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。     

异形建筑的无人机点云与地面三维激光扫描点云配准

高耸的异形建筑适合用三维激光扫描仪进行测量建模。但在实际运用中,地面三维激光扫描仪因视角受限,会导致点云模型缺失。而无人机倾斜摄影点云虽较为完整,但底部较差且精度较低。将两种点云模型进行配准,可完善单一点云模型的不足。但两者配准的难点为两种点云模型的精度、密度、尺寸的差别和两种坐标系存在任意角度的偏差。针对这一难点,本文论述了点云配准的流程,介绍了两种点云的配准参数及计算方法,选择两种点云的重叠部分进行高精度同名区域的划分,在同名区域中选取同名特征点对同名区域进行配准。选取某异形建筑天宝阁进行试验,对比分析了本文方法,验证了本文方法的有效性。     

地面激光雷达点云数据乔灌分离方法研究

针对当前基于地面激光雷达点云数据的乔灌分离方法在不同环境中很难准确地实现分离的问题,提出了一种粗分离和精分离相结合的方法：先对点云数据进行预处理;结合法向量和支持向量机对此进行粗分离;利用RANSAC算法拟合圆柱、结合格网点云数标准差变化筛选乔灌,以及基于点云数标准差的自适应DBSCAN进行最终的精分离。选取了8块不同生长环境的样地进行测试,其乔木提取株数准确率均高于93%。实验结果表明：该方法能够实现不同环境下的地面激光雷达点云高效准确地乔灌分离,并与现有的传统方法相比,其精度和效率更高、普适性更强,为后续植被参数、林木株数准确提取奠定了基础,具有广泛的应用前景。     

基于影像的地面激光点云数据分类

为了完成地面激光点云数据的分类工作,不同于传统方法利用点云的几何特性和辐射信息,本文利用非量测相机获取影像数据实现点云的分类。首先,通过相机检校获取相机的参数,从而得到影像内方位元素;然后,将影像与点云进行配准,计算出影像的外方位元素;最后,对上述参数进行优化,实现二维影像与三维点云信息的融合,进而完成点云分类。实验表明该方案可实现地面激光点云数据的分类。     

基于线特征的鱼眼图像与地面激光雷达点云配准

地面激光扫描数据(LiDAR)与全景图像进行联合分析在虚拟场景建设、文化遗迹保护等方面有较高的应用价值.将全景图像在其视点与LiDAR点云对齐是开展两种数据联合分析的基础,但需要克服数据维度差异转换和特征匹配的困难.本文提出了基于线特征的半自动配准方法纠正图像,将鱼眼图像和LiDAR点云投影为透视成像的柱面全景图像,采...     

地面激光雷达的单木真实叶面积指数提取

针对已有的测量叶面积指数(LAI)的方法中,LAI测量结果受其定义、采样方法、数据分析和仪器误差等影响产生极大差异的问题,该文使用地面激光雷达(TLS)提取LAI,对北京林业大学校园内具有代表性的单株树木进行了扫描,通过对数据预处理提取出树冠点云,将其模拟为半球图像后运用球极平面投影和Lambert方位角等面积投影两种投影方法,通过统计面积的方法分别计算不同投影方法和图像划分方法下的孔隙率,进而计算出真实叶面积指数。同时与利用叶面积指数仪LAI-2000所测得的数据进行对比。研究结果表明,地面激光雷达提取单木真实叶面积指数与实测值对比,两种投影下18个环的图像划分方法均更接近真实值,其中在Lambert方位角等面积投影下计算结果更准确。     

基于改进ICP算法的点云配准研究

引入了基于点的曲率相似度度量的点云初匹配,提出了基于 kd-tree和随机平均采样的改进ICP算法,完成了点云的精配准。通过实验验证了改进ICP算法在效率上的明显提高及精度上的稳定性。     

车载激光雷达点云与全景影像的自动配准

针对激光雷达点云数据缺乏纹理信息的问题,该文提出一种基于互信息的车载激光雷达点云与全景影像配准方法。该方法使用统一的球面全景成像模型,引入互信息作为相似性测度,将车载激光雷达点云生成的深度图与信息提取后的全景影像进行配准,实现配准参数的自动、高精度解算。同时,对车载激光雷达点云与全景影像配准的精度进行评定与分析。实验结果表明,车载点云与全景影像的配准方案是可行的,具有较高的配准精度。     

不同场景的地面激光点云配准方法研究

实际生产中经常需要配准不同场景的激光点云数据,针对现有的算法难以取得理想的效果的问题,本文提出了一套结合点与线特征的粗配准及多站平差精配准算法。通过提取更加有效的交线特征,结合点特征,完成对不同场景数据的粗配准。对于无闭合环、无标靶的多站地面点云数据,基于局部闭合环的特点利用平差原理完成对多站平差,合理分配由两站拼接引起的累积误差。对3组不同场景数据的配准试验表明了该法的稳健性与精确性,其中粗配准精度可达0.4 m,精配准可达0.1 m。     

