CN102446354A - 一种高精度多源地面激光点云的整体配准方法 - Google Patents

Abstract

本发明公开了一种高精度多源地面激光点云的整体配准方法，包括如下步骤：采集原始特征约束，输入控制点，再将控制点作为第一地面激光站点；在所有与第一地面激光站点相邻的地面激光站点中，选取与原始特征约束相对应的同名特征约束；确定配准基站；对每一地面激光站点的特征约束列立误差方程，并求解控制坐标下各扫描站点的配准参数初值；对配准参数初值进行整体平差，并进行粗差剔除，直到相邻两次计算出的参数改正数变化小于阈值，输出配准参数精确值；根据配准参数精确值转换所有地面激光站点点云的坐标系，以配准所有地面激光站点点云。通过本发明的方法，能够实现复杂场景下多站地面激光点云的精确配准。

Description

一种高精度多源地面激光点云的整体配准方法

技术领域

本发明涉及一种配准方法，尤其涉及一种应用于大型场景的多站式地面激光点云的整体配准方法。

背景技术

近些年来，地面激光扫描技术在大型工程中的应用增多，如大型古建记录及现代建筑的监测及施工检测、隧道开挖变形监测等，这些大体量目标的测量中，需要多个视角的扫描数据来完成整体数据采集，最后通过配准来完成整体对象点云模型的构建。

激光点云本身的测量精度一般能够满足实际测量需求，然而多站数据配准中配准约束存在误差，加上各站配准时候引起的累积误差及约束误差的不确定性，往往导致最后构建的整体点云模型存在较大误差。

现有技术中，激光点云数据配准主要有两类方法：一是利用三维点集的重合性，在重叠区域寻找同名点并通过反复迭代最后实现数据配准。此类方法在确保匹配精度的同时，降低了配准效率，总体来说，这类方法比较适合两两站点之间的配准。

还有一种方法即是直接通过对象的特征约束来进行配准，通过直接布设控制点与扫描模型绑定或是通过对象中的特征直接求解转换参数来实现空间坐标变换与统一。这类方法虽然在实际配准数据中灵活多变且计算速度快，特别是对于复杂对象，当扫描点云差异大，或是点云重叠度不够时候，基于特征配准往往能够发挥作用；但是在处理过程中将所有参与配准的约束作为等权来平差对待，而约束本身存在各种误差因素，导致配准结果不稳定甚至出现严重偏差，需要采用一定方法消除或削弱粗差，保证稳定的配准结果。

另外，还有将上述两种方法相结合的方法，即先用特征配准方法快速确定好点云的初始对应位置，即为“粗配准”，然后在粗配准的基础上进行精确配准。这类算法结合的两者的长处，往往既能保证配准的效率，又能实现了精确配准。

此外，还有根据测点及其邻域点估算出的点的曲面法矢并计算各个测点的曲率，最后根据每个测点的曲率来识别匹配的点对，采用几何哈希方法找出使得最多数量的点对法矢一致的变换，运用该变换将散乱点云作粗配准，算法不需要人工交互，自动化程度高，但是相对耗时，有时候测点曲率变化较小时候不易匹配。

以及基于实数编码的多种群遗传算法的配准方法，可有效地提高全局搜索能力，从而快速获得较好的粗配准结果，但算法实用性不强。

再者，根据数据点之间曲率的相似度函数，采用粒子群优化算法在两组点云数据中搜索可以匹配的点对集合，然后用最近点迭代算法进行二次配准，实现了两组散乱点云数据的精确配准。

综上所述可以看出，目前的配准方法主流是针对逐个点集配准的方法，虽有少数提出了针对多站点云配准的平差模型，但是未作深入研究，其结果也差强人意。由于大型复杂场景扫描点云情况复杂，因此往往需要多样化的配准手段相结合。

