clouds

Point cloud acquisition by using laser scanners provides an efficient way for 3D as-built modelling of industrial installations. Covering such an installation with point cloud data often requires data acquisition from multiple standpoints. Before the actual modelling can start the transformation parameters of all scans need to be determined. Two methods to register point clouds of industrial scenes with different coordinate definitions are presented. Corresponding object models in different scans are used to determine the translation and rotation parameters of the scans. The first method, called Indirect method, is a two-step approach as object fitting and registration of the scenes is done separately. The second method, called Direct method simultaneously determines the shape and pose parameters of the objects as well as the registration parameters. Both methods are designed such that optimal use can be made of the knowledge of shapes present in industrial environments. Compared to ICP the presented approach combines registration and modelling and thus avoids the accumulation of errors. Furthermore, the simultaneous registration of multiple scans is possible. The presented approaches are based on non-linear least squares and provide quality measures in the form of covariance matrix of the estimated parameters, which can be used to decide if more scans are needed, and how and where they should be captured. Results are presented on some point cloud data-sets from actual industrial sites, where registration was done without using any artificial targets.     

基于探测球的固定式扫描海量点云自动定向方法

地面固定式扫描点云首先要将自由坐标系的点云纳入国家坐标系,而单站扫描的点云数据量极大,无法在可视环境下进行拼接。针对现有方法对海量点云拼接的不足,提出一种基于探测球的固定式扫描海量点云自动定向方法,该方法通过数据关联技术读取海量点云、建立标靶搜索环、球拟合确定标靶候选点、全组合距离匹配法确定同名点及坐标转换参数解算等,完成点云的自动定向过程。通过实验验证文中算法的有效性及可行性。     

一种地面激光雷达点云与纹理影像稳健配准方法

为了使地面激光雷达点云得到真实和高分辨率纹理,需要对目标进行全方位的拍照。这时点云和影像的配准会出现大角度的问题。同时,由于控制点选点误差、仪器误差等,配准精度往往不能满足要求。针对以上问题,本文提出一种稳健的配准方法。首先,应用重心化的空间相似变换模型和正交旋转矩阵与反对称矩阵的关系推导解算配准参数角元素的模型。将配准结果当作初始值。然后,应用一种基于共线方程的改进丹麦法选权迭代法进行降权精确配准,确定配准参数的精确值。试验表明,本文方法稳定性强、配准精度高,适合任意角度影像与点云的高精度配准。     

应用Hessian-Affine的遥感图像配准实验

针对存在云雾遮挡、仿射变形的遥感影像,本文提出应用Hessian-Affine与最大信息熵,检测并筛选仿射不变特征,同时选刺同名点估计初始变换参数,对每一个待匹配点预测出一定圆域约束内的对应匹配点集,利用NCC相关系数迭代确定圆域内真同名点,得到初始匹配点集,然后利用均方根误差(RMSE)迭代剔除误匹配,直至完成最佳仿射变换参数估计。结果表明:该算法对发生仿射畸变、气候复杂区域的影像配准表现出较好稳健性和定位精度。