CN106296650A - 一种激光点云配准方法和装置 - Google Patents
一种激光点云配准方法和装置 Download PDFInfo
- Publication number
- CN106296650A CN106296650A CN201610587142.1A CN201610587142A CN106296650A CN 106296650 A CN106296650 A CN 106296650A CN 201610587142 A CN201610587142 A CN 201610587142A CN 106296650 A CN106296650 A CN 106296650A
- Authority
- CN
- China
- Prior art keywords
- registration
- reference station
- plane
- station
- face
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种激光点云配准方法,该方法包括:获取多个参考站坐标系中的激光点云数据和多个配准站坐标系中的激光点云数据;利用特定算法分别对参考站坐标系和配准站坐标系中的数据进行拟合计算,得到多个参考站拟合平面和多个配准站拟合平面;根据多个参考站拟合平面和多个配准站拟合平面、第二阈值数目的参考站顶面和配准站顶面,利用预定公式,计算求解最优坐标转换模型,最优坐标转换模型适于将配准站坐标系转换为参考站坐标系;根据最优坐标转换模型和邻近点迭代算法,在参考站坐标系中,对在配准站坐标系下获取的激光点云数据进行配准。本发明实施例避免了人工设置标靶的人工过程,提高作业效率,简单易用。
Description
技术领域
本发明涉及数据配准技术领域,具体而言,涉及一种激光点云配准方法和装置。
背景技术
近年来,地面激光雷达扫描已成为获取建筑物室内模型的一种有效工具,广泛应用于室内3D场景重现,古迹保护,室内装潢等。为了获取建筑物室内场景表面完整的三维点云数据,需要在不同角度进行具有明显重叠区域的多站扫描,然而各个扫描测站的数据处于彼此独立的局部坐标系下,需要进行地面激光点云的配准把各站统一到同一个参考坐标系下,才能进行后期处理。现有利用人工标靶进行点云配准时,首先需要把标靶均匀布置在室内各个空间,后续还要收回标靶,花费不少时间,数据采集完成后需提取标靶信息,若提取的标靶个数不够或者精度不够,则无法进行配准。
发明内容
有鉴于此,本发明的目的在于提供一种激光点云配准方法和装置,以解决上述问题。
第一方面,本发明实施例提供了一种激光点云配准方法,包括:
获取参考站坐标系中的多个激光点云数据和配准站坐标系中的多个激光点云数据;
利用特定算法分别对所述参考站坐标系和配准站坐标系中的多个激光点云数据进行拟合计算,得到多个参考站拟合平面和多个配准站拟合平面;
在多个参考站拟合平面和多个配准站拟合平面中,分别选取所述拟合平面法向量与预定向量平行的平面,得到多个参考站顶面和多个配准站顶面,分别选取所述拟合平面法向量与预定向量不平行的平面,得到多个参考站立面和多个配准站立面;
在所述多个参考站立面和多个配准站立面中,分别选取第一阈值数目的参考站立面和第一阈值数目配准站立面,在所述多个参考站顶面和多个配准站顶面中,分别选取第二阈值数目的参考站顶面和第二阈值数目的配准站顶面;
根据所述参考站立面和配准站立面、参考站顶面和配准站顶面、以及预定公式,计算求解最优坐标转换模型,所述最优坐标转换模型适于将配准站坐标系转换为参考站坐标系;
根据最优坐标转换模型和邻近点迭代算法,在参考站坐标系中对在配准站坐标系下获取的激光点云数据进行配准。
可选第,在根据本发明的室内激光点云配准方法,其特征在于,所述预定公式包括平面坐标方程公式和共线方程公式。
可选地,在根据本发明的激光点云配准方法中,根据所述选择的第一阈值数目的参考站立面和第一阈值数目的配准站立面、第二阈值数目的参考站顶面和第二阈值数目的配准站顶面,利用预定公式,计算得到最优坐标转换模型的步骤包括:根据所述参考站立面和顶面以及配准站立面和顶面利用预定公式进行求解,得到模糊坐标转换模型;验证模糊坐标转换模型是否有效;如果模糊坐标转换模型有效,则确定参考站拟合平面和配准站拟合平面中的多个相似平面对;根据所述预定公式,对所述多个相似平面对进行求解,得到最优坐标转换模型。
