激光点云与密集匹配点云联合测量方法研究

针对地面激光扫描仪在进行作业时，有时因遮挡视线而无法采集数据的问题，设计了一种利用改进的采样一致性初始配准(Sample Consensus Initial Aligment, SAC-IA)算法在异源多视角点云中进行联合测量的方法。将三维激光扫描仪从地面视角采集的点云和倾斜摄影测量从空中视角获取的影像密集匹配点云，使用改进的采样一致性初始配准(SAC-IA)算法进行配准融合，实现了空中和地面视角的集成，大大减轻遮挡对测绘工作的影响。用某建筑物三维激光扫描得到的点云数据和倾斜摄影得到的密集匹配点云数据进行实验，并对配准融合后得到的点云数据进行了精度验证。实验结果表明，使用本算法配准点云数据时，比现有方法精度上有明显的提升，算法效率提高了57.46%～59.73%。同时，使用本方法配准融合的点云数据其精度小于5 cm,满足测图精度要求。     

图像平滑在地面激光点云与影像融合中的应用

针对地面激光点云与影像数据的融合,提出一种利用激光点云反射强度值将点云三维数据化为二维图像信息,根据图像的情况从多种图像平滑的方法中利用图像客观质量评价选择出一种最优的图像平滑的方法将激光反射强度图像进行去噪,最后利用激光反射强度图像与影像的匹配得到同名点,从而实现激光点云数据与影像数据的配准达到数据的融合。     

基于激光点云数据的建筑物三维可视化系统

为了获理想的建筑物三维可视化效果,为建筑物测量提供有效技术手段,设计了基于激光点云数据的建筑物三维可视化系统。首先利用激光扫描仪采集建筑物激光点云数据,对建筑物激光点云数据进行冗余去除、畸变补偿和滤波处理,然后对激光点云数据进行坐标转换处理,利用3D Max建模软件建立建筑物三维可视化模型,最后通过实验分析其性能,结果表明：该系统具备较强的兼容性、激光点云数据预处理能力,建筑物三维重构精度超过93%,建筑物三维重构时间控制在4 s以内,具有更高的建筑物三维重构效率。     

基于三维激光特征二次匹配的室外景观建模方法

激光扫描建模中通常采用一次匹配技术,但是室外三维景观处于三维环境下,一次匹配会导致大量激光点云数据特征丢失,导致室外景观三维建模效果差。提出基于二次匹配技术的室外景观三维激光建模方法。首先,在三维激光扫描技术中引入SFM方法,以此获取完整的点云数据,选取控制点进行初始配准,通过ICP算法精确配准两种点云数据。为提高点云数据的融合性,针对数据颜色等特征进行二次匹配,实现点云数据融合。最后,使所有点云数据在同一坐标中,将融合过的点云数据进行去噪、滤波和点云拼接等预处理,将数据中的两种曲面进行拟合并导入三维软件中,实现室外景观建模。试验结果表明,所提方法的三维景观建模立体水平较高,建模效果清晰,精度较高。     

近景光学影像和三维激光扫描点云自动配准

针对近景光学影像和三维激光扫描点云配准,采取先粗配准再精配准的策略,实现了近景光学影像和三维激光点云的自动配准.首先将具有一定重叠度的影像通过自由网平差获取相机内外方位元素,然后利用加入尺度因子的4PCS(4-points congruent sets)算法进行粗配准;最后基于空三点云与对应三维激光扫描点云切平面距离最...     

基于倾斜摄影测量的实景三维建模与精度评定

本文以无人机倾斜摄影测量技术展开,以新疆某测区为例,介绍了基于无人机倾斜摄影技术的全要素实景三维建模过程,包括无人机影像获取、倾斜影像空三加密、倾斜影像的瓦片分块、三维重构、点云分类等关键技术.并对三维建模精度进行分析验证,结果表明,通过倾斜摄影测量技术构建三维建模具有生产周期短,高效率、高精度、高真实感和低成本的特点...     