发明内容

本发明针对现有技术的弊端，提供一种高精度多源地面激光点云的整体配准方法。

本发明所述高精度多源地面激光点云的整体配准方法，包括如下步骤：步骤一，采集原始特征约束，输入控制点，将控制点作为第一地面激光站点；

步骤二，在所有与第一地面激光站点相邻的地面激光站点中，选取与原始特征约束相对应的同名特征约束；

步骤三，预设第一地面激光站点为配准基站，计算所有相邻的地面激光站点中的同名特征约束数量是否达到能够与所述第一地面激光站点配准的程度，如果均能达到，则确定第一地面激光站点为配准基站，如果不能达到，则寻找特征约束最多的站，作为配准基站，所有站点配准统一到以控制为基础的坐标系下；

步骤四，对每一地面激光站点的特征约束列立误差方程，并求解配准参数初值；

步骤五，对配准参数初值进行整体参数平差，并进行粗差剔除，直到相邻两次计算出的参数改正数变化小于阈值，输出配准参数精确值；

步骤六、根据配准参数精确值转换所有地面激光站点点云的坐标系，以配准所有地面激光站点点云。

优选的是，所述的高精度多源地面激光点云的整体配准方法中，所述特征约束中包括点特征约束、线特征约束和面特征约束三类。

优选的是，所述的高精度多源地面激光点云的整体配准方法中，地面激光站点点云之间的最少特征约束组合为：一个点约束特征和一个线特征约束、一个点特征约束和两个面特征约束、或一个面特征约束和一个线特征约束。

优选的是，所述的高精度多源地面激光点云的整体配准方法中，在所述步骤四中，首先列立点特征约束误差方程、线特征约束误差方程和面特征约束误差方程，再将三种特征约束进行联合配准，得到统一的配准参数误差方程，最终求出配准参数初值。

优选的是，所述的高精度多源地面激光点云的整体配准方法中，在所述步骤五中，阈值为0.0001。

本发明所述的高精度多源地面激光点云的整体配准方法中，以间接平差原理为理论基础，在配准中即将所有特征约束作为观测值，将每一幅点云的空间转换参数以及部分未知约束作为待定参数进行整体的间接平差，求解待定空间变换参数和未知控制点平差值后，利用求解的空间转换参数直接对各原始的点云进行空间变换就可以实现整体配准。

附图说明

图1为地面激光站点中同名特征约束之间的关系示例图；

图2为本发明所述高精度多源地面激光点云的整体配准方法的流程示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1所示，本发明所述的高精度多源地面激光点云的整体配准方法，包括如下步骤：

步骤一采集原始特征约束，输入控制点，将输入控制点作为第一地面激光站点；

步骤二，在所有与第一地面激光站点相邻的地面激光站点中，选取与原始特征约束相对应的同名特征约束；

步骤三，预设第一地面激光站点为配准基站，计算所有相邻的地面激光站点中的同名特征约束数量是否达到能够与所述第一地面激光站点配准的程度，如果均能达到，则确定第一地面激光站点为配准基站，如果不能达到，则寻找特征约束最多的站，作为配准基站，所有站点配准统一到以控制为基础的坐标系下；这个坐标系是预设好的。