可选地,在根据本发明的激光点云配准方法中,包括:
在所述多个参考站立面和多个配准站立面中,利用距离聚类分析方法,得到多个参考站立面对和多个配准站立面对。
可选地,在根据本发明的激光点云配准方法中,验证模糊坐标转换模型是否有效包括:
分别从参考站立面对和配准站立面对中选取聚类距离相等的多个等距参考站立面对和多个等距配准站立面对;
利用模糊坐标转换模型将所述选取的多个等距配准站立面对中的数据进行坐标转换,得到多个模糊等距配准站立面对;
判断所述多个模糊等距配准站立面对与所述多个等距参考立面对中是否存在至少一对有效聚类平面对;
如果是,则模糊坐标转换模型有效。
可选地,在根据本发明的激光点云配准方法中,根据所述预定公式,对所述多个相似平面对进行求解,得到最优坐标转换模型包括:
利用预定公式对所述多个相似平面对求解得到多个粗配坐标转换模型;
计算各个粗配坐标模型中有效聚类平面对的数目,选取最大有效聚类平面对数目对应的粗配坐标转换模型作为最优坐标转换模型。
可选地,在根据本发明的激光点云配准方法中,参考站拟合平面的法向量指向参考站坐标系的中心,所述配准站拟合平面的法向量指向配准站坐标系的中心。
第二方面,本发明实施例还提供了一种激光点云配准装置,包括:
激光点数据获取模块,适于获取多个参考站坐标系中的激光点云数据和多个配准站坐标系中的激光点数据;
平面拟合模块,适于利用特定算法分别对所述参考站坐标系和配准站坐标系中的数据进行拟合计算,得到多个参考站拟合平面和多个配准站拟合平面;
平面判断模块,适于在多个参考站拟合平面和多个配准站拟合平面中,分别选取所述拟合平面法向量与预定向量平行的平面,得到多个参考站顶面和多个配准站顶面,分别选取所述拟合平面法向量与预定向量不平行的平面,得到多个参考站立面和多个配准站立面;
平面选择模块,适于在所述多个参考站立面和多个配准站立面中,分别选取第一阈值数目的参考站立面和第一阈值数目的配准站立面,在所述多个参考站顶面和多个配准站顶面中,分别选取第二阈值数目的参考站顶面和第二阈值数目的配准站顶面;
模型建立模块,适于根据所述参考站立面和配准站立面、参考站顶面和配准站顶面以及预定公式,计算求解最优坐标转换模型,所述最优坐标转换模型适于将配准站坐标系转换为参考站坐标系;
坐标配准模块,适于根据最优坐标转换模型和邻近点迭代算法,在参考站坐标系中对在配准站坐标系下获取的激光点云数据进行配准。
可选地,在根据本发明的激光点云配准装置中,模型建立模块适于:
根据所述参考站立面和顶面以及配准站立面和顶面利用预定公式进行求解,得到模糊坐标转换模型;
验证模糊坐标转换模型是否有效;
如果模糊坐标转换模型有效,则确定参考站拟合平面和配准站拟合平面中的多个相似平面对;
根据所述预定公式,对所述多个相似平面对进行求解,得到最优坐标转换模型。
可选地,在根据本发明的激光点云配准装置中,模型建立模块还适于:
在所述多个参考站立面和多个配准站立面中,利用距离聚类分析方法,得到多个参考站立面对和多个配准站立面对;
分别从参考站立面对和配准站立面对中选取聚类距离相同的多个等距参考站立面对和多个等距配准站立面对;
利用模糊坐标转换模型将所述选取的多个等距配准站立面对中的数据进行坐标转换,得到多个模糊等距配准站立面对数据;
判断所述多个模糊等距配准站立面对与所述多个等距参考立面对是否存在至少一对有效聚类平面对;
如果是,则模糊坐标转换模型有效。
本发明的技术方案,通过采用激光点云的面状特征进行配准,避免了人工设置标靶的过程,提高了作业效率。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例所提供的一种激光点云配准方法的流程图;
图2示出了本发明实施例所提供的一种激光点云配准装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了获取建筑物室内的三维点数据,需要在建筑物室内设置多个扫描站点,即在建筑物内选择合适的扫描位置,每一扫描站点通过三维激光扫描仪进行一次扫描。在选择扫描站点时,要保证两两相邻站点通视,即两个站点区域扫描仪能够互相扫描观测到。例如,对于两室一厅的家庭住宅,为了保证扫描站的通视,一般会设置5-6个扫描站点。