倾斜影像辅助的无人机载LiDAR高陡边坡形变监测

针对高海拔峡域地形地貌环境下基于轻小型无人机载LiDAR对高陡边坡激光点云扫描数据缺失导致DEM重建及形变分析精度低的问题,优化设计了一种垂直于山脊线、变高飞行的无人机点云/多视影像数据采集,以及影像密集匹配点云辅助下LiDAR三维激光点云的滑坡群DEM重建方案,实现了复杂地形地貌下LiDAR点云数据安全、高效的采集,改善了高陡边坡DEM重建及形变监测的精度和完整性。该方法基于迭代最邻近点算法,将倾斜影像生成的点云数据与同期获取的LiDAR点云数据配准和融合,实现了LiDAR点云数据缺失补偿,进而构建出完整、高精度的DEM,并与往期倾斜影像生成的DEM进行差分,对三个典型滑坡体进行了高程形变分析。以青海龙羊峡水电站的高陡边坡滑坡群为研究区,利用实测的GNSS地面控制点进行实验验证,得出结论：融合后的LiDAR点云精度为0.063 m,比融合前提高了0.018 m;重建的三个典型滑坡体的DEM高程精度为0.08 m,提升了边坡DEM重建的完整性和精度;对三个典型滑坡体2018、2021年两期高程形变分析,表明：滑坡群中多个边坡发生不同程度的土体滑动,高程方向的形变高达50多米,滑坡群形变...     

基于三维激光点云数据的钣金件误差检测分析

针对传统的钣金件误差检测方法无法全面有效率的获得零件误差信息,设计了一种基于三维激光点云数据处理的钣金件误差检测方法。该方法将通过三维激光扫描仪得到的钣金件点云数据进行预处理,然后通过特征匹配将标准钣金件的CAD模型和测试点云数据进行特征对齐,使它们呈现于同一坐标系下,最终根据钣金件点云数据中的各点到CAD模型的最短距离确定其误差。根据实际工程需要,文章提出了一种基于阈值的最短距离算法,该算法不仅可以有效地识别并剔除点云数据中的隐藏噪声点,而且计算效率高,精度易于控制。实验结果表明,该方法可以较好地得到钣金件的误差信息。     

基于三维激光点云数据的建筑景观可视化建模

现有的建模方法已无法满足实际应用需求,为此,以三维激光点云数据为技术支持,设计出一种建筑景观可视化建模策略.分析三维激光扫描技术与坐标解算后,联立建筑景观影像坐标与点云间映射关系,经配准采集到的点云数据,采用引入拉普拉斯算子的噪声滤除算法、kd-tree以及引入凸包概念的边界线提取算法,完成建筑景观点云数据去噪、分割以...     

激光雷达在电力巡线应用中的计算方法

针对激光雷达在电力巡线中的深度应用,通过数学建模,对基于三维激光点云的输电杆塔倾斜、电力线弧垂、多电力线交叉跨越、电力线周围净空排查等巡线作业重点关注的参数建立计算方法,克服了激光雷达常规内业数据处理中过份依赖专用商业软件的问题。用实际激光点云数据进测试,效果良好,进一步提升了激光雷达在电力巡线中的优势和效能。     

基于视点特征直方图的激光点云模型的位姿估计

提出一种基于视点特征直方图的点云模型位姿估计 算法。首先在目标物体周围采 集三维点云,拼接后获得物体的完整点云模型;然后对点云模型计算其视点特征直方图, 构建特征数据 库;对待估计点云同样计算其特征直方图,使用KNN算法在数据库中搜索与之最接近的位 姿作为初始位 姿估计值;最后使用迭代最近点(ICP)算法将待估计点云精确配准到模型点云,从而获得坐 标系之间的相 对位姿。实验表明,这种方法对于物体位姿识别有很强的稳健性,能很好实现目标物体的 三维位姿计算。     

基于ISS-3DSC的NDT三维点云配准算法研究

工件形貌的三维扫描需求在车间自动化装备中越来越多,其中点云配准作为三维数据处理的重要步骤。现有三维点云配准存在特征点对误配、配准时间长、配准精度差等问题,提出了一种基于内部形状描述子-三维形状上下文特征(ISS-3DSC)的NDT三维点云配准算法。首先通过内部形状描述子(ISS)算法提取三维点云关键点,提高配准效率;然后结合三维形状上下文特征(3DSC)进行关键点的特征描述,并根据特征点对中值距离法剔除错误点对,采用SVD分解计算初始变换矩阵;最后使用NDT算法完成精配准。测试实验结果表明：算法在鞋面、鞋底点云数据配准时的精度可达到0.025 cm,相比传统SAC-IA+NDT算法配准效率提升明显,具有一定的工程应用价值。     

