自适应局部邻域特征点提取和匹配的点云配准

点云配准是三维重建的关键技术之一。针对点云匹配中迭代最近点算法(ICP)速率低、对初始位置要求高的问题,提出了一种基于自适应局部邻域特征点提取和匹配的点云配准方法。首先根据局部表面变化因子与平均变化因子的大小关系,自适应地提取特征点;其次利用快速点特征直方图（FPFH）综合描述每个特征点的局部信息,结合随机抽样一致性（RANSAC）算法实现粗配准;最后根据得到的初始变换矩阵和基于特征点的ICP算法实现精配准。对斯坦福数据集、含噪声的点云以及场景点云进行配准实验,实验结果表明:所提出的特征点提取算法能高效地提取点云的特征;相比于其他特征点检测方法,所提方法在粗配准中的配准精度和配准速度更高,且抗噪性能更好;与ICP算法相比,基于文中特征点的ICP算法在斯坦福数据集和场景点云中的配准速度提升了约10倍,在含噪声的点云中,能根据所提取的特征点高效地进行配准。该研究为提高三维重建和目标识别的匹配效率提供了一种高效的方法。     

一种基于特征提取的点云自动配准算法

针对在不同视角下所获得的三维点云数据,提出了一种基于特征提取的点云自动配准算法。算法根据点云在不同半径内的法向量变化度来提取特征点,综合利用点云局部点的三种几何特征搜索匹配点对。通过利用距离约束条件来获取准确匹配点对并计算初始配准参数。精确配准阶段采用改进的迭代最近点(ICP)算法完成二次拼接。实验结果表明,与传统ICP算法相比,该算法在运行时间与精确度上都有着明显的提升。     

基于超体素与几何特征融合的点云配准优化

针对点云配准过程中点云数据冗余、易出现误匹配点对和配准精度低的问题,提出了一种融合超体素及几何特征的点云配准方法。首先使用超体素与法向量信息相结合的方法提取特征点;其次,在粗配准中,通过使用快速特征点直方图(Fast Point Feature Histograms,FPFH)进行特征描述,采用双向最近邻比获取初始特征点对应关系,基于法向量夹角策略和随机采样一致性(Random Sample Consensus,RANSAC)算法进行对应关系的优化,获取良好的初始位姿;最后,在精配准中,基于初始位姿与改进的迭代最近点算法(Iterative Closest Point,ICP)算法完成点云配准。通过在斯坦福数据集中进行配准实验,验证了所提算法具有更好的鲁棒性,能高效且精准的完成点云配准。     

基于光流场分析的红外图像自动配准方法研究

提出了一种基于光流场分析的准确的红外图像自动配准方法．该方法可分为两个过程：先是利用全局光流场完成两幅图像背景区域的配准；其次利用由粗到细的层级匹配算法提取两幅图像中运动目标的特征点集，根据两组特征点集由最小二乘法计算出运动目标的变换参数，完成运动目标的配准．对一定研究领域的红外图像自动配准的仿真实验表明：该方法准确且对场景的运动有很好的鲁棒性．     

激光扫描与摄影测量异源点云高精度配准方法

针对激光扫描和摄影测量点云非同源数据自动配准困难的问题,提出一种基于快速点特征直方图（FPFH）点云粗配准与八叉树格网迭代改进最近邻点（ICP）算法相结合的方法。在粗配准中,首先采用体素格网对点云数据进行降采样处理,然后使用FPFH进行特征匹配,最后采用采样一致性初始配准（SAC-IA）算法获取初始配准变换矩阵。在精配准中,以经典的ICP算法为基础,首先通过设置欧氏距离阈值剔除错误的对应点,然后在每个体素格网中选取精度最高的同名点对,使用奇异值分解（SVD）法计算最终配准变换矩阵。实验结果表明,所提方法可以解决激光扫描点云和摄影测量点云非同源数据的配准问题,具有一定的研究和应用价值。     

基于特征的遥感图像自动配准算法

面向光学图像的多时相、多光谱、多传感器图像的自动配准,本文描述一个基于特征的高精度图像配准算法.它以点映射配准技术为基础,处理具有全局仿射几何失真的图像配准问题.首先,通过边缘检测和相应的后处理提取封闭边界;其次,根据边界链码相关和区域不变矩匹配策略建立边界的对应,并对对应重心即匹配点对进行一致性检测获得基元控制点;最后,估计初始变换参数,并通过显著点片的相关匹配来增加控制点个数,迭代修正变换参数以提高配准精度.多种遥感图像数据的配准实验和对比试验证实了的自动算法具有较高的可靠性和配准精度.     