三维激光扫描仪进行多角度扫描后,会得到海量激光点云数据,激光点云数据为矢量点坐标,每一扫描站得到的激光点云数据都是当前坐标系(或坐标系)下的坐标,将上述数据导出到计算设备中,以便将得到的不同坐标系的数据配准到同一坐标系。
本发明利用扫描站中的任意2站进行自动配准,如果配准成功则作为一个配准对,后续在所有成功建立配准对的测站集合中,根据各个配准站到全局参考站距离最短原则,确定一个全局参考站,计算出配准站到全局参考站的坐标转换模型。在具体实施过程中,以两两扫描站进行配准为例进行叙述,如,任意选取两个扫描站A和B,以A作为参考站(坐标系坐标系固定),B作为配准站,将B站坐标系转换到A站坐标系坐标系,此处选择参考站和配准站时,要保证所述两个扫描站的扫描重叠率在40%以上,以下进行详细叙述。
如图1所示,本实施例提供了一种激光点云配准方法的流程图,包括如下步骤:
S102、获取参考站坐标系中的多个激光点云数据和配准站坐标系中的多个激光点云数据。其中,激光点云数据一般是矢量点,例如,(x1、y1、z1)、(x2、y2、z2)等形式的坐标。
S103、利用特定算法分别对所述参考站坐标系和配准站坐标系中的多个激光点云数据进行拟合计算,得到多个参考站拟合平面和多个配准站拟合平面。
以参考站激光点云数据为例进行说明,在进行平面拟合时,一般利用最小二乘法进行拟合,会得到该参考站的多个参考站拟合平面,对上述得到的拟合平面进行归一化处理,目的使得最终得到的拟合平面的法向量最终指向扫描仪的中心。同理,配准站采用同样的方式可以得到多个配准站拟合平面。不过此处应当理解,在进行平面拟合时,使用的方法不限于最小二乘法,所有可以实现平面拟合的方法都在本发明的保护范围内。
S104、在多个参考站拟合平面和多个配准站拟合平面中,分别选取所述拟合平面法向量与预定向量平行的平面,得到多个参考站顶面和多个配准站顶面,分别选取所述拟合平面法向量与预定向量不平行的平面,得到多个参考站立面和多个配准站立面。
根据一个实施例,以参考站为例进行说明,在得到的多个参考站拟合平面中,选取上述平面法向量与如向量n(0,0,1)平行的平面作为顶面,而其他与向量n(0,0,1)不平行的平面作为立面。此处所述的立面包括与顶面垂直的平面,也包括与顶面夹角小于90°的斜面。配准站顶面和立面的选择采用同样的方法进行,不再进行过多叙述。
S105、在所述多个参考站立面和多个配准站立面中,分别选择第一阈值数目的参考站立面和配准站立面,在所述多个参考站顶面和多个配准站顶面中,分别选择第二阈值数目的参考站顶面和配准站顶面。其中,第一阈值数目可以为2,第二阈值数目可以为1。
根据一个实施例,利用穷举法从参考站立面中任意抽取两个立面RefP1、RefP2,此处要保证RefP1和RefP2不能平行,任意抽取一个顶面RefP3。同理,从配准站中抽取两个立面RegP1、RegP2,RegP1和RegP2不能平行,一个顶面RegP3,假设所述抽取的平面是在不同坐标系下的同一平面。
S106、根据所述选择的第一阈值数目的参考站立面和配准站立面、第二阈值数目的参考站顶面和配准站顶面,利用预定公式,计算求解最优坐标转换模型,所述最优坐标转换模型适于将配准站坐标系转换为参考站坐标系。其中,预定公式包括平面坐标方程公式和共线方程公式。
根据一种实施方式,根据上述选择的参考站和配准站的立面和顶面的平面坐标方程公式,列出共线方程公式,进行求解,得到将配准站坐标系转换为参考站坐标系的模糊坐标转换模型。此处应当理解,本发明不限于共线方程公式和平面坐标方程公式,所有可以求解得到模糊坐标转换模型的公式和算法都在本发明的保护范围内。
由于上述模糊坐标转换模型是假设任意抽取参考站的平面和配准站的平面为同一平面而建立,可能存在抽取的平面未必为同一平面,因此,需进一步验证所述模糊坐标转换模型的有效性。
在验证所述模糊坐标转换模型是否有效时,首先通过例如距离聚类分析方法对多个参考站立面和多个配准站立面进行处理,得到多个参考站立面对和多个配准站立面对。其中,参考站立面和配准站立面对中的立面为平行立面。