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。     

3D reconstruction and multiple point cloud registration using a low precision RGB-D sensor

A 3D reconstruction method using feature points is presented and the parameters used to improve the reconstruction are discussed. The precision of the 3D reconstruction is improved by combining point clouds obtained from different viewpoints using structured light. A well-known algorithm for point cloud registration is the ICP (Iterative Closest Point) that determines the rotation and translation that, when applied to one of the point clouds, places both point clouds optimally. The ICP algorithm iteratively executes two main steps: point correspondence determination and registration algorithm. The point correspondence determination is a module that, if not properly executed, can make the ICP converge to a local minimum. To overcome this drawback, two techniques were used. A meaningful set of 3D points using a technique known as SIFT (Scale-invariant feature transform) was obtained and an ICP that uses statistics to generate a dynamic distance and color threshold to the distance allowed between closest points was implemented. The reconstruction precision improvement was implemented using meaningful point clouds and the ICP to increase the number of points in the 3D space. The surface reconstruction is performed using marching cubes and filters to remove the noise and to smooth the surface. The factors that influence the 3D reconstruction precision are here discussed and analyzed. A detailed discussion of the number of frames used by the ICP and the ICP parameters is presented.     

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。     

改进贪婪投影三角化算法的激光点云快速三维重建

通过三维激光扫描仪获取的点云数据具有密度大、精度高等特点。本文针对贪婪投影三角化算法在对采集的大量点云数据进行三维重建时耗时长,重构的模型表面不够光滑,存在细小孔洞的问题,提出一种改进的点云三维重建算法。该方法首先用体像素网格滤波算法对点云进行下采样;然后使用移动最小二乘算法对输入的点云进行平滑及重采样,并且使用八叉树来代替KD树进行近邻域搜索;最后使用基于移动最小二乘算法的点云法线估计的贪婪投影三角化算法对点云进行重建。经过实验验证,该方法可以缩短重建时间,减少孔洞,并构建出平滑、点云拓扑结构更为准确的模型。     

一种多模式融合的激光点云配准算法

针对经典迭代最邻近点(iterative closest point,ICP)算法在三维激光点云配准领域内,存在收敛速度慢、配准误差大、配准效率低的问题,提出了一种基于法向量夹角特征和边界旋转角相融合的改进ICP算法。利用点云区域层划分将点云分成若干独立单元方格,搜寻方格的法向量夹角特征关键点,结合点面曲率对应关系形成初始匹配点对,随后引入距离约束函数,估算边界旋转角和相关动态迭代系数,自动优化刚性变换参数。实验结果表明,与传统ICP算法相比,改进后的算法配准误差降至0.3%以下,配准时间减少50%以上,有效提升点云配准效率。     

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。     

空间非合作目标点云聚类配准方法

空间非合作目标的相对位姿测量问题成为空间在轨操作任务的重难点,通过对激光雷达获取的目标三维点云进行聚类,得到小规模、特征明显的聚类点云,有效提高了配准效率和精度。针对基于区域生长的聚类算法在对可视点云进行聚类时,特征相似部分无法聚类识别的问题,提出了二维图像优化三维点云聚类的方法。该方法将深度值信息和RGB颜色值建立数学映射关系,点云降维后,利用颜色梯度突变进行边界提取,将边界内的点逆向恢复到原始点云,最后将各个类的点云进行合并,得到易于识别的显著特征点云。实验结果表明,在配准角度误差为±5°的条件下,可有效地缩减点云规模并保留了显著特征,提高ICP配准算法的计算效率,为解决空间非合作目标相对位姿实时测量提供技术支持和解决思路。     

一种改进的ICP激光点云精确配准方法

传统迭代最近点(Iterative Closest Point,ICP)算法在进行点云配准时,若点云初始位置相差较大时,容易陷入局部最优,同时,该算法无法解决部分重叠的点云的配准问题.鉴于此,提出了一种改进的ICP 激光点云精确配准方法.首先通过对两片点云的主成分分析并矫正主轴方向以完成初始配准,获得一个较好的初始位置...