两种高速铁路激光点云的采集拼接方法

研究围绕地面三维激光扫描点云数据的拼接问题,在某段高速铁路设计并实施了标靶拼接和控制点拼接两种不同模式下的点云数据采集和拼接试验,结合点云处理软件对点云数据进行拼接处理,分析了拼接精度和数据采集拼接的整体作业工作量等。结果表明,在相同的扫描条件下,基于控制点拼接的点云数据,精度优于基于标靶拼接的点云数据;在高速铁路等带状工程点云采集拼接中,控制点拼接模式下整体工作效率高于标靶拼接。本次试验所显现的控制点拼接的高精度和高效率等的优势,可为三维激光扫描仪在铁路点云采集和拼接作业提供有利参考。     

基于视觉追踪技术的三维点云自动拼接方法及精度分析

三维点云拼接是三维扫描测量内业处理一个重要环节,拼接效率及精度直接影响后续点云的应用。常用的点云拼接方法需要人工通过控制点、标靶或空间特征点对不同测站的点云进行匹配、拼接。基于视觉追踪技术的三维激光扫描仪的出现,改变了传统三维激光扫描作业模式,外业无需架设标靶或控制点,点云拼接自动完成,无需人工干预,大大提高了作业效率。对基于视觉追踪技术的扫描仪进行测试,对其自动拼接的点云,与人工分别基于空间视图和特征点进行拼接的点云进行精度对比分析,得出结论:基于视觉追踪技术的三维点云自动拼接精度,与基于空间视图和特征点的点云拼接精度一致。     

多站激光点云数据全自动高精度拼接方法研究

目的 针对目前多站点云数据拼接存在的效率低和自动化程度低等问题,提出了基于地面激光点云强度信息的2D-3D点云数据高精度全自动拼接方法。首先,将强度信息通过三次样条插值算法生成二维影像,采用基于图形处理器(GPU)的加速尺度不变特征变换(SIFT)算子匹配得到二维同名特征点,剔除粗差;然后,反算得到特征点在三维点云中的坐标,并通过三维空间法向量对三维同名特征点进行精炼。利用精炼的三维特征点进行多站点云数据拼接,可提高多站点云海量数据拼接的精度和效率。     

基于ED-SIFT算法的高分辨率遥感图像快速拼接

基于特征点检测的高分辨率图像拼接运算量大、速度慢,改进后可以提高效率。从减少参与SIFT计算的数据量和优化算法两方面实现图像拼接加速。建立基于ED-SIFT的图像拼接算法,图像边缘检测优选Soble算子;使用Python+OpenCV,对WorldView3切片数据进行拼接实验,平均耗时为0.96 s;与传统基于SIFT的图像拼接算法相比,在保证一定数目的特征点同时,速度加快9.47倍。使用该算法对重叠率为20%、65%、80%的切片数据拼接成功,平均耗时都在0.96～1.08 s。继续用OpenCV+Numba并行运算实现该算法,对运算提速已不明显。基于ED-SIFT的图像拼接算法对高分辨率遥感图像拼接提速明显,对不同重叠率图像拼接皆有效。     

剔除误同名点的约束改进ICP算法

ICP算法及其改进算法可以自动精确地将多视点云拼接在一起,但ICP算法收敛速度较慢,且容易收敛到局部极值。针对有粗略拼接和无粗略拼接的多视点云两种情况,为了提高ICP算法的收敛速度,该文分别提出了点对坐标约束法和自适应阈值法来剔除错误的同名点对。通过实验数据对提出的算法进行了验证,结果显示新算法提高了收敛速度。     

自由设站法在点云拼接中的应用

为方便三维点云数据的统一管理和工程应用,需要为其提供统一的坐标基准。在数据采集阶段,对于在控制点可通视的测区内,可利用后视定向的方法完成点云扫描测量工作。针对控制点无法通视的测区,本文提出基于全站仪三维自由设站控制测量的方法,建立间接设站点平差模型并进行平差,进而解算标靶点坐标,利用标靶将扫描点转换到绝对坐标系中。试验结果表明:标靶坐标的测量精度和点云拼接的精度符合要求。在测区观测条件不好的情况下,自由设站法的应用为点云拼接提供了一种可行的方法。     

融合语义特征与GPS位置的地面激光点云拼接方法

拼接是地面激光点云数据处理的必要步骤,但基于同名点的点云拼接方式已成为阻碍点云处理效率提升的长期瓶颈,而直接匹配点云识别同名特征的方法亦对点云重叠区域具有较高的要求。本文提出一种融合语义特征与GPS位置的地面激光点云拼接方法,通过语义知识自动识别出原始三维点云中所包含的地面特征与建筑物立面特征,并使用这两种面状特征结合点云测站中心的GPS位置作为同名标靶进行点云初始拼接,随后使用点到面最小距离约束下的ICP进行点云精确拼接。实验表明,本方法可以有效提高地面激光点云拼接的整体效率,尤其对于包含平面结构（如马路、建筑物）的场景具有良好的拼接效果。     

基于相关系数的遥感图像拼接线检测算法

提出了一种基于相关系数方法的遥感影像最佳拼接线的检测算法.该算法根据影像重叠区域内两幅影像对应像素的相关性来判别像素之间纹理差异,结合了影像亮度差异的信息,检测出的镶嵌线优于平分线法检测出的镶嵌线.以4幅相邻影像自动寻找镶嵌线为例进行了实验,取得了良好的效果,验证了算法的实用性与有效性.     