利用穷举法分别从参考站立面对和配准站立面对中选取聚类距离相等的多个等距参考站立面对和多个等距配准站立面对,如参考站立面对RefPs={RefPs1,RefPs2}和配准站立面对为RegPs={RegPs1,RegPs2}。利用模糊坐标转换模型将选取的多个等距配准站立面对中的数据进行坐标转换,得到多个模糊等距配准站立面对数据,如RegPsN=(RegPsN1,RegPsN2)。判断所述多个模糊等距配准站立面对与所述多个等距参考立面对中是否存在至少一对有效聚类平面对,即RefPs和RegPsN为同一个平面。如果是,则证明模糊坐标转换模型有效,否则,执行步骤S105.
利用模糊坐标转换模型将配准站拟合平面(不包括有效聚类平面对和步骤S105中随意选取的平面)中的数据进行坐标转换,并与参考站拟合平面进行比对得到多个相似平面对。
进一步,利用平面坐标方程公式和共线方程公式对所述多个相似平面对求解得到多个粗配坐标转换模型。其中,计算每一个粗配坐标转化模型中的有效聚类平面对的数目,选取有效聚类平面对数目最大的粗配坐标转换模型作为最优坐标转换模型。如果出现相同的有效聚类平面对数目,则根据求解共线方程公式时计算的残差最小原则确定最优坐标转换模型。
S107、根据最优坐标转换模型和邻近点迭代算法,在参考站坐标系中对在配准站坐标系下获取的激光点云激光点云云数据进行配准。
在得到最优坐标转换模型后,首先在参考站坐标系中对配准站激光点云数据进行配准,得到配准后的数据,进一步,利用邻近点迭代算法对配准后的数据在参考站坐标系中进行配准,得到精确配准的数据。不过应当理解,本发明不限于邻近点迭代算法对数据进行精确配准,所有可以实现对数据进行精确配准的算法都在本发明的保护范围内。根据本发明的技术方案,通过采用激光点云的面状特征进行配准,避免了人工设置标靶的过程,提高了作业效率。另外,利用扫描站中的任意2站进行自动配准,如果配准成功则作为一个配准对,后续在所有成功建立配准对的测站集合中,根据配准站到全局参考站距离最短原则,确定一个全局参考站,计算出配准站到全局参考站的变换模型,完成多测站自动化配准过程,简单易用。
如图2所示,本实施例中提供了一种基于激光点云配准装置200,包括:激光点云数据获取模块210、平面拟合模块220、平面判断模块230、平面选择模块240、模型建立模块250和坐标配准模块260。
激光点数据获取模块210用于获取多个参考站坐标系中的激光点云数据和多个配准站坐标系中的激光点云数据。
平面拟合模块220用于利用特定算法分别对所述参考站坐标系和配准站坐标系中的数据进行拟合计算,得到多个参考站拟合平面和多个配准站拟合平面。其中,参考站拟合平面的法向量指向参考站坐标系的中心,配准站拟合平面的法向量指向配准站坐标系的中心
平面判断模块230用于在多个参考站拟合平面和多个配准站拟合平面中,分别选取所述拟合平面法向量与预定向量平行的平面,得到多个参考站顶面和多个配准站顶面,分别选取所述拟合平面法向量与预定向量不平行的平面,得到多个参考站立面和多个配准站立面。
平面选择模块240用于在所述多个参考站立面和多个配准站立面中,
分别选择第一阈值数目的参考站立面和配准站立面,在所述多个参考站顶面和多个配准站顶面中,分别选择第二阈值数目的参考站顶面和配准站顶面。
模型建立模块250用于根据所述选择的第一阈值数目的参考站立面和配准站立面、第二阈值数目的参考站顶面和配准站顶面,利用预定公式,计算求解最优坐标转换模型,所述最优坐标转换模型适于将配准站坐标系转换为参考站坐标系。利用预定公式对所述立面和顶面进行求解,得到模糊坐标转换模型。其中,预定公式包括平面坐标方程公式和共线方程公式。验证模糊坐标转换模型是否有效。如果模糊坐标转换模型有效,则确定参考站拟合平面和配准站拟合平面中的多个相似平面对。根据所述预定公式,对所述多个相似平面对进行求解,得到最优坐标转换模型。
模型建立模块250在验证模糊参考模型是否有效时,在所述多个参考站立面和多个配准站立面中,利用距离聚类分析方法,得到多个参考站立面对和多个配准站立面对。分别从参考站立面对和配准站立面对中选取聚类距离相同的多个等距参考站立面对和多个等距配准站立面对。利用模糊坐标转换模型将所述选取的多个等距配准站立面对中的数据进行坐标转换,得到多个模糊等距配准站立面对。判断所述多个模糊等距配准站立面对与所述多个等距参考立面对是否存在至少一对有效聚类平面对。如果是,则模糊坐标转换模型有效。
