基于Lie群表示的保体积2D-3D点集配准算法

2D-3D点集配准的目标是寻找三维原始点集与二维目标投影点集之间的对应关系和最优变换.为了给出配准问题的解析解,避免投影引起的体积退化,提出基于Lie群表示的保体积2D-3D点集配准算法.首先,考虑投影矩阵和旋转矩阵的非交换性,引入Lie群表示,将配准问题形式化为一个Lie群优化问题.利用局部线性化方法,将Lie群优化问题转化为一个可计算的二次规划问题.其次,为了避免体积退化,考虑约束变换后的三维点集的投影与二维目标点集的投影具有相同的体积.为便于计算,引入Jensen-Bregman LogDet散度作为保体积正则项,将计算点集的体积差异转化为计算协方差矩阵之间的差异.然后,通过交替求解对应关系和最优变换,形成完整且可解的迭代策略.最后,在两个经典数据集上进行对比实验和消融实验,验证了该算法的精确性和有效性.

数字航空影像与机载点云的配准参数优化及对应数据集构建

数字航空影像和机载点云之间的配准参数精度会直接影响到配准效果,利用共线方程及影像特征点和点云特征点之间计算相似性测度的方法进行参数优化,有效避免了由于初始参数误差导致的配准偏差。首先,提取航空影像及激光雷达(light detection and ranging,LiDAR)点云的特征点;然后,根据初始配准参数及距离误差计算影像与点云之间的匹配点对;最后,通过强制搜索(brute-force,BF)优化方法来寻找更加精确的匹配参数。此外,还构建了2D-3D对应区域的数据集,用于航空影像和机载LiDAR数据配准的相关研究。

多站激光点云数据全自动高精度拼接方法研究

针对目前多站点云数据拼接存在的效率低和自动化程度低等问题,提出了基于地面激光点云强度信息的2D-3D点云数据高精度全自动拼接方法。首先,将强度信息通过三次样条插值算法生成二维影像,采用基于图形处理器(GPU)的加速尺度不变特征变换(SIFT)算子匹配得到二维同名特征点,剔除粗差;然后,反算得到特征点在三维点云中的坐标,并通过三维空间法向量对三维同名特征点进行精炼。利用精炼的三维特征点进行多站点云数据拼接,可提高多站点云海量数据拼接的精度和效率。