随着互联网和多源传感器的快速发展,多源跨模态融合数据在测绘领域的应用不断扩大。点云数据和图像数据作为两种广泛使用的异源数据,各有优势,融合两者可实现传感器信息互补,获取更丰富的空间场景数据。配准作为关键环节,研究意义重大...随着互联网和多源传感器的快速发展,多源跨模态融合数据在测绘领域的应用不断扩大。点云数据和图像数据作为两种广泛使用的异源数据,各有优势,融合两者可实现传感器信息互补,获取更丰富的空间场景数据。配准作为关键环节,研究意义重大。本文在基于点特征的2D-3D配准思路下,对试验数据进行Harris角点特征提取,并手动匹配同名点对,评估了DLT(direct linear transform)、P3P和EPnP(efficient PnP)的配准效果。在配准的精度方面,试验组1中三者的RMSE为119.305、16.301和17.820像素;试验组2中的RMSE为14.031、20.322和9.858像素。在配准的效率方面,DLT算法配准耗时远高于其余两种算法。综合评估,EPnP算法性能优于前两者。通过高斯牛顿法对EPnP的位姿估计结果进行非线性优化,两组试验组的RMSE分别降至17.552像素和9.634像素,配准精度有所提升。展开更多
文摘随着互联网和多源传感器的快速发展,多源跨模态融合数据在测绘领域的应用不断扩大。点云数据和图像数据作为两种广泛使用的异源数据,各有优势,融合两者可实现传感器信息互补,获取更丰富的空间场景数据。配准作为关键环节,研究意义重大。本文在基于点特征的2D-3D配准思路下,对试验数据进行Harris角点特征提取,并手动匹配同名点对,评估了DLT(direct linear transform)、P3P和EPnP(efficient PnP)的配准效果。在配准的精度方面,试验组1中三者的RMSE为119.305、16.301和17.820像素;试验组2中的RMSE为14.031、20.322和9.858像素。在配准的效率方面,DLT算法配准耗时远高于其余两种算法。综合评估,EPnP算法性能优于前两者。通过高斯牛顿法对EPnP的位姿估计结果进行非线性优化,两组试验组的RMSE分别降至17.552像素和9.634像素,配准精度有所提升。