步骤四，对每一地面激光站点的特征约束列立误差方程，并求解配准参数初值；

步骤五，对配准参数初值进行整体参数平差，并进行粗差剔除，直到相邻两次计算出的参数改正数变化小于阈值，输出配准参数精确值；

步骤六、根据配准参数精确值转换所有地面激光站点点云的坐标系，以配准所有地面激光站点点云。

其中，所述待配准的点云中的同名点对X₀＝(x₀，y₀，z₀)，X＝(x，y，z)存在如下关系：X₀-(λRX+ΔX)＝0

本实施例中采用罗德里格矩阵运算，将六参数求解分化为求解旋转参数和平移参数两步，设两个坐标系统的重心坐标别为：X_0m，X_m(坐标均值)，重心化坐标为

坐标转换满足如下关系：

${\stackrel{\‾}{X}}_0=R\stackrel{\‾}{X}=0$

得到线性化方程如下：

$\left[\begin{array}{ccc}0& -{\stackrel{\‾}{z}}_0-\stackrel{\‾}{z}& -{\stackrel{\‾}{y}}_0-\stackrel{\‾}{y}\\ -{\stackrel{\‾}{z}}_0-\stackrel{\‾}{z}& 0& {\stackrel{\‾}{x}}_0+\stackrel{\‾}{x}\\ {\stackrel{\‾}{y}}_0+\stackrel{\‾}{y}& {\stackrel{\‾}{x}}_0+\stackrel{\‾}{x}& 0\end{array}\right]\left[\begin{array}{c}a\\ b\\ c\end{array}\right]-\left[\begin{array}{c}{\stackrel{\‾}{x}}_0-\stackrel{\‾}{x}\\ {\stackrel{\‾}{y}}_0-\stackrel{\‾}{y}\\ {\stackrel{\‾}{z}}_0-\stackrel{\‾}{z}\end{array}\right]=0$

令： $A=\left[\begin{array}{ccc}0& -{\stackrel{\‾}{z}}_0-\stackrel{\‾}{z}& -{\stackrel{\‾}{y}}_0-\stackrel{\‾}{y}\\ -{\stackrel{\‾}{z}}_0-\stackrel{\‾}{z}& 0& {\stackrel{\‾}{x}}_0+\stackrel{\‾}{x}\\ {\stackrel{\‾}{y}}_0+\stackrel{\‾}{y}& {\stackrel{\‾}{x}}_0+\stackrel{\‾}{x}& 0\end{array}\right],$ $t=\left[\begin{array}{c}a\\ b\\ c\end{array}\right],$ $L=\left[\begin{array}{c}{\stackrel{\‾}{x}}_0-\stackrel{\‾}{x}\\ {\stackrel{\‾}{y}}_0-\stackrel{\‾}{y}\\ {\stackrel{\‾}{z}}_0-\stackrel{\‾}{z}\end{array}\right]$

旋转参数的误差方程可以表示为：

V＝At-L

将求解的罗德里格参数构造矩阵R后，平移参数的误差方程如下：

V＝ΔX-(X₀-RX)

由上述方程可知，基于点的配准至少需要三对不在一条直线上的同名点对才能实现。

对于面特征而言，假设平面P的法向为F，重心为X，那么平面P可以表示为：P(F，X)。对于一对同名面约束P₀(F₀，X₀)，P(F，X)，有两个约束关系，第一个是法向平行，表达式如下：

F₀-RF＝0

线性化展开得到方向观测误差方程表示为：

V＝A_ft-L_f

求解出旋转矩阵R后，依据平面P(F，X)的重心X在平面P₀(F₀，X₀)上，表达如下：

F₀(RX+ΔX-X₀)＝0

得到平移参数的误差方程如下：

V＝F₀ΔX-F₀(X₀-RX)

由观测方程可知至少需要3对独立平面才可以完成配准。

对于线特征而言，同样的对于空间线约束定义为L(F，P)，其中F为直线方向向量，P为线上一点(一般取线形约束的中心)，则对于空间同名线L₀(F₀，P₀)，L(F，P)，存在直线方向平行条件，线约束与面约束旋转参数误差方程相同，在此不作赘述。

同名直线在空间重合则中心点P变换后在直线L0上，令：P′＝RP，则上述约束满足：

f_0y(p′_x+Δx-p_0x)-f_0x(p′_y+Δy-p_0y)＝0

f_0z(P′_x+Δx-p_0x)-f_0x(p′_z+Δz-p_0z)＝0

得到平移参数的误差方程如下：

$V=\left[\begin{array}{ccc}{f}_{0y}& -f_{0x}& 0\\ f_{0z}& 0& -f_{0x}\end{array}\right]\left[\begin{array}{c}\mathrm{\Δx}\\ \mathrm{\Δy}\\ \mathrm{\Δz}\end{array}\right]-\left[\begin{array}{c}{f}_{0x}(p_y^{\′}-p_{0y})-f_{0y}(p_x^{\′}-p_{0x})\\ f_{0x}(p_z^{\′}-p_{0z})-f_{0z}(p_x^{\′}-p_{0x})\end{array}\right]$

通过求解线性方程组，可以得到平移向量S。

对前述三种约束进行联合配准，假设参与配准的点、线、面特征约束数分别为m、n、l，则对参与点进行重心化以后，得到统一的旋转参数误差方程为：

$\underset{3(m+n+l)\×1}{V}=\underset{3(m+n+l)\×3}{A}\underset{3\×1}{t}-\underset{3(m+n+l)\×1}{L}$

其中，A为由坐标和法向观测值组成的系数阵，L为相应残差阵。用最小二乘法可以直接求得旋转矩阵参数X。综合平移参数误差方程可以得到平移参数的误差方程式：

$\underset{(3m+2n+l)\×1}{V}=\underset{(3m+2n+l)\×3}{B}\underset{3\×1}{\mathrm{\ΔX}}-\underset{(3m+2n+l)\×1}{W}$

其中，B为点、线、面约束在空间的距离约束构成的系数阵W为相应的残差阵。

通过求解上述误差方程式可获取各类同名特征对应的参数初值。

构建各个站点对应的各类同名特征对应的误差方程，并进行整体平差结算，以获取空间变换参数。

本步骤中，对点线面三类特征约束构建误差方程具体如下：

1)点约束误差方程

对于扫描对象中的特征点X_t0＝(x₀，y₀，z₀)与其观测值X_t＝(x，y，z)间存在如下关系：

X_t0-(λRX_t+ΔX)＝0

R为站点变换旋转矩阵，ΔX(Δx，Δy，Δz)为点云站点平移参数。一般地，在点云运算中尺度参数λ＝1。线性化展开，可得到点的误差方程为：

V₁＝A₁t+BX-L₁

其中V₁为观测值残差，A₁为空间变换参数相关的系数阵，t为空间变换参数改正数，B为待定点系数阵，X为待定点改正值，L₁为观测值残差。点约束的权p＝0.5。对于控制点，实际中扫描中获取的精度与测量获取相同，只是设置权比普通点大，点的权为p＝1。

2)面约束误差方程

平面有两个各参数，重心M(m_x，m_y，m_z)及法向F(f_x，f_y，f_z)，对于空间面S₀(M₀，F₀)，其观测值S(M，F)存在法向平行和重心同面两个观测约束条件，对于法向平行条件，约束满足如下关系：

F₀-RF＝0

由式(3-34)可得到法向观测误差方程为：

V₂₁＝A₂₁t-L₂₁

对于重心同面约束，满足如下关系：

F₀g(RM+ΔX-M₀)^T＝0

线性化以后，可以得到相应的误差方程为：

V₂₂＝A₂₂t-L₂₂

3)线约束误差方程

类似于前述的面特征约束，线特征约束也有两个参数：线上一点P(p_x，p_y，p_z)及其法向F(f_x，f_y，f_z)。对于空间线L₀(P₀，F₀)，与其观测值L(P，F)有法向平行和中心同在L₀上两个观测条件，法向平行约束误差方程列立结果同面约束。对于后一个条件，需要满足P在L₀上即可，令P′＝RP，满足如下表达：

f_0y(p′_x+Δx-p_0x)-f_0x(p′_y+Δy-p_0y)＝0

f_0z(p′_x+Δx-p_0x)-f_0x(p′_z+Δz-p_0z)＝0

对上述关系线性化以后可以得到误差方程：

V₃₃＝A₂₃t-L₂₃

将三类约束方程合并，可以得到如下的条件约束方程：

V₂＝A₂t-L₂

其中： $V_2=\left[\begin{array}{c}{V}_{21}\\ V_{22}\\ V_{23}\end{array}\right],$ $A_2=\left[\begin{array}{c}{A}_{21}\\ A_{22}\\ A_{23}\end{array}\right],$ $L_2=\left[\begin{array}{c}{L}_{21}\\ L_{22}\\ L_{23}\end{array}\right].$