模型建立模块250在确定最优坐标转换模型时,利用预定公式对所述多个相似平面对求解得到多个粗配坐标转换模型。计算各个粗配坐标模型中有效聚类平面对的数目,选取最大有效聚类平面对数目对应的粗配坐标转换模型作为最优坐标转换模型。计算过程已在方法步骤中进行详细叙述,此处不做过多叙述。
坐标配准模块260用于根据最优坐标转换模型和邻近点迭代算法,在参考站坐标系中对在配准站坐标系下获取的激光点云数据进行配准。具体为:在参考站坐标系中对配准站激光点云数据进行配准,得到配准后的数据,进一步,利用邻近点迭代算法对配准后的数据在参考站坐标系中进行配准,得到精确配准的数据。
本发明实施例所提供的激光点云配准装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的系统、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种激光点云配准方法,其特征在于,所述方法包括:
获取参考站坐标系中的多个激光点云数据和配准站坐标系中的多个激光点云数据;
利用特定算法分别对所述参考站坐标系和配准站坐标系中的多个激光点云数据进行拟合计算,得到多个参考站拟合平面和多个配准站拟合平面;
在多个参考站拟合平面和多个配准站拟合平面中,分别选取所述拟合平面法向量与预定向量平行的平面,得到多个参考站顶面和多个配准站顶面,分别选取所述拟合平面法向量与预定向量不平行的平面,得到多个参考站立面和多个配准站立面;
在所述多个参考站立面和多个配准站立面中,分别选取第一阈值数目的参考站立面和第一阈值数目的配准站立面,在所述多个参考站顶面和多个配准站顶面中,分别选取第二阈值数目的参考站顶面和第二阈值数据的配准站顶面;
根据所述参考站立面和配准站立面、参考站顶面和配准站顶面以及预定公式,计算求解最优坐标转换模型,所述最优坐标转换模型适于将配准站坐标系转换为参考站坐标系;
根据最优坐标转换模型和邻近点迭代算法,在参考站坐标系中对在配准站坐标系下获取的激光点云数据进行配准。
2.根据权利要求1所述的室内激光点云配准方法,其特征在于,所述预定公式包括平面坐标方程公式和共线方程公式。
3.根据权利要求1或2所述的激光点云配准方法,其特征在于,所述根据所述选择的第一阈值数目的参考站立面和第一阈值数目的配准站立面、第二阈值数目的参考站顶面和第二阈值数目的配准站顶面,利用预定公式,计算得到最优坐标转换模型的步骤包括:
根据所述参考站立面和顶面以及配准站的立面和顶面利用预定公式进行求解,得到模糊坐标转换模型;
验证模糊坐标转换模型是否有效;
如果模糊坐标转换模型有效,则确定参考站拟合平面和配准站拟合平面中的多个相似平面对;
根据所述预定公式,对所述多个相似平面对进行求解,得到最优坐标转换模型。
4.根据权利要求1所述的激光点云配准方法,其特征在于,包括:
在所述多个参考站立面和多个配准站立面中,利用距离聚类分析方法,得到多个参考站立面对和多个配准站立面对。
5.根据权利要求4所述的激光点云配准方法,其特征在于,验证模糊坐标转换模型是否有效包括:
分别从参考站立面对和配准站立面对中选取聚类距离相等的多个等距参考站立面对和多个等距配准站立面对;
利用模糊坐标转换模型将所述选取的多个等距配准站立面对中的数据进行坐标转换,得到多个模糊等距配准站立面对;
判断所述多个模糊等距配准站立面对与所述多个等距参考立面对中是否存在至少一对有效聚类平面对;
如果是,则模糊坐标转换模型有效。
6.根据权利要求3所述的激光点云配准方法,其特征在于,根据所述预定公式,对所述多个相似平面对进行求解,得到最优坐标转换模型包括:
利用预定公式对所述多个相似平面对求解得到多个粗配坐标转换模型;
计算各个粗配坐标模型中有效聚类平面对的数目,选取最大的有效聚类平面对数目对应的粗配坐标转换模型作为最优坐标转换模型。
7.根据权利要求1所述的激光点云配准方法,其特征在于,所述参考站拟合平面的法向量指向参考站坐标系的中心,所述配准站拟合平面的法向量指向配准站坐标系的中心。
8.一种激光点云配准装置,其特征在于,该装置包括:
激光点数据获取模块,适于获取多个参考站坐标系中的激光点云数据和多个配准站坐标系中的激光点云数据;
平面拟合模块,适于利用特定算法分别对所述参考站坐标系和配准站坐标系中的数据进行拟合计算,得到多个参考站拟合平面和多个配准站拟合平面;
平面判断模块,适于在多个参考站拟合平面和多个配准站拟合平面中,分别选取所述拟合平面法向量与预定向量平行的平面,得到多个参考站顶面和多个配准站顶面,分别选取所述拟合平面法向量与预定向量不平行的平面,得到多个参考站立面和多个配准站立面;
平面选择模块,适于在所述多个参考站立面和多个配准站立面中,分别选取第一阈值数目的参考站立面和第一阈值数目的配准站立面,在所述多个参考站顶面和多个配准站顶面中,分别选取第二阈值数目的参考站顶面和第二阈值数目的配准站顶面;
模型建立模块,适于根据所述参考站立面和配准站立面、参考站顶面和配准站顶面以及预定公式,计算求解最优坐标转换模型,所述最优坐标转换模型适于将配准站坐标系转换为参考站坐标系;
坐标配准模块,适于根据最优坐标转换模型和邻近点迭代算法,在参考站坐标系中对在配准站坐标系下获取的激光点云数据进行配准。
9.根据权利要求8所述的激光点云配准装置,其特征在于,所述模型建立模块适于:
根据所述参考站立面和顶面以及配准站的立面和顶面利用预定公式进行求解,得到模糊坐标转换模型;
验证模糊坐标转换模型是否有效;
如果模糊坐标转换模型有效,则确定参考站拟合平面和配准站拟合平面中的多个相似平面对;
根据所述预定公式,对所述多个相似平面对进行求解,得到最优坐标转换模型。
10.根据权利要求8所述的激光点云配准装置,其特征在于,模型建立模块适于:
在所述多个参考站立面和多个配准站立面中,利用距离聚类分析方法,得到多个参考站立面对和多个配准站立面对;
分别从参考站立面对和配准站立面对中选取聚类距离相同的多个等距参考站立面对和多个等距配准站立面对;
利用模糊坐标转换模型将所述选取的多个等距配准站立面对中的数据进行坐标转换,得到多个模糊等距配准站立面对;
判断所述多个模糊等距配准站立面对与所述多个等距参考立面对是否存在至少一对有效聚类平面对;
如果是,则模糊坐标转换模型有效。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610587142.1A CN106296650B (zh) | 2016-07-22 | 2016-07-22 | 一种激光点云配准方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610587142.1A CN106296650B (zh) | 2016-07-22 | 2016-07-22 | 一种激光点云配准方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106296650A true CN106296650A (zh) | 2017-01-04 |
CN106296650B CN106296650B (zh) | 2019-05-24 |
Family
ID=57652260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610587142.1A Active CN106296650B (zh) | 2016-07-22 | 2016-07-22 | 一种激光点云配准方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106296650B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443836A (zh) * | 2019-06-24 | 2019-11-12 | 中国人民解放军战略支援部队信息工程大学 | 一种基于平面特征的点云数据自动配准方法及装置 |
CN113219439A (zh) * | 2021-04-08 | 2021-08-06 | 广西综合交通大数据研究院 | 目标主干点云提取方法、装置、设备及计算机存储介质 |
