机载激光雷达系统的航带平差法

即使机载激光雷达经过良好的检校,激光雷达数据仍可能呈现残余系统误差,从而导致测区各个航带存在变形。先基于面特征计算安置角,为消除残余系统误差的航带平差提供初始点云;再基于迭代最近点法(ICP)的航带平差法,以连接点三维坐标相等为条件,对扫描角度误差进行非线性变形改正。结果表明,该方法能保证高空飞行数据的绝对精度,点云精度可满足要求。     

Mars-LiDAR系统误差分析及安置角误差飞行检校

机载激光雷达系统是集激光扫描仪、全球定位系统和惯性导航系统等于一体的多传感器集成系统。机载激光雷达的检校和标定是保证激光点云定位精度的关键环节,其中扫描系统安置角误差是影响定位精度的主要因素之一。首先介绍了国产中远程机载激光雷达Mars-LiDAR系统,然后基于误差传播定律对系统误差进行了分析。研究了系统安置角误差的飞行检校方法,采用外场定标的方法将安置角进行动态分离,并通过飞行试验完成了系统安置角误差的动态检校,对Mars-LiDAR系统在3000 m、4000 m飞行高度获取的点云进行了定位精度分析和校正,验证了Mars-LiDAR系统安置角误差检校方法的实用性。     

车载LiDAR扫描系统安置误差角检校

车载激光雷达系统是集激光扫描仪(LS)、全球定位系统(GPS)和惯性导航系统(INS)等于一体的多传感器集成系统。激光雷达系统多传感器的时空对准是实现数据融合及高精度三维测量的保障,其中扫描系统安置误差角是影响激光测量点定位精度的主要因素之一。首先分析了车载激光雷达系统中的相关坐标系及坐标系之间的空间转换关系,提出了一种以带有竖直边沿的竖直墙面作为检校场,对LiDAR扫描系统与惯性导航系统之间的安置误差角进行检校的方法。通过构建的车载LiDAR系统安置误差角的检校对所提出的检校方法进行了实验验证。     

基于共面约束的多线激光雷达相对位置关系检校

多线激光雷达具有成本低、体积小、能直接获取场景地物表面的三维点云数据等优点，已被广泛应用在无人驾驶、移动测量、机器人等领域。为减少遮挡，提高点云密度，两个或多个激光雷达常被集成在一起，互为补充。不同激光雷达的安装位置和姿态不同，要融合激光雷达的点云数据，关键在于对激光雷达之间相对位置关系的检校。为检校激光雷达之间的相互位置关系，提出了基于共面约束的检校算法。算法要求不同的激光雷达同时扫到相同的平面，利用平面在不同坐标系下的对应关系求解激光雷达之间的相互位置关系，并结合Levenberg-Marquardt （L-M）优化算法，提高检校精度。该算法操作简单、通用性强、检校精度高。     

基于参考面约束的车载移动测量系统安置参数检校方法

车载移动测量系统是一种多传感器高度集成的测量设备,系统精度不仅取决于集成的传感器精度,还受激光扫描仪与组合导航系统之间安置参数检校的准确度影响。考虑到安置参数检校方法的便捷、有效性以及系统最终精度评估,提出一种基于参考面特征约束的车载移动测量系统安置参数检校方法。该方法根据包含系统安置参数的激光扫描点定位方程,利用参考面上的激光扫描点到参考面方程距离偏差最小作为约束条件,同时考虑到安置参数旋转量与偏移量间存在相关性,采用分步解算方法将旋转和平移量进行分开求解。最后,通过采集检校场和外场数据进行系统内符合和外符合精度评估。实验结果表明:该方法能够有效的消除安置误差影响,检校后内符合精度为0.007 m,外符合精度为0.024 m。     

面向自动装车的来车检测和规划系统

为解决自动装车车辆检测和码垛规划问题,设计基于三维激光成像的车辆特征识别和码垛规划系统.设计实现了激光三维扫描系统,提出点云检校方法,获取高精度三维点云;设计基于点云的开放式货车车厢全特征识别算法,经点云分割、特征识别和参数化,获取车辆完整的特征参数检测;基于检测结果设计了码垛规划器,可直接用于装车机使用;基于Linu...     