4)整体模型

设总共有k站点云数据，m个点约束，n个面约束，1条线约束，则将三类特征约束的误差方程统一，结合式(3-32)、(3-39)可以得到如下的方程： $\left.\begin{array}{c}\underset{3m\×1}{V_1}=\underset{3m\×6k}{A_1}\underset{6k\×1}{t}+\underset{3m\×3m}{B}\underset{3m\×1}{X}-\underset{3m\×1}{L_1}\\ \underset{(4n+5l)\×1}{V_2}=\underset{(4n+5l)\×6k}{A_2}\underset{6k\×1}{t}-\underset{(4n+5l)\×1}{L_2}\end{array}\right\}$

合并(3-39)以后可以得到如下的方程式：

V＝At+BX-L

其中 $V=\left[\begin{array}{c}{V}_1\\ V_2\end{array}\right],$ $A=\left[\begin{array}{c}{A}_1\\ A_2\end{array}\right],$ $B=\left[\begin{array}{c}B\\ 0\end{array}\right],$ $L=\left[\begin{array}{c}{L}_1\\ L_2\end{array}\right]$

三类特征约束模型可以按照类似摄影测量中光束平差模型来统一解算，解算完毕以后可以直接转换各参与配准的站点点云到统一坐标系中并输出。

地面激光点云的配准中同组拟合特征精度，小的粗差难以发现，可以采用选择权迭代法法进行粗差探测。粗差探测的经典方法是Baarda数据探测法，但是该方法只能定位单个粗差，对于多组同精度观测的粗差探测比较有效的是带权数据探测法及验后方差选择权迭代法，验后方差的权函数及检验量如下：

其中检验量

检验量

一般取4.13或3.29，相当于显著水平α＝0.1％，检验功效β＝80％或76％时的情况。

利用上述空间变换参数对各选定的站点点云进行配准。

本发明所述的高精度多源地面激光点云的整体配准方法中，以间接平差原理为理论基础，在配准中即将所有特征约束作为观测值，将每一幅点云的空间转换参数以及部分未知约束作为待定参数进行整体的间接平差，求解待定空间变换参数和未知控制点平差值后，利用求解的空间转换参数直接对各原始的点云进行空间变换就可以实现整体配准。

具体而言，本发明提供了以下技术方案：

第一步：将控制点输入相应的站点并对参与配准的各个相邻站点点云进行同名约束提取，约束类型包括点、线、面三类，并完成相应的命名工作。多站点云之间的约束关系存在多种情况，图1做了一个简单说明，圈表示扫描站点，交集内的数字表示同名特征约束数目。以点约束为例，有ABCDE五站扫描点云，重叠部分数字为相邻两幅点云的约束数目，由图可以看出来，以B为基站进行配准时，CD两幅点云都可以直接配准到B上，A则和其它点云重叠约束太少，不能参与配准，站点E则是一个特例，它需要和BCD三幅点云构成的整体点云配准才能够满足配准条件。

对于不同类的约束，要实现两站点之间的特征配准，有多种组合，表1给出了求解空间参数的最少约束组合，有多余的条件就可以参与平差。

表1  解算空间变换的最小特征约束类型组合

第二步：对每一站点的各类约束列立误差方程并求解配准初值。对三类约束的误差方程分别建立如下：

1)点约束误差方程

对于待配准的点云中的同名点对X₀＝(x₀，y₀，z₀)，X＝(x，y，z)存在如下关系：

X₀-(λRX+ΔX)＝0

本文采用罗德里格矩阵运算，将六参数求解分化为求解旋转参数，平移参数两步，设两个坐标系统的重心坐标别为：X_0m，X_m(坐标均值)，重心化坐标为坐标转换满足如下关系：

