基于三维激光扫描的大型建筑物重构

三维点云数据的准确配准拼接与坐标转换是确保大型建筑物重构精度的关键.文章利用Scan Station2三维扫描仪对大型建筑物进行多测站扫描与配准拼接,分析了平面标靶与特征点配准的误差来源,提出了改进的特征点配准方法及坐标转换策略,并实例验证了该方法的有效性与优越性.     

基于外标记点的2D/3D图像配准方法

提出了一种基于外标记点的无框架配准方法.该方法首先建立参考坐标系,接着根据外标记点在两幅2D图像中的对应坐标,求出2D图像像素坐标到参考坐标系的转换关系,然后根据外标记点在3D图像坐标系中的坐标,求解3D图像坐标系和参考坐标系的转换矩阵,通过一组矩阵运算,从而实现2D/3D图像的配准.临床图像的实验结果表明,该方法的配准精度为(0.026 7±0.044 7)mm.     

基于RANSAC模型的机载LiDAR数据中建筑轮廓提取算法

使用正交多项式分带滤波方法对机载LiDAR点云数据进行滤波处理,通过迭代不断剔除非地面高点数据,最终得到由贴近地面的数据拟合而成的正交多项式.通过设定高程阈值将数据分成地面部分与非地面部分.提出了一种基于随机抽样一致性(RANSAC)算法模型的建筑物面片识别和轮廓提取算法,实现在包含噪声的点云数据中快速准确地识别和提取建筑物轮廓.在实验中对长春市的机载LiDAR数据进行了滤波、建筑屋顶面及其轮廓的提取,验证了本文算法的较高效率和精度.     

基于树冠体素特征的森林机载-地基激光点云无控配准

高精度森林机载-地基点云配准能够极大提高点云数据完整性，为森林生态参数反演提供良好的数据支撑。针对森林环境特征稀疏下的机载-地基点云配准问题，提出了一种基于树冠体素特征的机载-地基激光点云数据无控配准方法。通过包围盒位置方向初始化、树高-频数的树冠点云滤波、树冠点云体素化、基于滑动模板匹配的特征提取以及旋转矩阵求解等步骤实现机载-地基点云配准。通过不同森林结构复杂度的4组数据对所提出的方法进行了实验验证，获得的平均距离差异分别为0.245m、0.238m、0.184m以及0.020m。与最近邻迭代法、人工配准及二者组合方法这3种方法进行对比实验，结果表明，本文提出的无控配准方法在精度和稳定性上均优于这3种方法。     

历史建筑三维激光扫描建模方法研究

优秀历史建筑数字化保护已经成为影响广泛的社会性问题.以同济大学文远楼为例,提出了一种以三维激光扫描仪和全站仪为主要数据获取手段的针对大型历史建筑数字化工程方法 .首先对目标体进行分站扫描,获得点云数据,同时使用扫描仪和全站仪采集每站靶标数据;然后,利用Matlab编程实现转换算法,根据采集的同名点靶标数据进行配准计算,将每站点云数据转换到统一的坐标系下,并对转换模型精度进行分析;最后将完全配准的点云数据网格化并修饰处理,建立真三维的历史建筑数字化模型.实验结果表明,采用的建模方法快捷、有效,配准模型精度较高,最终建立的三维模型真实,保留了其细部的特征.     

基于ISS特征点的快速CPD建筑物点云配准算法

针对大规模建筑物点云数据采用CPD(coherent point drift)算法进行配准时,计算复杂度增大的问题,提出了一种基于建筑物点云特征点简化数据的快速配准ISS-CPD算法。该配准算法采用ISS(intrinsic shape signature)算法求得建筑物点云的特征点,可减少建筑物点云的数据量规模,再对所提取的不同视角下建筑物点云的特征点用CPD算法进行配准。实验结果表明,改进的配准算法提高了建筑物点云的配准效率。     

基于深度学习图像描述子的三维彩色点云配准

不断发展的激光扫描技术使得获取三维空间中的彩色点云信息更加方便.但是,如何将多个采集点生成的彩色点云数据统一在同一个坐标系下,构建一个完整的数据模型仍是一个挑战.因此,提出了一种基于深度学习的图像描述子,将其应用于三维彩色点云配准中,能够以较高精度获取点云配准的初始位姿.首先,根据点云和图像之间的一一对应关系,将三维彩色点云投影为图像;其次,使用卷积神经网络提取关键点邻域的局部特征,结合方向梯度直方图,形成组合描述子;再次,根据计算出的组合描述子计算点云的匹配点对,得出点云间的转换关系,实现点云粗配准.以实际的三维彩色点云数据与多种配准算法进行对比,验证了所提方法的有效性.     

