地面LiDAR點云數據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站等產生點云空洞或點云不完整的問題,在深入分析點云數據和攝影測量技術原理和特點的基礎上,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)點云數據精確配準和影像生成的點集與掃描點云的融合問題。在對點云進行預處理的基礎上,利用點云所含的內在幾何屬性,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據壓縮。論文主要工作及結論為:
　　1.對點云獲取及預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系,得到兩者關系曲線。
　　2.對經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改進算法,并測試了算法性能;在坐標轉換過程中,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,研究了根據運動生成結構(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系下的三維點集;針對掃描點云空洞和由于無法設站導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