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。     

地面激光点云与数码影像自动高精度配准

针对地面激光雷达点云和数码光学影像非同源异质数据自动配准困难的问题,本文提出了基于互信息的两种数据同名特征高精度自动提取的方法。首先,把点云数据生成中心平面投影的反射强度图像和基于RGB信息的彩色图像,应用点云彩色图像和数码光学影像的匹配,确定点云与影像的粗配准参数;然后,对反射强度图像进行特征提取,应用粗配准参数确定其在数码光学影像上的初始位置,应用互信息实现非同源数据的高精度匹配;最后,应用罗德里格矩阵和选权迭代方法计算高精度配准参数,生成三维彩色模型。试验证明,本文方法可以解决地面激光点云和数码光学影像非同源异质数据的配准问题,具有一定的研究和应用价值。     

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。     

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。     

基于可移动角点的航空和地面LiDAR数据配准

针对航空和地面LiDAR数据配准中点云数据的共轭特征较少且精度差异较大的问题,提出了一种基于可移动角点的航空和地面LiDAR数据配准方法:从航空和地面LiDAR数据中分别提取相应的建筑物角点,采用6参数模型对角点进行初始配准;以地面角点为参照,利用迭代移动方法对误差较大的航空角点进行修正;最后根据移动后的航空和地面角点计算获得点云配准关系。实验结果表明,该文方法可取得较好的点云配准效果,角点修正后能有效提升点云配准精度,适合于含有角点特征的航空和地面LiDAR数据配准。     

面向对象的车载LiDAR点云滤波方法

针对经典的机载LiDAR点云数据滤波方法不适用于车载LiDAR点云数据滤波的问题,该文提出了一种基于点云分割的不规则三角网渐进加密滤波方法。首先,剔除粗差;然后,进行点云分割;最后,以分割对象为基本判别单元,迭代地进行地面对象的识别。采用两个场景的车载LiDAR点云进行滤波实验。实验结果表明,本文滤波方法的总误差明显小于经典的不规则三角网渐进加密滤波方法。     

半自动机载LiDAR点云建筑物三维重建方法

针对全自动建筑物3D重建存在需要后续人工检验,且发现重建错误需要花费额外时间修改的问题,提出了一种半自动的面向对象的机载LiDAR点云建筑物3D重建方法。基于建筑物类别点云的联通分析和平面生长分割结果,提出了自动的建筑物栋数检测、单栋建筑物外轮廓提取、单栋建筑物内部结构线提取方法;同时,在计算机无法完成部分工作时,人工辅助计算机完成高程阶越线提取、识别建筑物屋顶附属物点云等工作。实验证明,该方法可以适用于高密度机载LiDAR点云数据中城区大部分建筑物的3D模型重建。     

一种机载激光雷达道路点云的半自动提取方法

针对直接从LiDAR点云数据中提取道路信息比较困难的问题,文章提出了一种基于点云分割和区域生长的机载LiDAR数据道路点云提取方法:采用曲面生长法对点云进行分割,直接得到包含道路信息的曲面点集合;应用LiDAR数据的回波强度对分割结果中的道路进行强度标定,并采用区域增长的思想实现了道路的精细提取。实验表明,该方法能够高效、准确地提取道路点云,在路桥建模方面有较强的使用价值。     

地面LiDAR技术与移动最小二乘法在三维建模中的应用

地面LiDAR不仅能够快速获得建筑物表面精确三维坐标点云信息,并且利用自身所携带的相机同时采集建筑物的影像信息,这使得地面LiDAR在城市三维建模与古建筑精细模型制作中得到广泛应用。然而地面Li-DAR采集的点云数据巨大,离散点之间没有关系,这给建模带来了困难。本文通过将地面LiDAR数据进行预处理得到建筑物点云数据,再通过移动最小二乘法来拟合建筑面构建建筑物模型,实验证明移动最小二乘法拟合得到的建筑物模型光滑准确,能够将建筑物的细节信息表达出来。     

Automated registration of dense terrestrial laser-scanning point clouds using curves

This paper proposes an automatic method for registering terrestrial laser scans in terms of robustness and accuracy. The proposed method uses spatial curves as matching primitives to overcome the limitations of registration methods based on points, lines, or patches as primitives. These methods often have difficulty finding correspondences between the scanned point clouds of freeform surfaces (e.g., statues, cultural heritage). The proposed method first clusters visually prominent points selected according to their associated geometric curvatures to extract crest lines which describe the shape characteristics of point clouds. Second, a deformation energy model is proposed to measure the shape similarity of these crest lines to select the correct matching-curve pairs. Based on these pairs, good initial orientation parameters can be obtained, resulting in fine registration. Experiments were undertaken to evaluate the robustness and accuracy of the proposed method, demonstrating a reliable and stable solution for accurately registering complex scenes without good initial alignment.