CN115661220A (zh) * | 2022-12-28 | 2023-01-31 | 深圳煜炜光学科技有限公司 | 点云数据配准方法、装置、设备及存储介质 |
CN117765047A (zh) * | 2024-02-22 | 2024-03-26 | 法奥意威(苏州)机器人系统有限公司 | 一种工件配准方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101645170A (zh) * | 2009-09-03 | 2010-02-10 | 北京信息科技大学 | 多视点云精确配准方法 |
CN104392488A (zh) * | 2014-12-11 | 2015-03-04 | 福州大学 | 针对激光扫描仪与三坐标测量臂的点云数据自动配准方法 |
CN104952107A (zh) * | 2015-05-18 | 2015-09-30 | 湖南桥康智能科技有限公司 | 基于车载LiDAR点云数据的桥梁三维重建方法 |
US20160027178A1 (en) * | 2014-07-23 | 2016-01-28 | Sony Corporation | Image registration system with non-rigid registration and method of operation thereof |
US20160027208A1 (en) * | 2014-07-25 | 2016-01-28 | Kabushiki Kaisha Toshiba | Image analysis method |
CN105427317A (zh) * | 2015-11-25 | 2016-03-23 | 武汉大学 | 一种适用于多视角自动化配准多站地面激光点云数据的方法 |
-
2016
- 2016-07-22 CN CN201610587142.1A patent/CN106296650B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101645170A (zh) * | 2009-09-03 | 2010-02-10 | 北京信息科技大学 | 多视点云精确配准方法 |
US20160027178A1 (en) * | 2014-07-23 | 2016-01-28 | Sony Corporation | Image registration system with non-rigid registration and method of operation thereof |
US20160027208A1 (en) * | 2014-07-25 | 2016-01-28 | Kabushiki Kaisha Toshiba | Image analysis method |
CN104392488A (zh) * | 2014-12-11 | 2015-03-04 | 福州大学 | 针对激光扫描仪与三坐标测量臂的点云数据自动配准方法 |
CN104952107A (zh) * | 2015-05-18 | 2015-09-30 | 湖南桥康智能科技有限公司 | 基于车载LiDAR点云数据的桥梁三维重建方法 |
CN105427317A (zh) * | 2015-11-25 | 2016-03-23 | 武汉大学 | 一种适用于多视角自动化配准多站地面激光点云数据的方法 |
Non-Patent Citations (2)
Title |
---|
邢正全 等: "基于 K-近邻搜索的点云初始配准", 《测绘科学》 * |
陶海跻 等: "一种基于法向量的点云自动配准方法", 《中国激光》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443836A (zh) * | 2019-06-24 | 2019-11-12 | 中国人民解放军战略支援部队信息工程大学 | 一种基于平面特征的点云数据自动配准方法及装置 |
CN110443836B (zh) * | 2019-06-24 | 2022-03-18 | 中国人民解放军战略支援部队信息工程大学 | 一种基于平面特征的点云数据自动配准方法及装置 |
