基于多种类型特征约束的LiDAR点云配准算法研究

发布时间：2020-11-10 03:20

　　 三维激光扫描(Light Detection And Ranging,简称LiDAR)凭借其非接触性、高效、高精度等优良特性在文物保护、测绘以及土木工程等领域得到了广泛的应用。由于目标实体的高空间复杂度,通常需要沿着多个不同的方位布设测站并对目标实体进行扫描,为了获得被测目标实体表面完整的点云数据,需要利用点云配准来实现不同测站LiDAR点云相互之间的拼接与融合,正因为如此,配准结果的优劣对点云后期处理的结果有着直接影响。根据配准过程中所选的配准基元的不同,可将现有的LiDAR点云配准算法分为基于点特征、直线特征以及平面特征的LiDAR点云配准算法等三类。现有的大部分算法仅选择上述三类配准基元中的一类作为约束,然而,在城市等人工建构筑物密集地区,单纯选择一类特征作为配准基元可能会存在约束条件不足的情况。作为描述空间相似变换的基本模型,布尔莎模型在LiDAR点云的配准中得到了广泛应用,根据对空间相似变换模型中所选择数学描述工具的不同,可将现有的LiDAR点云配准算法分为基于向量代数描述与基于Clifford代数描述的配准算法等两类。当前,大部分算法选择向量代数作为数学描述的基本工具,通过旋转角或旋转矩阵来实现对空间旋转变换的描述,并据此实现LiDAR点云配准参数的求解,然而,此类方法存在如下不足:1)对空间旋转变换的描述较为复杂;2)对待求参数的初始值依赖性较大。基于上述分析,本文针对城市建构筑物密集地区遮挡严重的特点,开展基于点、直线与平面等多种类型特征共同约束的LiDAR点云配准模型构建与算法实现研究,具体工作如下:1)点/直线/平面特征约束下基于对偶四元数描述的LiDAR点云配准以布尔莎模型作为配准的基本模型,引入对偶四元数作为空间旋转变换描述的数学工具,针对点、直线与平面特征,分别选择空间三维坐标、Plücker直线坐标和六参数法(法向量和经过点的组合)等进行描述,以配准后同名点、直线和平面特征之间的重合作为前提条件,构建相应的目标函数,在对目标函数进行线性化的基础上,通过迭代计算的方式实现了不同种类的特征约束的LiDAR点云配准参数的求解。2)基于多种类型特征联合约束的LiDAR点云配准以点、直线以及平面特征的共同约束作为前提,先利用提取的同名点特征进行粗配准来实现模型参数的迭代初值求解,在此基础上,加入配准后直线特征重合以及平面特征的法向量平行等两个约束条件来构建相应的目标函数,将粗配准得到的转换参数作为待求参数的初始值,基于最小二乘准则实现LiDAR点云配准参数的迭代求解。通过上述研究,实现了相邻测站LiDAR点云相互之间约束关系的综合利用,为LiDAR点云的高精度配准提供了充分的约束条件,有效地保障了相邻测站LiDAR点云配准结果的精度。
【学位单位】：中国矿业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：P237
【部分图文】：

据模拟的点云数据，利用本算法进行转换参数的解算。转换参数求解 3-3 所示。表 3-3 点云配准结果Table 3-3 Registration results次数 п п п 3 1.50003 0.50003 0.99992 1.00005 1.99996 2.99998 16 29.99999 37.00002 40.00003 1.00002 2.00001 2.99996 12 82.99997 78.99999 85.00002 1.00000 2.00002 2.99999 1表 3-3 所示的配准结果可知，该算法所求得的转换参数与设定参数基度误差最大为 0.00003п，平移量误差最大为 0.00005m，因此，可以认为是正确的，使用该算法能得到正确的转换参数；与采用欧拉角来描述比，该算法不受角度大小的限制，并且在未提供近似的初始值的情况在较少的迭代次数的基础上求解正确的旋转角、平移量以及缩放系数验二：使用 MATLAB 随机产生 100 个三维点坐标，作为待配准站的点其绕 X 轴、Y 轴和 Z 轴分别旋转 10п、20п和 30п，设定缩放系数为 3标轴平移 1m、2m和 3m。得到的新的点云作为基准站的点云。

工程硕士专业学位论文表 3-4 不同标准差下求得的转换参数的误差Table 3-4 Error of parameters under different standard deviations х п х п х п х х х х 0.0332 0.0080 0.0274 0.0045 0.0182 0.0160 0.0023 0.190.0664 0.0162 0.0547 0.0090 0.0365 0.0319 0.0047 0.390.0996 0.0243 0.0821 0.0136 0.0547 0.0479 0.0070 0.590.1328 0.0324 0.1094 0.0181 0.0730 0.0639 0.0093 0.790.1660 0.0405 0.1368 0.0226 0.0912 0.0798 0.0116 0.99表 3-4 所示的实验结果可知，随着噪声水平的不断提高，角度误差和距在不断变大，所求得的配准精度与加入相应噪声的标准差差别不大，符况；另一方面，说明特征点的误差对点云配准精度有明显的影响。验三：为了研究特征点对的数量和计算精度之间的关系，利用实验二中为零标准差为 0.2 的高斯噪声的待配准站的点云和基准站的点云，特征量从 0 到 100 之间变化，每次增加 5 对同名特征点来求解转换参数并进定。计算精度如图 3-2。