地面激光点云结合摄影测量的建筑物三维建模

当地面激光扫描仪扫描建筑物时,由于地物的遮挡、或者某些地方不便设站等原因,造成了点云缺失,导致点云数据不完整.本文主要是以安徽师范大学敬文图书馆为例,在利用地面激光扫描测量生成建筑物点云的基础上,借助航拍摄影测量技术获取图书馆顶部的点云数据,对点云空洞进行修补,即在获取地面激光点云数据和摄影测量点云数据之后,对两种点云数据进行配准、几何建模及纹理映射,最终生成图书馆的三维立体模型,实现建筑物的三维可视化表达.     

基于曲率图的三维点云数据配准

以曲率图作为三维点云数据的特征描述函数,并运用曲率图实现了三维点云数据的配准.对于含有噪声的点云数据,先根据每个点的邻域特性估算其曲率值,然后根据每个点及其周围邻域点的曲率值构造该点的曲率图.通过在多比例空间下曲率图的特征保持分析,可提取到最能反映该点云数据特征的特征点集.对于两两配准,这些特征点集被用于三维点云数据的粗略配准算法中,该算法利用点云内部空间点相对位置在刚性变换下的不变特性实现了特征点对的匹配,由匹配的特征点对进行坐标变换求解,完成了两三维点云的粗略配准,然后运用迭代最近点算法进行精确配准.最后将整个配准算法应用于真实的三维点云数据,结果表明该算法能有效抑制点云采样密度及噪声的影响,能够快速实现点云数据的精确配准.     

不同采集模式的泥石流沟谷点云空间配准处理技术

选择东川大白泥河沟为施测对象,分别采用基于独立站点和基于GPS站点的点云采集模式,进行多测站点云数据采集,对2种不同采集模式下获取的点云进行配准技术处理及精度比较分析.结果表明,基于GPS站点采集模式下的点云空间配准处理精度总体要好于独立站点,原因是GPS站点采集模式在每一站点扫描采集点云时,内置GPS站点定位坐标实质上已初步完成对多测站间点云数据的统一坐标体系构建,因此内业配准处理中可避免基于独立站点采集模式下点云配准中存在的同名点对点位误差的影响.基于GPS站点采集模式优势明显,可为泥石流沟点云数据的地面三维激光扫描技术采集与配准提供实用技术参考,有利于推动泥石流沟精确监测与预警技术应用发展.     

一种基于几何特征由粗到细点云配准算法

针对点云配准算法对初始位置敏感且收敛速度慢的问题,提出一种基于几何特征由粗到细点云配准算法。在粗配准阶段,通过投影法提取源点云和目标点云各4个轮廓点,然后利用曲率特征和轮廓点之间的距离寻找稳健的特征点对,计算得到初始刚性变换参数;细配准阶段,计算点云法向量及法向量夹角,以法向量为特征进行特征匹配,然后使用法向量夹角来启发搜索,使迭代最近点(iterative closest points, ICP)算法快速收敛。实验结果表明,所提出的由粗到细的配准算法鲁棒性强,具有较高的精度和速度。     

三维激光扫描多视点云拼接新方法

提出了一种新的多视点云拼接算法．该方法首先根据点云观测数据，以一个二维平面网格以及网格中各网点所对应的z坐标来拟合参考点云；然后采用公共点对法将目标点云概略拼合到参考网格点云；最后，计算目标点云中各点至网格点云中相应网眼的距离，并以所有这些距离的平方和最小为准则，采用最小二乘法迭代解算点云坐标转换参数．实例证明，该方法算法可靠，操作简单，计算效率高，具有很强的实用价值．     

基于关键点特征匹配的点云配准方法

针对ICP配准算法对点云的初始位置要求高、处理低重叠率的点云配准能力低的问题，提出了一种基于关键点特征匹配的点云配准方法. 设计一种多尺度加权法向投影均值差的关键点提取算法，结合SHOT描述子对关键点进行特征描述，融合几何一致性以及RANSAC算法去除匹配过程中的误匹配点对，优化关键点之间的对应关系，通过奇异值分解计算刚体变换矩阵，完成点云粗配准，使用ICP进行精确配准. 实验表明，本文提出的关键点提取算法能有效提取点云表面特征变化明显的点，使用SHOT特征对关键点进行描述，能够快速、精确地完成点云数据配准，并且对于较低重叠率的点云，也具有较好的配准效果.      