CN113219439A (zh) * | 2021-04-08 | 2021-08-06 | 广西综合交通大数据研究院 | 目标主干点云提取方法、装置、设备及计算机存储介质 |
CN113219439B (zh) * | 2021-04-08 | 2023-12-26 | 广西综合交通大数据研究院 | 目标主干点云提取方法、装置、设备及计算机存储介质 |
CN115661220A (zh) * | 2022-12-28 | 2023-01-31 | 深圳煜炜光学科技有限公司 | 点云数据配准方法、装置、设备及存储介质 |
CN117765047A (zh) * | 2024-02-22 | 2024-03-26 | 法奥意威(苏州)机器人系统有限公司 | 一种工件配准方法、装置、计算机设备及存储介质 |
CN117765047B (zh) * | 2024-02-22 | 2024-04-30 | 法奥意威(苏州)机器人系统有限公司 | 一种工件配准方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106296650B (zh) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110533723A (zh) | 增强现实显示的方法、姿态信息的确定方法及装置 | |
CN106296650A (zh) | 一种激光点云配准方法和装置 | |
CN109887082A (zh) | 一种基于点云数据的室内建筑三维建模方法及装置 | |
CN110163903A (zh) | 三维图像的获取及图像定位方法、装置、设备和存储介质 | |
CN108827249A (zh) | 一种地图构建方法和装置 | |
CN103384358A (zh) | 一种基于虚拟现实和wifi空间场强的室内定位方法 | |
CN104063894A (zh) | 点云三维模型重建方法及系统 | |
CN111474443B (zh) | 测量输电线路的方法及装置 | |
CN109341702A (zh) | 作业区域内的路线规划方法、装置、设备及存储介质 | |
CN110223351B (zh) | 一种基于卷积神经网络的深度相机定位方法 | |
CN109129488B (zh) | 一种基于近地全局视觉的高空检修机器人定位方法及装置 | |
CN112233056B (zh) | 一种多源数据的点云融合方法、装置和存储介质 | |
CN108536923A (zh) | 一种基于建筑cad图的室内拓扑地图生成方法及系统 | |
CN109035392A (zh) | 一种用于变电站三维模型的建模方法 | |
AU2020203007A1 (en) | A method of setting-up a range-based tracking system utilising a tracking coordinate system | |
CN107066975B (zh) | 基于深度传感器的视频识别与跟踪系统及其方法 | |
CN110047133A (zh) | 一种面向点云数据的列车边界提取方法 | |
CN109035327A (zh) | 基于深度学习的全景相机姿态估计方法 | |
CN206741554U (zh) | 基于深度摄像头的室内3d扫描设备的户型3d建模系统 | |
CN109035399A (zh) | 利用三维激光扫描仪快速获取变电站三维信息的方法 | |
CN111932669A (zh) | 一种基于边坡岩体特征对象的变形监测方法 | |
CN111862200B (zh) | 一种煤棚内无人机定位方法 | |
CN109443200A (zh) | 一种全局视觉坐标系和机械臂坐标系的映射方法及装置 | |
CN105334497A (zh) | 一种三维定位方法和装置 | |
CN103913720B (zh) | 一种面向非特定Wi-Fi设备的室内定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |