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。

平面特征约束下的多视点云配准方法

针对由于多视点云的密度不同,将同名特征点作为配准基元的点云配准方法无法找到具有精准对应关系的点对,从而存在配准精度不高的问题,该文提出一种基于同名特征平面的点云配准方法。该方法将坐标原点在同名特征平面上的投影点作为同名特征点,以空间点面关系具有旋转不变性为约束条件,引入对偶四元数描述空间变换参数,基于最小二乘准则构建目标函数,利用Levenberg-Marquardt法解决配准模型的非线性优化问题。最后通过实测数据实验验证算法的正确性与有效性。结果表明:该方法能够实现实际场景中建/构筑物的多视点云配准;采用Levenberg-Marquardt法在迭代过程中可有效避免局部最小陷阱;对偶四元数有效减少了解算空间变换参数中的耦合误差。