机载LIDAR 点云定位误差分析

在机载LIDAR 点云定位方程的基础上建立其定位误差方程,依据定位误差方程,将点云的误差分类为系统误差、任务误差和随机误差3类。详细分析了平地、下坡面、上坡面3种情形下地形坡度和扫描角对测距误差和点云定位误差的影响大小,探讨了扫描角误差、安置角误差、姿态角误差以及扫描角对点云定位误差的影响。除了分析系统误差外,还着重分析了时间偏差、GPS定位误差、偏心分量误差以及随机误差对点云定位误差的影响大小。研究发现:航高和扫描角是点云定位误差的重要误差源,下坡面地形和瞬时扫描角误差对点云定位误差的影响较大,安置角误差可以通过检校来消除,姿态角误差取决于IMU自身的硬件精度。     

基于TIN的LIDAR点云过滤算法

机载激光雷达是一种快速获取高精度三维地理数据的新技术,对其获取的不规则分布的三维点云数据过滤处理是目前的研究前沿,也是机载激光雷达应用的关键技术.本文在分析典型地物激光雷达点云空间分布基本规律的基础上,重点研究了典型地物表面及其边缘的点云空间分布特征及基于TIN结构的邻近点云高程突变规律,并设计了相应的点云过滤算法.论文还对算法的参数选择及相应的误差进行了探讨,并进行了LIDAR数据DEM提取实验.     

基于激光雷达的空间物体三维建模与体积计算

求取体积参数是空间体对象形态分析的基本内容。采用激光雷达对空间物体进行扫描获得激光点云并求得其体积。首先使用三维激光雷达扫描物体获得原始点云;点云经过三维空间变换后,对点云进行缺失数据修补;再通过滤波和下采样处理进行点云去噪和点云数据的精简;最后采用一种隐式曲面重建算法构建三维点云的mesh网格模型,进而由网格模型求取体积。通过实验验证,使用激光雷达分别扫描了两个实验对象,将实验体积结果与实际的体积数据相比,误差分别仅为0.456%和0.394%,表明该体积计算方法有良好的曲面重建效果和体积计算精度。     

基于扫描方式与球面投影的点云修补方法

激光雷达点云数据修补是三维重建工作中的重要环节.针对现有的点云修补的插值算法无法确定空洞区域缺失点具体位置和数量的问题,提出一种简便有效的缺失点云修补方法.首先,将经过球面投影的单站激光雷达数据按照扫描方式实现结构化;然后根据旋转角和俯仰角两个方向的角度分辨率来描述缺失点云的球面位置;最后根据实际地形情况选择合理的插值...     

激光扫描点云中运动图像边界信息提取方法北大核心CSCD

使用距离地面较远的机载激光扫描获取运动图像边界信息数据,得到的数据点密度较低,无法精细提取运动图像边界信息,因此设计一种激光扫描点云中运动图像边界信息提取方法。首先获取激光扫描点云运动图像,对其中的三维激光扫描仪、惯性测量单元等装置进行组合并设置相关的参数,并对激光扫描点云得到的数据预处理,使用八叉树建立离散点之间的关系,通过点云体素化完成去噪,最后通过地物聚类完成运动图像特征点云三维信息的提取。实验结果表明,所设计方法提取准确性较高,完整性较好,提取质量效果较佳,均超过了97%,具有较好的提取效果。     

SLAM激光扫描的建筑物建模方法与应用Building modeling method and application of SLAM laser scanning

基于SLAM激光扫描系统对目标建筑物进行点云数据采集,通过点云去噪、重采样等预处理得到了建筑物目标点云,利用特征提取算法提取建筑物轮廓线,分别采用点云数据直接建模法和基于轮廓线建模方法对目标建筑物进行了建模对比,利用传统全站仪获取的10个特征尺寸进行了精度验证。试验结果表明,直接建模法的建筑物模型精度为0.058 m,基于轮廓线建立的模型的精度为0.032 m,基于建筑物线特征约束的建模精度明显高于点云数据直接建模精度,为SLAM激光扫描系统在建筑物三维模型建立中的应用提供了方法和参考。     

激光雷达扫描数据的快速三角剖分及局部优化

为了研究维激光雷达测量所得点云数据的三角构网,根据激光雷达逐行扫描特点,采用了改进的三角剖分方法,对点云数据进行不规则三角网格划分.基于激光雷达点云数据位置拓扑信息,分析了相邻扫描线之间数据点的相对位置关系,利用几何关系进行初步配对构网;并结合经典法则对初始网格进行局部优化,得到最终三角网;同时,对优化前后的三角网,提出一种新的评价法则进行剖分效果对比.结果表明,充分利用点云特点进行三角剖分可改进算法.所提出的剖分效果评价法可帮助检验构网质量.     