地面三维激光扫描点云配准的最佳距离

分析点云配准的原理,在此基础上推导出点云配准误差传播模型.利用该模型解算了配准后的点位误差,将该误差作为衡量点云配准好坏的指标.为评估地面三维激光扫描测距的变化给点云配准误差造成的影响,设计了一套试验方案,在地面三维激光扫描仪测距精度内对不同距离进行了严格的试验.根据提取的靶心和点云配准误差传播模型,计算得出不同距离下的点云配准精度,从而分析得出点云配准精度的扫描最佳距离.结果表明点云误差传播模型正确,试验方法良好.     

M估计的稳健平面标靶中心定位算法

标靶在地面激光扫描仪多测站点云配准,以及在全球卫星导航信号不良状况下改善移动激光雷达系统精度具有重要作用,标靶的精确提取与定位是关键问题之一。本文提出基于M估计的标靶中心定位方法：先根据标靶与周围环境反射强度差异,构建强度变化率特征,提取标靶边缘点云;再对标靶候选区域点云进行主成分分析,计算标靶平面法向量,对标靶边缘点云进行投影变换;最后通过M估计选权迭代法,剔除标靶噪声与粗差点云,拟合标靶形状,精确定位标靶中心。试验表明,本文算法能够在标靶存在冗余、缺损状态时排除非标靶圆形边缘的粗差点,获得高精度标靶中心。     

基于密度噪声应用空间聚类算法的机载激光雷达建筑物点云提取与单体化

针对机载激光雷达建筑物点云提取过程中自动化提取困难,以及提取后的建筑物单体化过程繁琐等问题,提出一种基于DBSCAN算法的机载雷达建筑物点云提取与单体化的方法。该方法对预处理后的点云数据基于DBSCAN算法进行去噪与初步的提取,通过三维密度聚类,将建筑物的点云进行提取与自动单体化。根据建筑物点云密度的特点,进行二维的密度聚类,结合DOM进行点云分割。最后将处理后的点云数据进行优化处理,并将建筑物单体化簇类进行提取,得到单体化建筑物点云。结果表明：本文采用的提取方法提取的建筑物点云数量正确率为97.36%,轮廓边长的中误差为0.077,可以有效的提取出建筑物点云并将其单体化。     

地面三维激光扫描多视点云配准设站最佳次数的研究

为探讨扫描仪设站次数的变化给点云配准误差积累造成的影响,研究了点云配准误差传播特性,给出点云配准误差传播的模型.对实验采集的点云数据,计算出不同设站次数下点云配准的最终中误差,通过比较中误差来确定多视点云配准设站的最佳次数为4.设站最佳次数的确定对于减小配准误差传递、提高作业效率具有重要的意义.     

基于三点法和ICP算法的手术导航系统患者配准

为提升手术导航系统的患者配准精度和操作效率，提出一种将三点法与迭代最近点(iterative closest point，ICP)算法相结合的配准策略.首先，定义患者配准问题，并介绍术前和术中数据获取方法；然后，以光学定位标记球心为患者空间与图像空间的共同特征，并利用三点法完成初始配准；最后，以经初始映射后的患者点云中各点为球心，建立半径为r的球形区域，并仅保留位于该区域内的图像点云以实现抽样，再利用改进ICP算法对两片点云执行精确配准.实验结果表明，采用所提方法对猪股骨和猪髂骨执行配准的平均误差分别为(0.83±0.10)mm和(0.86±0.09)mm，其精度和稳定性均优于传统ICP算法，且具备高效、易操作的特点以及潜在的临床应用价值.     

基于面特征和SIFT特征的LiDAR点云与航空影像配准

针对LiDAR数据与航空影像融合中的配准问题,提出一种将面特征与点特征相结合的配准方法,首先由LiDAR点云生成深度影像,对深度影像和航空影像提取面特征,在此基础上采用SIFT算子提取点特征,完成LiDAR点云与航空影像的配准。文中方法采取了由面特征到SIFT特征的配准策略,减少了面特征配准的数据量和SIFT算法的计算量。从ISPRS提供的数据集中选取了3组数据进行实验,实验结果表明该方法能有效减少SIFT算子的特征描述符的数量,减少寻找正确匹配点的时间,在保证配准精度的情况下提高配准的效率,适用于城市地区等包含大量面特征地区的LiDAR点云与航空影像配准。