城市场景重访车载点云位置一致性改正

车载激光点云在城市道路资产管理、高精驾驶地图、农村宅基地调查、高速公路改扩建、智能交通等国家重大工程应用中发挥着非常重要的作用;然而,受道路环境复杂、定位信号受遮挡、定姿误差累积等影响,导致往返或不同时相的重访车载点云存在分米甚至米级的位置偏差,严重影响后续数据处理与应用。为解决上述技术瓶颈,本文提出一种城市场景重访车载点云位置一致性改正算法。首先,依据车载轨迹的加速度与角速度将车载点云数据进行层次化分段,同时保证重访段的重叠度;然后,提取分段内的二进制形状上下文(Binary Shape Context, BSC)特征,并依据视觉单词与先验信息加速同名BSC特征匹配;最后,依次进行重访粗分段和细分段点云的两两配准,并剔除不可靠的两两配准结果。实验表明,本文方法能有效改正城市场景重访车载点云中的位置不一致问题,对于不同偏差级别和时相的车载点云,具有很高的鲁棒性和时间效率。