没有合适的资源?快使用搜索试试~ 我知道了~
点云配准是地面三维激光扫描数据处理的重要环节。面向地形起伏较小的场景,提出了一种基于投影分布熵的地面激光点云自动配准方法,利用信息熵对点云投影分布的集中程度进行描述,并寻找点云间的最佳分布进行粗配准,以此作为迭代最邻近点算法的初始值进行精配准。相对于基于特征的自动配准方法,该方法主要关注点云整体分布的一致性。实验表明,该方法具有较高的稳定性和成功率,尤其在点云场景出现较大视角变化或包含较多重复、对称结构时具有良好的配准结果。
资源推荐
资源详情
资源评论
第
卷
第
期
激 光 与 光 电 子 学 进 展
,
年
月
,
基于投影分布熵的地面激光点云自动配准方法
梁 建 国
,
,
陈 茂 霖
,
马 红
,
重庆市勘测院
,
重庆
;
重庆市地理国情监测工程技术研究中心
,
重庆
;
重庆交通大学土木工程学院
,
重庆
摘要
点云配准是地面三维激光扫描数据处理的重要环节
.
面向地形起伏较小的 场景
,
提出 了一 种基于 投影 分布
熵的地面激光点云自动配准方法
,
利用信息熵对点云投 影分 布 的集 中程 度 进行 描述
,
并 寻找 点云 间 的最 佳分 布 进
行粗配准
,
以此作为迭代最邻近点算法的初始值进 行精 配准
.
相 对于 基于 特 征的 自动 配 准方 法
,
该 方法 主要 关 注
点云整体分布的一致性
.
实验表明
,
该方法具有较高的 稳定 性 和成 功率
,
尤 其在 点云 场 景出 现较 大 视角 变化 或 包
含较多重复
、
对称结构时具有良好的配准结果
.
关键词
机器视觉
;
点云配准
;
地面激光扫描
;
信息熵
;
二维投影
中图分类号
文献标识码
doi
:
/
Re
g
istrationofTerrestrialLaserScannin
g
DataBasedon
Pro
j
ectionDistributionEntro
py
Chon
gq
in
g
Surve
y
Institute
Chon
gq
in
g
China
Chon
gq
in
g
En
g
ineerin
g
ResearchCentero
f
Geo
g
ra
p
hicNationalCondition Monitorin
g
Chon
gq
in
g
China
Schoolo
f
CivilEn
g
ineerin
g
Chon
gq
in
g
Jiaoton
g
Universit
y
Chon
gq
in
g
China
Abstract
Ke
y
words
OCIScodes
收稿日期
:
;
修回日期
:
;
录用日期
:
基金项目
:
国家自然科学基金
(
)、
国家重点研发计划
(
)、
重庆市 科委 技术创 新与 应用示 范项 目
重大主题专项
(
)、
重庆市社会事业与民生保障科技创新专项
(
)
EGmail
:
引
言
近 年 来 地 面 三 维 激 光 扫 描 广 泛 应 用 于 城 市 建
模
[
]
、
遗迹保护
[
]
、
变形监测
[
]
、
森林调查
[
]
等领域
.
相比于基于可见光 的传统测 量 方法
,
激光扫描 是 一
种主动式的测量方 法
,
减少了对 测 量环境和 时 段的
激 光 与 光 电 子 学 进 展
依赖
,
并可以快速
、
精确
、
大量地获 取 目标表面 的 点
云数据
.
为了获得 地物的完 整 表面信息
,
地面激光
扫描通常需要多站 架设
,
不同测站 得 到的点云 数 据
具有独立坐标系
,
需要转换 至 同一坐标 系 下才能用
于后续处理
,
该转换过 程 称为点云 配 准
.
点云配准
是激光点云处理中 的重要环 节
,
对激光扫 描 数据的
后续处理与应用具有重要意义
.
点云配 准 的 基 本 方 法 是 基 于 标 靶 进 行 配 准
,
由于标靶布 设影响 作 业 效 率 且 受 地 形 通 视 限 制 较
大
,
自动配 准 方 法 一 直 是 国 内 外 研 究 的 重 点
.
点
云自动配 准 通 常 分 为 粗 配 准 和 精 配 准 两 个 阶 段
.
迭代最邻 近 点
(
)
法 是 一 种 常 用 的 自 动 精 配 准
方法
[
]
,
通过 不 断 迭 代 搜 索 邻 近 点 对 并 计 算 转 换
参数
,
直 至 达 到 预 设 收 敛 条 件
.
在 原 始
的 基
础上
,
许 多 学 者 从 不 同 角 度 提 出 了 改 进 思 路
.
等
[
]
使用点面距 替代了原始
中 的 对 应 点
距离
,
提 高 了 算 法 的 收 敛 效 率
.
[
]
在 此 基 础
上
,
从数学框架 出 发
,
将 基 于 点 面 距 的
解 算 过
程简 化为线性 最 小 二 乘
,
提 高 了 算 法 效 率
.
等
[
]
通过设置最 大 距 离 的 方 式 剔 除 不 合 理 的 对 应
点
,
提高了配准 精度
.
算法的 不 足 在 于 需 要 较
高精度 的 初 始 值
,
否 则 易 收 敛 于 局 部 最 小 值
.
为
提供初始值 的过程为粗 配准阶段
,
自 动 粗 配 准
方法一般包 括基于 点 云 影 像 和 基 于 三 维 特 征 的 方
法
.