${\stackrel{\‾}{X}}_0=R\stackrel{\‾}{X}=0$

得到线性化方程如下：

$\left[\begin{array}{ccc}0& -{\stackrel{\‾}{z}}_0-\stackrel{\‾}{z}& -{\stackrel{\‾}{y}}_0-\stackrel{\‾}{y}\\ -{\stackrel{\‾}{z}}_0-\stackrel{\‾}{z}& 0& {\stackrel{\‾}{x}}_0+\stackrel{\‾}{x}\\ {\stackrel{\‾}{y}}_0+\stackrel{\‾}{y}& {\stackrel{\‾}{x}}_0+\stackrel{\‾}{x}& 0\end{array}\right]\left[\begin{array}{c}a\\ b\\ c\end{array}\right]-\left[\begin{array}{c}{\stackrel{\‾}{x}}_0-\stackrel{\‾}{x}\\ {\stackrel{\‾}{y}}_0-\stackrel{\‾}{y}\\ {\stackrel{\‾}{z}}_0-\stackrel{\‾}{z}\end{array}\right]=0$

令： $A=\left[\begin{array}{ccc}0& -{\stackrel{\‾}{z}}_0-\stackrel{\‾}{z}& -{\stackrel{\‾}{y}}_0-\stackrel{\‾}{y}\\ -{\stackrel{\‾}{z}}_0-\stackrel{\‾}{z}& 0& {\stackrel{\‾}{x}}_0+\stackrel{\‾}{x}\\ {\stackrel{\‾}{y}}_0+\stackrel{\‾}{y}& {\stackrel{\‾}{x}}_0+\stackrel{\‾}{x}& 0\end{array}\right],$ $t=\left[\begin{array}{c}a\\ b\\ c\end{array}\right],$ $L=\left[\begin{array}{c}{\stackrel{\‾}{x}}_0-\stackrel{\‾}{x}\\ {\stackrel{\‾}{y}}_0-\stackrel{\‾}{y}\\ {\stackrel{\‾}{z}}_0-\stackrel{\‾}{z}\end{array}\right]$

旋转参数的误差方程可以表示为：

V＝At-L

将求解的罗德里格参数构造矩阵R后，平移参数的误差方程如下：

V＝ΔX-(X₀-RX)

由方程可知，基于点的配准至少需要三对不在一条直线上的同名点对才能实现。

2)面特征误差方程

假设平面P的法向为F，重心为X，那么平面P可以表示为：P(F，X)。对于一对同名面约束P0(F0，X0)，P(F，X)，有两个约束关系，第一个是法向平行，表达式如下：

F₀-RF＝0

线性化展开得到方向观测误差方程表示为：

V＝A_ft-L_f

求解出旋转矩阵R后，依据平面P(F，X)的重心X在平面P0(F0，X0)上，表达如下：

F₀(RX+ΔX-X₀)＝0

得到平移参数的误差方程如下：

V＝F₀ΔX-F₀(X₀-RX)

由观测方程可知至少需要3对独立平面才可以完成配准。

3)线特征误差方程

同样的对于空间线约束我们定义为L(F，P)，其中F为直线方向向量，P为线上一点(一般取线形约束的中心)，则对于空间同名线L0(F0，P0)，L(F，P)，存在直线方向平行条件，线约束与面约束旋转参数误差方程相同，在此不作赘述。

同名直线在空间重合则中心点P变换后在直线L0上，令：P′＝RP，则上述约束满足：

f_0y(p′_x+Δx-p_0x)-f_0x(p′_y+Δy-p_0y)＝0

f_0z(p′_x+Δx-p_0x)-f_0x(p′_z+Δz-p_0z)＝0

得到平移参数的误差方程如下：

$V=\left[\begin{array}{ccc}{f}_{0y}& -f_{0x}& 0\\ f_{0z}& 0& -f_{0x}\end{array}\right]\left[\begin{array}{c}\mathrm{\Δx}\\ \mathrm{\Δy}\\ \mathrm{\Δz}\end{array}\right]-\left[\begin{array}{c}{f}_{0x}(p_y^{\′}-p_{0y})-f_{0y}(p_x^{\′}-p_{0x})\\ f_{0x}(p_z^{\′}-p_{0z})-f_{0z}(p_x^{\′}-p_{0x})\end{array}\right]$