3 点/线/面特征约束下基于对偶四元数描述的 LiDAR 点云配准 、矩阵 以及矩阵 。未知参数的改正数并更新初始值。根据相应的平差模型行求解，求解改正数的过程就是优化初始值的过程，通过近理想值。一定条件来终止迭代。通过对改正数设定阈值来判断是正数均小于阈值则停止更新并输出最终结果，否则，重足要求。结果与分析实验利用 MATLAB 模拟出四条直线，作为待配准站的点云提位置如下图所示。将待配准站的直线依次绕三个坐标轴放系数为 1，再将其沿各坐标轴平移 1m得到新的直线，取出的直线特征。
【相似文献】

相关期刊论文 前10条

1 王雯;任小玲;陈逍遥;;一种改进的区域增长彩色3D点云分割算法[J];国外电子测量技术;2018年11期

2 陈华臻;高健;;面向反光工件点云缺陷的点云增强算法[J];计算机辅助设计与图形学学报;2019年07期

3 马东岭;王晓坤;李广云;;一种基于高度差异的点云数据分类方法[J];测绘通报;2018年06期

4 杨泽鑫;程效军;丁琼;程小龙;;面向室内场景点云的对象重建[J];测绘通报;2017年06期

5 翁福洲;黄鹤;;快速点云定向数学模型实际精度分析[J];北京测绘;2017年04期

6 琚俏俏;王令文;;基于自适应切片的点云压缩算法[J];工程勘察;2017年09期

7 许宁;钟友玲;;地面三维激光扫描点云重建技术研究[J];数码世界;2017年08期

8 龚书林;;三维激光点云处理软件的若干关键技术[J];测绘通报;2014年06期

9 徐守乾;朱延娟;;稀疏点云的曲面重构[J];中国制造业信息化;2011年03期

10 梁新合;梁晋;郭成;曹巨明;;法向约束的多幅点云数据融合算法[J];西安交通大学学报;2009年05期

相关博士学位论文 前10条

1 赵宗泽;基于数学形态学的机载LiDAR点云建筑物区域提取[D];武汉大学;2016年

2 魏崇阳;城市环境中基于三维特征点云的建图与定位技术研究[D];国防科学技术大学;2016年

3 奚以成;基于机载LiDAR技术的城市智能感知与变化检测技术研究[D];沈阳农业大学;2018年

4 宋孟肖;LiDAR点云辅助的城区航空影像空中三角测量[D];武汉大学;2018年

5 李明磊;激光扫描点云的线结构提取与应用研究[D];战略支援部队信息工程大学;2017年

6 曹如军;基于机载LiDAR点云的建筑屋顶三维重建[D];武汉大学;2017年

7 黄鹏頔;三维激光扫描点云典型场景可见性分析方法研究[D];厦门大学;2017年

8 罗欢;高分辨率激光扫描点云语义标注研究[D];厦门大学;2017年

9 付玮;基于摄影测量系统的标定与表面数据融合算法研究[D];南昌大学;2018年

10 黄旭;LiDAR点云约束下的多视影像密集匹配与融合方法研究[D];武汉大学;2016年

相关硕士学位论文 前10条

1 汪霞;融合序列影像的激光点云三维实景建模[D];中国矿业大学;2019年

2 段志鑫;三维激光扫描数据精简、表面重构方法及应用研究[D];中国矿业大学;2019年

3 帅炜;基于多种类型特征约束的LiDAR点云配准算法研究[D];中国矿业大学;2019年

4 崔绍臣;三维点云数据处理系统设计与开发[D];吉林大学;2019年

5 陈哲;应用于无人驾驶的视觉定位关键技术研究[D];吉林大学;2019年

6 杨礼;融合UAV遥感影像与SFM点云的树木识别及参数提取[D];河南理工大学;2018年

7 郭海晨;基于低秩分解方法的激光扫描点云修复研究[D];南京大学;2019年

8 鲍娣;基于数据驱动的点云参数化建模方法研究[D];武汉大学;2017年

9 杨幸彬;双目视觉生成道路稠密点云地图的关键算法研究[D];北京建筑大学;2019年

10 刘明蕾;基于点云的室内导航元素提取和网络构建研究[D];北京建筑大学;2019年

本文编号：2877397