基于特征影像的室内静态激光点云高效粗配准方法研究

点云配准是室内静态激光点云数据处理中必不可少的一步,其配准效率直接影响配准算法的可用性。在处理大量密集的室内点云数据时,需要自动、高效的粗配准方法。为此,提出了一种室内静态三维激光点云自动、高效的粗配准方法。该方法充分利用静态激光扫描仪在数据获取中使用内置倾斜传感器补偿倾斜角的先验知识,将粗配准的自由度从六自由度降至四自由度,并通过三步法实现高效四自由度粗配准。结果表明,所提方法不仅能达到厘米级的配准精度,满足精配准精度的需求,而且配准的效率要优于其他对比方法。

四自由度点云初始配准算法对比

针对更贴合实际点云数据处理的四自由度点云初始算法,进行了背景的介绍,选取了目前主流的5种四自由度点云初始配准算法,分别为RANSAC算法、LM算法、Bn B算法、FMP-Bn B算法和K-4PCS算法;对2组室内场景点云数据和2组室外场景点云数据进行配准,对配准结果从精度和效率两方面进行了对比分析。实验结果表明,不同的算法适用的数据类型不同,在进行实际的数据初始配准时,可依据数据类型选取合适的算法。