论文部分内容阅读
近年来,地面三维激光扫描仪在众多领域得到了广泛应用,在信息化时代扮演着越来越重要的角色。地面三维激光扫描仪的硬件得到了迅速发展,但是数据处理具有一定的滞后。地面三维激光扫描仪采用测站坐标系,相邻测站采集数据的坐标系不统一。为了使不同测站的点云数据坐标系统一,需要进行点云拼接。点云拼接是点云数据处理的第一步,点云拼接的精度影响后续数据处理的精度,因此,点云拼接也是数据处理的关键一步。论文针对点云拼接进行了研究,研究工作主要从点云粗拼接、点云分割、点云精拼接三个方面展开。论文的主要创新点如下:(1)基于点云数据的平面特征,提出了一种引入RANSAC算法的点云自动拼接模型。该模型利用RANSAC算法实现数据集和模型集中同名平面的自动匹配,进而实现两站点云自动拼接。随机从数据集和模型集中各抽取三个平面,利用平面参数计算坐标系转换参数,将坐标系转换参数作用于数据集。计算数据集中每一个平面与模型集中所有平面的夹角,设置夹角阈值,平面夹角小于阈值的两个平面为同名平面,然后利用同名平面参数计算坐标系转换参数。实验结果证明:当相邻测站中同名平面完全重叠、同名平面部分重叠和相邻测站平面个数不同时,本文算法均能实现点云自动拼接,且算法鲁棒性强、拼接精度高。(2)改进了RANSAC算法分割平面点云的模型。与传统RANSAC算法相比,该模型增加了两个约束条件;第一,样本点之间法向量平行。任意两点之间法向量夹角小于阈值的三个点作为样本,计算平面参数;第二,点云中某点法向量与样本点法向量平行。当某点法向量与样本点法向量夹角小于阈值时,选其作为内点。实验结果证明:改进的RANSAC算法减少了内点集的判断次数,提高了提取平面点云的正确率。(3)提出了一种顾及重叠区域面型的ICP拼接模型。利用改进的RANSAC算法分割重叠区域点云,将重叠区域点云分为平面点云和曲面点云,充分利用重叠区域的面状信息,在不同面状上采用不同的对应点确立方式,保证了对应点在整个重叠区域的分布。实验结果表明:该模型提高了ICP算法点云拼接的精度,扩展了ICP算法适用范围。