排序方式: 共有16条查询结果,搜索用时 0 毫秒
1.
2.
车载激光扫描可快速获取大场景点云,由于存在视场限制和遮挡,需地面激光点云作补充。车载与地面点云分别位于大地坐标和局部坐标系统,本文提出结合遗传算法(genetic algorithm,GA)和(iterative closed point,ICP)的自动点云配准方法以统一基准。ICP采用局部优化,效率较高,但依赖初始解;GA为全局优化方法,但效率低。融合策略为当GA配准趋于局部搜索时,采用ICP完成配准。GA配准以地面激光扫描仪内置GPS测量粗略位置限定优化搜索空间。为提高GA配准精度,提出了最大化归一化匹配分数之和(normalized sum of matching scores,NSMS)配准模型。实测数据试验验证了NSMS模型的有效性,GA配准均方根误差(root mean square error,RMSE)为1~5 cm;融合配准比GA配准效率高约50%。 相似文献
3.
4.
基于同步定位与制图(simultaneous localization and mapping,SLAM)技术的激光扫描系统具有成本低、效率高的优点,近年来在测绘领域得到了广泛关注。虽然基于SLAM技术的激光扫描系统能够实现实时数据获取,但该数据获取方式难以保证点云精度,不同位置获取的同一地物的点云存在位置不一致。为了提高该类系统所获点云精度,本文提出一种分层次点云全局优化方法。该方法首先通过"点-切平面"迭代最近邻算法对重叠点云进行配准,形成扫描系统轨迹间的约束;然后构建位姿图对轨迹进行优化,利用优化后的轨迹对点云进行修正。算法通过将优化过程分解为局部和整体两个层次以提高计算效率。试验结果表明,优化后点云同名点对间的距离中误差减小约50%,内部不一致现象得到有效消除。 相似文献
5.
车载激光扫描技术能够高效率、高精度、低成本地获取城市三维地理数据,是最先进的三维地理数据获取手段之一。车载激光扫描系统的精确外标定是获取高精度车载激光点云的前提;通常采用建立三维控制场的方法对车载激光扫描仪进行外标定,该方法灵活性差,且需要耗费大量人力物力建立三维控制场。针对此,提出一种无需地面控制点的车载激光扫描系统外标定模型及参数解算方法,该方法利用车载激光扫描系统对同一地物多次扫描的激光点云需重合作为约束条件,使用LM(Levenberg-Marguardt)最优化算法解算标定参数,使用该方法对车载激光扫描系统进行了外标定,并用实测控制点验证了标定后系统的定位精度。 相似文献
6.
7.
9.
介绍了一种自然光环境下目标提取的方法:在分析自然光下CCD相机获取图像中噪声的特点的基础上,发现被测目标经测量场中特定纹理背景调制后.可以采用差分算法提取图像中的目标及其位置。实践证明,该方法在目标提取中抑制自然光的干扰是有效的和可靠的。 相似文献
10.