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。     

无人机大比例尺测图像控点布设方案设计

随着无人机技术的快速发展,无人机航空摄影测量的精度也大大改善,以无人机为平台低空摄影测量大比例尺地图成为可能。本文以旋翼无人机搭载非测量型相机,通过布设不同数量像控点进行分析和研究,得到无人机摄影测量在农村地区像控点布设规律。结果证明在合理像控点布设的情况下,无人机测图数字成果空中三角测量、平面和高程精度均可满足1∶500、1∶1000、1∶2000大比例尺地形测图的精度要求。     

内点最大化与冗余点控制的无人机遥感图像配准

利用小型无人机进行遥感图像配准在自然灾害损害评估、环境监测和目标检测与追踪等领域发挥着至关重要的作用,但小型无人机的图像采集过程容易受风速/风向、复杂地形、电池容量、飞行姿态、飞行高度等自然或人为因素的影响。这些问题通常会导致捕捉到的场景重叠率低与图像非刚性畸变,在特征点提取过程中产生大量冗余点,增加了图像配准的难度。本文提出一种基于特征点的小型无人机图像配准方法,该方法的核心思想是在配准过程中识别冗余点,同时最大化可用内点数量。所识别的冗余点当作控制点,用于控制网格代图像的运动。最后通过最大化内点和合理移动控制点来恢复图像变换。本文使用50对小型无人机图像进行特征匹配和图像配准的实验,其中平均配准精度可达80.38%,并且本文方法在所有的情况下都优于5种当前流行算法。     

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。     

车载移动测量系统大比例尺测图精度控制研究

车载移动测量系统作为一种先进的测绘技术,已广泛应用于大比例尺测图项目中。SSW车载激光建模测量系统能够快速、高效、精确地完成大比例尺测图数据采集、处理等工作。不同比例尺对精度的要求不一样,而本文选择若干试验区,探讨不同的数据采集与处理方式对精度的影响,然后制订相应的精度控制方案,提高数据的精度,满足1∶1 000比例尺测图要求。     

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。     

空地技术结合地形图测图方法研究

车载移动测量系统可以快速、高精度地对测区进行三维激光扫描,但是因地物遮挡、视角限制,使得点云数据存在缺失;无人机航测具有高效率、高灵活性和低成本等优势,但是稳定性差,受天气影像严重,易导致影像不清晰或精度低。无人机航测技术可以弥补车载移动测量技术的采集盲区,后者可以发挥高精度的优点,二者技术联合应用,将极大提高测绘精度及生产效率。本文以某小区为例,进行了相关方法实验,对建筑物顶部或植被茂密处等扫描盲区,采用无人机航测补测,通过高精度激光点云对航摄影像进行纠正匹配,综合利用激光点云与航摄影像进行大比例尺测图。     

O2-O2云反演算法及其在TROPOMI上的应用

利用遥感技术对大气环境污染进行监测时,云是影响痕量气体反演精度的重要因素,因此在痕量气体反演中需要对云的影响进行校正,通常使用的云参数主要是有效云量和云压。本文基于O₂-O₂ 477 nm吸收波段构建了O₂-O₂云反演算法：首先,根据有效云量和云高与连续反射率和O₂-O₂斜柱浓度之间的对应关系,结合假定的云模型利用VLIDORT辐射传输模型建立关于有效云量和云压的查找表;然后,通过差分吸收光谱技术拟合卫星载荷观测的大气层顶辐射,获得O₂-O₂斜柱浓度并计算连续反射率;最后,结合辅助数据,根据查找表进行插值反演获得有效云量和云压。通过将算法应用到OMI观测数据,将反演结果与OMCLDO2产品进行对比验证,有效云量和云压空间分布一致,相关系数R均超过0.97;并还将该算法应用于下一代大气成分监测仪器TROPOMI,与FRESCO+产品对比,有效云量和云压空间分布基本一致,当地表类型为海洋时,有效云量相关系数R大于0.97,云压相关系数R大于0.94,云压反演结果存在一定的区别;通过将O₂-O₂云反演算法和FRESCO+云压反演结果与CALIOP Cloud Layer产品进行对比,结果表明,在低云情况下,O₂-O₂云反演算法线性回归方程斜率为0.782,截距为198.0 hPa,相关系数R为0.850,算法表现优于FRESCO+。而在高云情况下,FRESCO+反演结果更接近CALIOP云压结果。在OMI和TROPOMI上的应用表明O₂-O₂云反演算法在大气云反演中具有较高的准确性和可行性,可以为大气痕量气体反演的校正提供云参数,并为中国同类型卫星载荷的云反演算法提供算法参考。     

利用机载点云检核ICESat-2/ATLAS激光测高数据精度

美国第2代激光测高卫星ICESat-2已经公开发布数据,能够提供剖面状密集点云,但其平面/高程精度还未得到充分验证。全球开源DEM或卫星光学立体影像生成的DEM精度远低于星载激光测高数据,无法实现激光精度检核。本文使用机载激光雷达/光学立体影像数据开展ICESat-2卫星ATLAS精度验证,通过单光子点云去噪、剖面地形恢复和数据内插等手段,对国内舟山、上海和汉中等不同地形条件下的星载光子计数激光雷达数据进行对比分析。实验结果表明, 6组ATLAS点云高程的均方根误差分别为0.43、0.65、0.72、0.53、0.45和0.77 m,平均值达到0.59 m,具备较好的高程精度。     

基于计算机视觉的头足类角质颚特征研究Ⅰ:轮廓与特征点提取

轮廓与特征点研究是头足类角质颚形态特征鉴别的基本方法,对于轮廓与特征点的提取最常用的方法是手动描绘与标定,利用计算机视觉进行轮廓与特征点的提取,不仅可以降低手动提取带来的误差、提高准确性,而且更加快速、便捷。文章将利用计算机视觉提取头足类角质颚的轮廓与特征点,首先将自制装置拍摄得到的角质颚三视图放入MTALAB软件中进行编程处理,然后利用Canny算法提取角质颚轮廓,最后根据地标点的定义标定特征点位置并建立空间坐标系得到角质颚的特征点坐标。研究结果显示,利用计算机视觉提取角质颚的轮廓图像以及特征点坐标是可行的,当标准差σ取值为0.1时角质颚轮廓图效果最佳,在得到的轮廓图上进行特征点的标定,通过迭代遍历轮廓图获得各个特征点的空间坐标。研究分析认为,将计算机视觉应用于头足类角质颚形态学的研究可以提高研究的便捷性,同时也为后续的研究提供了新的实验思路和方法。