基于激光反射率的点云与图像自动融合

提出一个基于激光反射率的点云图像自动融合算法,数字图像与点云反射率图像特征点匹配,得到数字图像特征点像点坐标和相应物点物方空间坐标对,采用直接线性变换算法(DLT)建立点云数据反投影至二维图像点的投影模型,实现点云图像自动融合,得到目标表面的全面信息,包括物体表面三维坐标和纹理信息。自动地实现点云图像融合,无需人工参与,提高效率和准确率,同时结合实验验证该算法的可行性。     

顾及地形特征的LiDAR点云数据快速处理算法

提出了一种基于地形特征的点云简化算法,首先根据图像学差分算子提取点云中的地形特征点,再以地形特征点作为种子点建立TIN模型进行迭代简化,并对算法中存在的计算效率低下的问题进行优化。采用两组数据进行算法有效性测试,并与经典的距离-高差简化算法结果进行对比。结果表明,该算法在地形复杂的区域有更好的简化效果。     

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。     

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。     

利用影像辅助LiDAR点云数据的建筑物提取方法研究

机载LiDAR作为一种新兴的对地观测技术,能够快速地获取地表三维信息。如何从海量LiDAR点云数据中提取建筑物是数据处理中的一项关键工作。本文结合LiDAR数据和航空影像的数据特点,提出了一种航空影像辅助的LiDAR点云建筑物提取方法,首先,采用面向对象方法从航空影像中提取建筑物的轮廓;然后,以建筑轮廓信息为参考,从LiDAR点云中提取建筑物的点云数据;最后,通过实验证明该方法的有效性与可行性。     

一种闭合条件约束的全局最优多视点云配准方法

针对已有多视点云配准存在的问题,提出了一种严密的闭合条件约束配准方法。该方法首先采用"点-切平面"迭代最近点算法分别求解各对应点云间的坐标转换参数;再以单站点云为配准单元,并将转换参数视为随机观测值构建条件方程,采用条件平差方法对转换参数作改正以达到全局最优。通过地面三维激光扫描仪实测两组点云数据进行试验,验证了该方法有效且可行。试验结果表明,对采样间隔为毫米级和厘米级的点云,增加扫描重叠度能够提高配准精度和可靠性。     

不同测站点云数据的配准算法

随着三维激光扫描技术的发展,利用三维激光扫描仪采集信息,构建三维模型成为了热门的课题。由于受到观测环境、观测方向等影响,无法一次性地获得物体的所有的点云数据。因此,不同视角下点云数据的配准成为了三维建模中的关键技术,直接影响了最终的重合结果以及模型精度。本文着重研究主方向贴合法和最近点迭代算法(ICP算法),基于matlab平台编写算法,并对算法进行研究,得出配准结果以及配准精度。     

一种由粗到精的地面激光点云多层级配准方法

提出了一种综合利用快速点特征直方图(FPFH)描述符和同名点引导ICP优化的地面激光扫描(TLS)点云配准方法。该方法包括3个步骤:1)点云金字塔构建;2)基于FPFH的粗配准;3)同名点引导的ICP精配准。首先使用体素网格滤波器构造点云的金字塔结构,在粗配准时,FPFH描述符用于金字塔顶层上点云的鲁棒匹配,在此基础上,再进行两层级同名点引导的ICP精配准优化,使用3组典型TLS点云对进行实验,结果表明本文方法可以高效地完成TLS点云的配准。     

海量散乱点云快速压缩算法

提出基于切片的海量散乱点云快速压缩方法,对点云进行分层生成切片点云,对每层切片点云使用弦高差法筛选利于表现形状的重要点,实现快速压缩。通过实验讨论参数对压缩结果的影响,并给出最佳参数值选择依据。对本方法和传统方法的压缩效果进行对比,证实本方法在实现高效压缩的同时能保留大量的特征细节。     

一种带几何约束的大幅面遥感影像自动快速配准方法

针对大幅面遥感影像的配准需求,提出了一种带有几何约束的大幅面遥感影像快速自动配准方法。该方法首先结合遥感影像空间地理信息构建影像粗配准模型;然后在粗配准模型的约束下,通过对大幅面遥感影像进行规则格网划分,结合改进的SIFT算法和并行策略实现影像精配准。实验结果表明,本文方法能提高影像的配准效率,且配准精度较高,适用于大幅面遥感影像之间的配准。     

低空UAV激光点云和序列影像的自动配准方法

提出了一种低空无人机(unmanned aerial vehicle,UAV)序列影像与激光点云自动配准的方法。首先分别基于多标记点过程与局部显著区域检测对激光点云和序列影像的建筑物顶部轮廓进行提取,并依据反投影临近性匹配提取的顶面特征。然后利用匹配的建筑物角点对,线性解算序列影像外方位元素,再使用建筑物边线对的共面条件进行条件平差获得优化解。最后,为消除错误提取与匹配特征对整体配准结果的影响,使用多视立体密集匹配点集与激光点集进行带相对运动阈值约束的ICP(迭代最临近点)计算,整体优化序列影像外方位元素解。试验结果表明本文方法能实现低空序列影像与激光点云像素级精度的自动配准,联合制作DOM精度满足现行无人机产品1∶500比例尺标准。     

一种用于机器视觉检测的图像配准快速算法

图像配准是机器视觉检测的关键步骤之一。针对产品包装印刷质量检测，文中提出了一种新的图像配准算法。其基本思想是：首先进行图像概略匹配得到特征点的概略位置，接着进行特征点的精确检测，根据检测到的对应特征点坐标计算转换参数，最后生成配准图像。实验表明，该算法计算速度快，具有较好的精度和稳定性，适用于在线机器视觉检测等对速度要求高，而图像只有小角度旋转的情况。