基于影 像 的 配 准 方 法 一 般 从 点 云 影 像 出 发
,
在影像空间 中查找 对 应 的 同 名 点 并 计 算 初 始 转 换
参数
,
常 用 的 点 云 影 像 包 括 相 机 影 像
[
]
、
强 度 影
像
[
]
和深 度 影 像
[
]
,
常用的特 征 匹 配 方 法 为 尺 度
不变特征变换
(
)
[
]
.
基于点云 影 像的配准 方
法可以充分利用成 熟的图像 处 理算法
,
实现高效 的
自动配准
,
但对于激光扫描中存在的视角变换
、
前视
遮挡
、
重叠率较小 等情况较 为 敏感
,
适用范围 有 限
.
而直接在三维点云中提取特征进行同名查找和匹配
的配准方法的稳定性 更好
、
适用范围 更 广
.
等
[
]
将 点 云 数 据 体 素 化 后 提 取 高 斯 差 分 特 征
(
)
和三维
角点
,
以实现自动配准
.
等
[
]
基于统计方式提取直方图特征
(
)
并进行
配准
,
该特征对于尺度
、
噪声都有较好的稳健性
.
陈
茂霖等
[
]
在直 方 图 特 征 的 基 础 上
,
结 合 法 向 量
、
高
程等特征进 一 步 提 升 了 地 面 激 光 点 云 配 准 的 稳 定
性
.
陆军等
[
]
通 过 在 点 云 处 理 中 引 入 迭 代 插 值 法
增加点云整体密度
,
提高了配准精度
.
浦石等
[
]
提
取立面特征
,
并与全球 定 位系统
(
)
得 到 的 测 站
位置结合
,
实 现 了 点 云 的 快 速 配 准
.
等
[
]
提
取竖直方向特征线 与 地面的交 点 作为语义 特 征点
,
并基于该点集寻 找 同名点
,
实现点云 配 准
.
谭志国
等
[
]
在特征配准之外
,
基于场景在三 个投影面上 的
分布熵计算转换参数
,
取得了较好的仿真数据
,
但用
于计算平移参数的质心对齐法可能不适用于质心偏
移较大的实际点云 数据
,
且采用对 三 个旋转角 进 行
查找的方式
,
降低了配准效率
.
从已 有研究可知
,
目前点云自 动配准方法 主要
关注点云中的具体 特征
,
通过提取 和 匹配同名 特 征
来计算点云测站间的转换参数
.
这种方法在特征显
著的场景下可以取 得很好的 配 准结果
,
但特征相 关
的处理通常需要大量运算
、
效率较低
,
并且基于特征
的同名查找在视角 变换较大 以 及含有较 多 重复
、
对
称结构的场景中会受到干扰
,
出现较大的配准误差
.
针对该问题
,
本文提 出 一种考虑 测 站间点云 二 维投
影分布的地面激光 点云自动 配 准方法
,
基于信息 熵
衡量测站间的二维 投影分布 统 一程度
,
使用测站 位
置间距控制平移参 数
,
通过在二 维 空间中查 找 最佳
点云分布来计算点云的初始转换参数
.
这种方法适
用于地面较为平坦的场景
,
无需提取细节特征
,
提高
了配准效率
,
同时对重复
、
对称结构具有更高的稳定
性和配准成功率
.
点云分布的信息熵表达
对于参考点云
M
和待配准点云
Q
,
其配准后的
转换关系表达式为
M
=
R
(
φ
,
ω
,
κ
)
×
Q
+
T
, (
)
式中
:
R
(
φ
,
ω
,
κ
)
为点云
Q
依次绕
x
、
y
和
z
轴逆时
针旋转
φ
、
ω
和
κ
角度所对应 的旋转矩阵
;
T
为平移
矩阵
.
引入信息熵
[
]
的 概 念 对 点 云 分 布 情 况 进 行 数
学描 述
.
对 于 一 个 随 机 事 件
X
{
X
,
X
,,
X
m
},
各 子 事 件 发 生 的 概 率 分 别 为
P
(
X
)
{
p
,
p
,,
p
m
},
其中
m
为子事件数 目
,
则
X
的信息熵
的表达式为
H
(
X
)
=
H
(
p
,,
p
m
)
=-
m
i
=
p
i
p
i
, (
)
式中
:
H
(
X
)
为随机事件
X
的信息熵
;
i
为子事件编
号
,
表示第
i
个子事件
.
事件
X
的信息熵
H
(
X
)
越
大
,
表示该事件包含的信息量和不确定性越大
.
通常情 况 下
,
地 面 激 光 扫 描 仪 为 近 似 水 平 架
设
[
]
,
因此点云的坐标
x
和
y
可以直接作为点云在
xGoG
y
平面上的投影坐标
,
将点云投影至 二 维空间
.
对于投影后的点云
M
和
Q
,
可通过划分规则格网的
剩余9页未读,继续阅读
资源评论
weixin_38635996
- 粉丝: 3
- 资源: 851
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- The Net Ninja YouTube 频道上的 JavaScript DOM 教程的所有课程文件 .zip
- Swagger Spec 到 Java POJO.zip
- Stripe API 的 Java 库 .zip
- RxJava 2 和 Retrofit 结合使用的几个最常见的使用方式举例.zip
- RxJava 2 Android 示例 - 如何在 Android 中使用 RxJava 2.zip
- 上传OpenCV开发资源OpenCv开发资源
- Spring Boot与Vue 3前后端分离技术详解及应用
- C#开发的一款批量查快递批量分析物流状态的winform应用软件
- PubNub JavaScript SDK 文档.zip
- paho.mqtt.javascript.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功