基于改进ICP的点云配准算法

文中提出了一种新的点云数据配准算法。首先,估算两组点云数据中每个点的曲面法矢,并据此计算各个点的曲率;然后,根据各个点的曲率确定两组点云数据中可以匹配的点对集合;再采用几何哈希方法计算三维空间变换,实现粗配准;最后,将粗配准的结果作为精配准的初值,通过在ICP算法中添加动态迭代因子的方法来改进ICP算法,实现最终的配准。实验结果表明,文中算法能完成两组点云数据的精确配准,而且改进的ICP算法可以在不影响配准精度的情况下,极大地提高算法的收敛速度。     

耦合相位一致性与互信息的光学影像与SAR影像配准方法

针对光学和SAR影像间非线性辐射差异和乘性噪声导致匹配效果不佳的问题,提出了一种耦合相位一致性与互信息的光学影像与SAR影像自动配准方法。首先,基于相位一致性矩特征图在参考影像上检测均匀分布稳定的特征点。其次,构建一种新的相似性测度最大索引图互信息,采用模板匹配策略实现同名点快速识别。最后,通过边缘化样本共识算法剔除外点,并利用分段线性变换模型几何纠正,实现光学-SAR影像间的精配准。对4组中高分辨率光学与SAR影像进行了实验,实验结果表明,所提方法相较于其他先进方法具有更高的配准精度。     

基于局部曲率分布图的曲面自动配准

基于局部曲率分布图(RCM),提出了一种曲面自动配准方法。首先通过匹配RCM建立不同曲面间的匹配点对;然后在匹配点对中搜索满足几何约束的匹配点对子集,计算初始配准位置;最后用最近点迭代法对曲面做精确配准和验证。实验证明,该方法能有效地将扫描曲面自动配准,对曲面噪声不敏感,有较高的配准成功率和配准速率。     

基于直线空间结构特征的图像匹配方法

直线匹配在图像配准、目标识别等领域有重要应用。提出利用直线空间结构特征进行匹配的方法,算法采用粗精两级匹配的思路,粗匹配阶段用四参数仿射变换模型对待匹配图像进行粗步校正,精匹配阶段利用反映直线空间结构分布特征的直线交点方位角直方图,把直线匹配映射成两个点集的匹配,结合随机抽样共识(RANSAC)算法和参数迭代一致性方法剔除错配点对,实现图像的自动匹配。实验结果表明,本文方法能够取得较高的匹配精度。     

基于机载激光点云数码影像外方位元素自检校

为了研究航空数码影像的高精度定向,采用机载激光点云为虚拟地面控制点构建了航空影像与虚拟控制点的几何关系模型;一个地面点成像在多张数码影像上,为此基于所有同名光线交于一点的原理构建了自检校的几何模型和误差方程,构建并解算法方程获取到高精度定向数据。结果表明,此方法达到了无地面控制点的影像外方位元素自检校的预期结果。     

基于卡尔曼融合的激光雷达特征匹配方法

针对现有激光雷达特征匹配算法线段特征匹配定位不够准确的问题,提出了一种基于卡尔曼融合的激光雷达特征匹配算法。首先扫描一帧雷达数据,利用改进的激光雷达线段特征提取方法,提取出特征线段,得到局部地图。接着确定局部地图旋转、平移参数,再将局部与全局地图进行匹配,根据相对偏差得到匹配结果。然后基于卡尔曼,利用IMU数据作下一时刻的预测估计,利用激光雷达匹配结果作观测,两者融合得到最优估计。实验结果表明该方法相对现有特征匹配算法在特征线段的匹配准确性上更高,因此定位导航的精度和鲁棒性也更好。     

基于面积特征的城区航空影像匹配方法

基于特征的影像匹配是一类极为广泛和重要的方法。已有的研究体现出了特征对于实施最为匹配的影像之一－－城区航空影像有着极为明显的优越性。文中给出一种新的匹配目标函数的构建，并基于此提出一种城区航空影像匹配算法，给出了算法的实现过程，并以部分东京城区图进行了试验，结果表明文中的方法具有乘法明了，可靠易行和抗旋转性的优点。     

条纹原理激光雷达成像仿真及实验

基于条纹原理的阵列探测体制激光成像雷达由于其独特的技术优势在激光测绘中具有潜在的应用。介绍了扫帚扫描结合条纹原理阵列探测体制激光雷达的仿真及飞行实验研究结果。首先介绍新体制激光雷达仿真平台的建立及典型的仿真结果。利用该仿真平台可指导新体制激光雷达的设计,并对机载飞行实验参数的设定进行成像效果仿真,仿真的距离测量精度为0.5 m。最后开展了新体制激光雷达机载飞行实验,给出了典型地区的原始条纹图像及经过数据处理后的点云图。新体制激光雷达外场实验结果的测距精度优于1 m,机载飞行实验测距精度结果与仿真分析结果一致,验证了该仿真系统的正确性。通过与实际被动光学相机成像图像进行比较,验证了新体制激光雷达在航空测绘等方面的技术可行性。     

