地面三维激光扫描点云数据自动配准算法及建模研究

摘要

随着地面三维激光扫描技术的发展，基于地面三维激光点云数据的三维建模应用越来越广泛。为了获取三维点云模型，需要对不同视角下的点云数据进行配准，并对配准后的点云数据进行三维建模。对三维建模而言，模型点云的配准是三维建模的关键环节。针对地面三维激光点云配准及建模所需，本论文在分析现有配准算法的基础上，对三维正态分布变换算法进行了改进，对点云数据压缩方法进行了分析，建立了基于矢量-角度法的模型点云压缩算法，并进行了建模研究。论文最后开展了实例应用及分析研究。论文的主要研究结果如下： （1）针对不同类型的点云数据，建立了相应的配准算法。在初始配准阶段，本文分别建立了SAC-IA算法和PFH/FPFH特征描述算子相结合的局部特征初始配准算法，以及RANSAC算法和4PCS相结合的全局搜索初始配准算法。通过实验验证得出适合不同类型数据的点云初始配准算法。在初始配准结果的基础上，针对三维正态分布变换算法容易陷入局部最优和收敛性差的问题，对其进行了改进。改进算法利用近似Hessian矩阵来解决三维正态分布变换算法计算复杂导致配准效率低的问题，并利用线性搜索算法改进牛顿迭代算法以加快其收敛速度。 （2）针对三维点云数据量过大导致建模耗时过长的问题，建立了基于矢量-角度法的模型点云压缩算法。该算法首先建立包围盒划分点云数据，并利用小包围盒中的点云密度作为迭代阈值，对包围盒中的点云数据进行多次迭代，划分出自适应点云数据大小不同的小包围盒，利用矢量-角度法对每个包围盒进行数据压缩，保证在特征不丢失的基础上较大的压缩了点云数据。 （3）对压缩后的点云数据进行了建模及对比分析。首先应用本文建立的点云压缩算法对两组数据进行压缩实验，与常见的压缩算法进行点云压缩效率对比，并利用基于 Delaunay 三角形的建模方法将压缩后的点云进行建模处理，对比建模精度。 （4）本文利用上述理论对两个不同类型的点云数据进行了多组实验。实验结果表明，SAC-IA算法和PFH/FPFH特征描述算子相结合的局部特征初始配准算法以及RANSAC算法和4PCS相结合的全局搜索初始配准算法均完成了点云初始配准，且基于FPFH特征描述算子的点云初始配准算法和4PCS点云初始配准算法都在初始配准效率方面效果较好。在初始配准的基础上，利用改进的三维正态分布变换算法对点云数据进行精确配准，精确配准结果表明该改进算法在配准精度和配准速度方面较其它算法更理想。

目录

第一个书签之前