基于点云数据分类的机载雷达地形坡度勘测

为提高变电站的三维设计效果,需勘测变电站地形坡度。提出基于点云数据分类的机载雷达地形坡度勘测方法。采用机载雷达回波扫描技术采集地形坡度勘测数据。结合像素点跟踪识别法,重构地形坡度勘测过程中三维图像。采用三维光学检测技术采样机载雷达地形坡度勘测点云数据,结合中值滤波法和平均值滤波方法,增强地形坡度点云信息分类结果,获取地形信息中的高程信息,在地理信息系统中形成等高线图,实现变电站三维地形坡度勘测和优化设计。仿真实验结果表明,所提地形坡度勘测方法的勘测准确性较高,有效提高了变电站三维空间规划能力。     

中值滤波在激光雷达点云数据预处理中的应用

为了研究3维激光雷达测量系统采集到的点云数据如何进行去噪处理,根据灰度图像中对灰度值进行滤波去噪的概念,采用改进的2维中值滤波方法对点云数据中的噪声点加以处理。基于激光雷达点云数据数据量庞大且存在噪声点特点,重点分析了改进2维中值滤波算法和点云数据信噪分离方法,并通过实验验证,得到了速度对比数据和滤波效果图。结果表明,利用改进后的2维中值滤波方法,速度明显得到改进,对激光雷达点云数据的滤波效果良好。     

基于激光雷达的圆孔圆心定位研究

在石油和粮油领域,油料的储运多采用油罐车,而油罐车的装油仍是通过人工操作的方式完成,为了在油料装车领域实现全自动控制,文章提出了一种基于激光测距的罐车油口定位方法。首先采用360°激光扫描测距雷达采集油罐车油口圆孔特征点数据,剔除重复无效数据后,通过3次样条插值法对雷达扫描数据进行平滑性修正,然后,设计了一种边缘特征识别算法,用于筛选出目标点并对有效目标点进行坐标变换,并对可能出现的安装角度误差进行了自我修正。该目标点即是定量装车系统的机械手单元的定位目标,最后,进行实验验证。实验结果表明,该方法能够较为准确地定位圆心,满足特征识别精度要求,满足定量装车系统设计的实验预期。     

RGB激光扫描的面部特征点识别研究

传统方法在进行危险预警时,需要被测者穿戴整套仪器设备,成本高,稳定性不好,为此,提出一种基于激光扫描的多源脸部信息感知危险预警方法。在进行激光扫描前,通过直接标定法对相机进行标定,并且提出适于RGB激光扫描的颜色标定法,令采集的点云数据中所有点均和一组RGB颜色数据相应,从而得到脸部彩色三维重建结果。利用激光扫描仪得到测角与测距,获取测点的三维坐标,和扫描点构成人脸三维点云数据图,对点云数据进行分析处理,得到多源人脸信息。依据眼睛特征点与嘴部特征点判断人体是否处于疲劳状态,从而完成危险预警。实验结果表明,所提方法危险预警准确性高。     

融合IMU的多帧点云场景配准方法

三维重建技术广泛应用于无人驾驶、测绘、物流等领域,其中点云配准是最关键的技术。针对多帧点云配准误差累计大,姿态估计不准确等问题。提出了一种基于惯性传感器(IMU)线性插值的点云去畸变方法,该方法采用激光点前后最近时刻的IMU预积分值进行线性插值获得当前时刻雷达位姿,将单帧不同时刻激光点校正到统一坐标系。同时将IMU雷达位姿作为多帧点云配准初值,通过曲率特征点到直线、到平面的距离观测最小约束,构建包含配准误差和IMU预积分误差的联合优化方程来求解准确的雷达位姿。实验结果表明,引入IMU提高了多帧点云配准精度,减少了点云地图的重影。