通过求解线性方程组，可以得到平移向量S。

4)多约束联合

三种约束进行联合配准，假设参与配准的点、线、面特征约束数分别为m、n、1，则对参与点进行重心化以后，得到统一的旋转参数误差方程为：

$\underset{3(m+n+l)\×1}{V}=\underset{3(m+n+l)\×3}{A}\underset{3\×1}{t}-\underset{3(m+n+l)\×1}{L}$

其中，A为由坐标和法向观测值组成的系数阵，L为相应残差阵。用最小二乘法可以直接求得旋转矩阵参数X。综合平移参数误差方程可以得到平移参数的误差方程式：

$\underset{(3m+2n+l)\×1}{V}=\underset{(3m+2n+l)\×3}{B}\underset{3\×1}{\mathrm{\ΔX}}-\underset{(3m+2n+l)\×1}{W}$

B为点、线、面约束在空间的距离约束构成的系数阵W为相应的残差阵第三步：整体解算模型构建及解算

整体配准中对点线面三类特征约束构建误差方程具体如下：

1)点约束误观测方程

对于扫描对象中的特征点X_t0＝(x₀，y₀，z₀)与其观测值X_t＝(x，y，z)间存在如下关系：

X_t0-(λRX_t+ΔX)＝0

R为站点变换旋转矩阵，ΔX(Δx，Δy，Δz)为点云站点平移参数。一般地，在点云运算中尺度参数λ＝1。线性化展开，可得到点的误差方程为：

V₁＝A₁t+BX-L₁

其中V1为观测值残差，A1为空间变换参数相关的系数阵，t为空间变换参数改正数，B为待定点系数阵，X为待定点改正值，L1为观测值残差。点约束的权p＝0.5。对于控制点，实际中扫描中获取的精度与测量获取相同，只是设置权比普通点大，点的权为p＝1。

2)面约束误差方程

平面有两个各参数，重心M(m_x，m_y，m_z)及法向F(f_x，f_y，f_z)，对于空间面S₀(M₀，F₀)，其观测值S(M，F)存在法向平行和重心同面两个观测约束条件，对于法向平行条件，约束满足如下关系：

F₀-RF＝0

由式(3-34)可得到法向观测误差方程为：

V₂₁＝A₂₁t-L₂₁

对于重心同面约束，满足如下关系：

F₀g(RM+ΔX-M₀)^T＝0

线性化以后，可以得到相应的误差方程为：

V₂₂＝A₂₂t-L₂₂

其中：

3)线约束误差方程

类似面特征约束，线特征约束也有两个参数：线上一点P(p_x，p_y，p_z)及其法向F(f_x，f_y，f_z)。对于空间线L₀(P₀，F₀)，与其观测值L(P，F)有法向平行和中心同在L0上两个观测条件，法向平行约束误差方程列立结果同面约束。对于后一个条件，需要满足P在L0上即可，令P′＝RP，满足如下表达：

f_0y(p′_x+Δx-p_0x)-f_0x(p′_y+Δy-p_0y)＝0

f_0z(p′_x+Δx-p_0x)-f_0x(p′_z+Δz-p_0z)＝0

对上述关系线性化以后可以得到误差方程：

V₂₃＝A₂₃t-L₂₃

将三类约束方程合并，可以得到如下的条件约束方程：

V₂＝A₂t-L₂

其中： $V_2=\left[\begin{array}{c}{V}_{21}\\ V_{22}\\ V_{23}\end{array}\right],$ $A_2=\left[\begin{array}{c}{A}_{21}\\ A_{22}\\ A_{23}\end{array}\right],$ $L_2=\left[\begin{array}{c}{L}_{21}\\ L_{22}\\ L_{23}\end{array}\right].$