机载双天线斜视干涉SAR自配准成像方法研究

本文针对机载双天线斜视干涉SAR成像过程分析了主辅天线回波信号距离历程偏移特性、方位多普勒频率特性及其与正侧视系统下的区别;讨论了基于扩展CS算法 (ECS算法)距离向自配准成像过程中距离向平移因子和缩放因子;推导了距离向自配准成像处理的基本公式和具体实现过程。通过计算机仿真实现了机载双天线斜视干涉SAR系统在成像处理阶段实现距离向高精度的自配准的过程。通过对配准前后主辅图像相关特性、干涉相位纹图质量以及配准误差的分析,验证了推导过程的正确性和该算法的有效性。      

全局收敛LM 的激光雷达波形数据分解方法

全波形激光雷达是遥感领域的新兴技术,相比传统激光雷达,它对后向散射回波进行全数字化的记录,通过分解返回波形能够得到更加丰富的地物属性信息,因此波形分解是激光雷达全波形数据处理的核心内容。针对传统LM算法容易陷入局部最优解的问题,提出一种全局收敛LM的激光雷达全波形数据分解方法。该方法引入全局收敛LM算法对波形进行拟合,获得波形分量参数的最优解,利用迭代的波峰检测策略实现复杂重叠波形分量的逐步分解。通过对GLAS、LVIS与Lite Mapper-5600的波形数据分解实验证明:该方法相比传统LM算法能够得到更具鲁棒性的波形分解结果,并且适用于星载波形数据、机载大光斑以及机载小光斑波形数据,具备较高实用价值。     

基于点云极化表征与孪生网络的智能车定位

基于3维激光雷达(LiDAR)的智能车定位在地图存储空间与匹配效率、准确率等方面仍存在诸多问题。该文提出一种轻量级点云极化地图构建方法：采用多通道图像模型对3维点云进行编码生成点云极化图,利用孪生网络结构提取并训练点云极化指纹,结合轨迹位姿信息构建点云极化地图。还提出一种基于点云极化地图匹配的智能车定位方法：采用孪生网络对查询指纹与地图指纹进行相似度建模实现快速的地图粗匹配,采用基于2阶隐马尔可夫模型(HMM2)的地图序列精确匹配方法获取最近的地图节点,通过点云配准计算车辆位姿。使用实地数据集和公开的KITTI数据集进行测试。实验结果表明,地图匹配准确率高于96%,定位平均误差约为30 cm,并对不同类型的LiDAR传感器与不同的场景具有较好的鲁棒性。     

Forest canopy closure from classification and spectral unmixing ofscene components-multisensor evaluation of an open canopy

Three types of remote sensing data, color infrared aerial photography (CIR), compact airborne spectrographic imager (CASI) imagery, and airborne visible/infrared imaging spectrometer (AVIRIS) imagery, have been used to estimate forest canopy closure for an open-canopy forest environment. The high-spatial-resolution CIR and CASI images were classified to generate forest canopy closure estimates. These estimates were used to validate the forest canopy closure estimation accuracy obtained using the AVIRIS image. Reflectance spectra extracted from the spectral-mode CASI image were used to normalize the raw AVIRIS image to a reflectance image. Classification and spectral unmixing methods have been applied to the AVIRIS image. Results indicate that both the classification and the spectral unmixing methods can produce reasonably accurate estimates of forest canopy closure (within 3 percent agreement) when related statistics are extracted from the AVIRIS image and relatively pure reflectance spectra are extracted from the CASI image. However, it is more challenging to use the spectral unmixing technique to derive subpixel-scale components whose reflectance spectra cannot be directly extracted from the AVIRIS image     

边缘视差连续性约束的航空影像特征线匹配算法

鉴于同一边缘线上像素的视差变化具有连续性的特点,本文提出边缘视差连续性约束的航空影像特征线匹配算法。该算法首先对左影像进行特征线提取,将Freeman链码跟踪得到的每条边缘特征线作为一个整体,利用相互连接直线段对其进行拟合。将拟合直线端点作为该特征线上的一组匹配基元,通过对其进行匹配实现该特征线的整体匹配。初始匹配过程中,综合利用核线约束、单应矩阵约束和灰度相似性约束对拟合直线的端点进行匹配。然后利用视差连续性约束对每条特征线上点的匹配结果进行检核及余点同名点构建,取得较好匹配结果。论文选取UCX和DMC三组数字航空影像进行特征线匹配实验,验证本文算法的有效性。      

基于特征矢量匹配的SAR海洋图像舰船目标检测

根据SAR图像的基本特点 ,阐述了用DFBR场模型表达SAR图像的基本原理。在此基础上 ,通过提取SAR海洋图像中每个像素的分形值、分形模型拟合误差和方差统计量特征参数 ,结合图像像素的灰度值 ,形成一个对应于每个像素的特征矢量 ,并利用模糊数学的模糊子集概念 ,提出了一种基于特征矢量匹配的舰船目标检测方法。实际数据处理的结果表明 ,该方法具有较高的可靠性和准确性。