地面LiDAR點云數(shù)據(jù)配準與影像融合方法研究.pdf

1、針對掃描點云由于遮擋或者掃描儀在某些地方無法設(shè)站等產(chǎn)生點云空洞或點云不完整的問題,在深入分析點云數(shù)據(jù)和攝影測量技術(shù)原理和特點的基礎(chǔ)上,圍繞點云配準和攝影測量輔助的點云空洞修補問題,重點探討了基于改進算法的傳統(tǒng)點云數(shù)據(jù)精確配準和影像生成的點集與掃描點云的融合問題。在對點云進行預(yù)處理的基礎(chǔ)上,利用點云所含的內(nèi)在幾何屬性,提出了基于曲率序列的配準算法以及基于鄰域點集各維“能量強度”的配準算法。將配準的點云作為源點云,分析點云空洞部分,拍攝空洞

2、處多張重疊影像,通過 SfM算法原理生成特定對象的三維點集,將源點云與該三維點集進行融合,填補空洞,獲取完整點云,基于Geomagic完成對象建模。最后,基于點的高斯曲率極值特性進行基于特征的數(shù)據(jù)壓縮。論文主要工作及結(jié)論為:
　　1.對點云獲取及預(yù)處理過程進行詳細分析,針對掃描點云不可避免的會引入噪聲的問題,重點研究點云去噪算法,并針對實際地形掃描點云利用逐級最小二乘擬合算法進行去噪,證明了該算法具有一定的可行性和較高的精度;研究

3、點云中任一點處法向量求取算法,并對各算法的效率和精度進行比較;由于鄰域取值對點云后續(xù)處理有較大的影響,研究鄰域大小與曲率的關(guān)系,得到兩者關(guān)系曲線。
　　2.對經(jīng)典配準算法進行深入研究,針對其效率和精度問題,提出了基于Delaunay剖分以及基于曲率加權(quán)改進算法,并測試了算法性能;在坐標(biāo)轉(zhuǎn)換過程中,引入了隨機抽樣一致性(RANSAC)算法剔除誤匹配點,實驗表明,該算法可以提高結(jié)果的精確度;基于上述算法,針對實際點云,提出了基于曲率和

4、基于協(xié)方差特征值的點云自動化配準算法,實例驗證表明,該算法可以獲得較好的效果,具有較高的精度和魯棒性。
　　3.為了修補三維激光掃描點云中的復(fù)雜空洞,采用基于攝影測量的方法。針對非專業(yè)相機拍攝的多張重疊影像生成三維點集問題,研究了根據(jù)運動生成結(jié)構(gòu)(SfM)的攝影測量算法理論,基于多步程序及改進算法生成攝影測量坐標(biāo)系下的三維點集;針對掃描點云空洞和由于無法設(shè)站導(dǎo)致某站點云缺失的問題,利用生成的三維點集基于三維尺度因子迭代算法填補該空