4)整体模型

设总共有k站点云数据，m个点约束，n个面约束，1条线约束，则将三类特征约束的误差方程统一，结合式(3-32)、(3-39)可以得到如下的方程： $\left.\begin{array}{c}\underset{3m\×1}{V_1}=\underset{3m\×6k}{A_1}\underset{6k\×1}{t}+\underset{3m\×3m}{B}\underset{3m\×1}{X}-\underset{3m\×1}{L_1}\\ \underset{(4n+5l)\×1}{V_2}=\underset{(4n+5l)\×6k}{A_2}\underset{6k\×1}{t}-\underset{(4n+5l)\×1}{L_2}\end{array}\right\}$

合并(3-39)以后可以得到如下的方程式：

V＝At+BX-L

其中 $V=\left[\begin{array}{c}{V}_1\\ V_2\end{array}\right],$ $A=\left[\begin{array}{c}{A}_1\\ A_2\end{array}\right],$ $B=\left[\begin{array}{c}B\\ 0\end{array}\right],$ $L=\left[\begin{array}{c}{L}_1\\ L_2\end{array}\right]$

三类特征约束模型可以按照类似摄影测量中光束平差模型来统一解算，解算完毕以后可以直接转换各参与配准的站点点云到统一坐标系中并输出。粗差剔除：

地面激光点云的配准中同组拟合特征精度，小的粗差难以发现，可以采用选择权迭代法法进行粗差探测。粗差探测的经典方法是Baarda数据探测法，但是该方法只能定位单个粗差，对于多组同精度观测的粗差探测比较有效的是El-Hakim提出的带权数据探测法及验后方差选择权迭代法，验后方差的权函数及检验量如下：

其中检验量

检验量

一般取4.13或3.29，相当于显著水平α＝0.1％，检验功效β＝80％或76％时的情况。

整体稳健配准的实施流程如图2所示。

本发明所述方法的主要优点在于：

(1)大范围多站点云的整体拼接，能够消除多站数据的连接误差，提高整体数据的配准精度，提高点云数据的精度可信度。

(2)由于采用多种约束进行数据拼接，选用约束灵活，方便了具体配准中的约束提取，缩短了实际数据内业处理时间，提高了数据处理效率。

(3)数据配准在约束提取完毕后可以实现自动化配准，并能够提出其中较大的粗差，具有较高的自动化程度。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (5)

1.一种高精度多源地面激光点云的整体配准方法，其特征在于，包括如下步骤：

步骤一采集原始特征约束，输入控制点，将控制点作为第一地面激光站点；

步骤二，在所有与第一地面激光站点相邻的地面激光站点中，选取与原始特征约束相对应的同名特征约束；

步骤三，预设第一地面激光站点为配准基站，计算所有相邻的地面激光站点中的同名特征约束数量是否达到能够与所述第一地面激光站点配准的程度，如果均能达到，则确定第一地面激光站点为配准基站，如果不能达到，则寻找特征约束最多的站，作为配准基站；所有站点配准统一到以控制为基础的坐标系下。

步骤四，对每一地面激光站点的特征约束列立误差方程，并求解配准参数初值；

步骤五，对配准参数初值进行整体参数平差，并进行粗差剔除，直到相邻两次计算出的参数改正数变化小于阈值，输出配准参数精确值；

步骤六、根据配准参数精确值转换所有地面一激光站点点云的坐标系，以配准所有地面激光站点点云。

2.如权利要求1所述的高精度多源地面激光点云的整体配准方法，其特征在于，所述特征约束中包括点特征约束、线特征约束和面特征约束三类。

3.如权利要求2所述的高精度多源地面激光点云的整体配准方法，其特征在于，地面激光站点点云之间的最少特征约束组合为：一个点约束特征和一个线特征约束、一个点特征约束和两个面特征约束、或一个面特征约束和一个线特征约束。

4.如权利要求2所述的高精度多源地面激光点云的整体配准方法，其特征在于，在所述步骤四中，首先列立点特征约束误差方程、线特征约束误差方程和面特征约束误差方程，再将三种特征约束进行联合配准，得到统一的配准参数误差方程，最终求出配准参数初值。

5.如权利要求2所述的高精度多源地面激光点云的整体配准方法，其特征在于，在所述步骤五中，约束修正阈值为0.0001。

Images