CN113393507B - 无人机点云与地面三维激光扫描仪点云配准方法 - Google Patents

无人机点云与地面三维激光扫描仪点云配准方法 Download PDF

Info

Publication number
CN113393507B
CN113393507B CN202110736159.XA CN202110736159A CN113393507B CN 113393507 B CN113393507 B CN 113393507B CN 202110736159 A CN202110736159 A CN 202110736159A CN 113393507 B CN113393507 B CN 113393507B
Authority
CN
China
Prior art keywords
point cloud
point
dimensional laser
clouds
laser scanner
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.)
Active
Application number
CN202110736159.XA
Other languages
English (en)
Other versions
CN113393507A (zh
Inventor
徐敬海
经皓然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Tech University
Original Assignee
Nanjing Tech University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Tech University filed Critical Nanjing Tech University
Priority to CN202110736159.XA priority Critical patent/CN113393507B/zh
Publication of CN113393507A publication Critical patent/CN113393507A/zh
Application granted granted Critical
Publication of CN113393507B publication Critical patent/CN113393507B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Processing Or Creating Images (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种无人机点云与地面三维激光扫描仪点云配准方法，主要步骤为：S1、倾斜摄影点云与三维激光扫描仪点云的获取；S2、点云数据的预处理；S3、两种点云的特征点对提取与组织；S4、配准模型；S5、还原参数；S6、点云整体配准。本发明通过分析两种点云的特点及规律，通过选取公共同名点对，通过估算参数粗值，求取参数改正数矩阵从而达到转换矩阵的获取，达到两种不同尺寸大小的点云的配准。本发明克服了基于三维激光扫描仪获取被测物顶部点云模型质量差，无人机倾斜摄影善于获取被测物顶部点云而顶部点云较差的问题；同时本发明可胜任大角度偏差的点云配准，以及可解决两种点云大小的比例系数问题。

Description

无人机点云与地面三维激光扫描仪点云配准方法
技术领域
本发明涉及两种不同类型点云的配准，具体是一种无人机点云与地面三维激光扫描仪点云配准方法。
背景技术
随着计算机硬件的发展，点云数据的优势得以体现，点云数据的获取方式也各不相同。有三维激光扫描仪，包括地面三维激光扫描仪，机载三维激光扫描仪以及手持三维激光扫描仪等。三维激光扫描仪能够快速获取被测物的点云模型，但是地面三维激光扫描仪在测量物体时由于被测物的自遮挡会造成顶部和自遮挡区域的点云缺失。而倾斜摄影也可以获得被测物的点云模型，并且对被测物顶部的点云获取有着其优势。所以将两种点云配准可以有效地还原出被测物的点云数据。不同途径获取的点云其配准时需要旋转的角度极大，同时两种点云的尺寸大小不完全相同，往往在配准时存在放大缩小的问题。
无人机点云与地面三维激光扫描仪点云配准方法包括点云获取和配准两个阶段。点云的获取通过地面三维激光扫描仪对目标物体进行扫描，通过同名靶球进行多站拼接获取被测物的整体点云。然后再用无人机对目标物体进行测量，通过空三加密获得被测物的点云。配准是在两种点云中寻找同名点对，求解坐标转换的初值并求其改正数，最后将改正数应用在整体点云模型上，从而达到了模型配准的目的。现有的自动配准方法难以胜任有大量点云缺失的点云数据，并且两种点云的精度与坐标系不同，所要考虑的不仅仅是旋转平移的问题。
因此我们需要提出一种综合考虑缩放以及高精度的无人机点云与地面三维激光扫描仪点云配准方法。
发明内容
本发明的目的是为了解决大角度的不同精度的点云旋转、缩放的配准问题，提出一种无人机点云与地面三维激光扫描仪点云配准方法；本发明利用了两种不同点云模型的特点，相对于单独的三维激光扫描点云模型，将无人机点云与三维激光扫描仪的点云进行配准提高了点云模型的完整性的同时保证了模型的精度。
为实现上述目的，本发明采取的技术方案是：一种无人机点云与地面三维激光扫描仪点云配准方法，其包括以下步骤：
S1、倾斜摄影点云与三维激光扫描仪点云的获取；
S2、点云数据的预处理；
S3、两种点云的特征点对提取与组织；
S4、配准模型；
S5、还原参数；
S6、点云整体配准。
进一步的，所述步骤S1包括以下步骤：
S1.1、利用三维激光扫描仪获取被测物的点云模型，数据格式为X，Y，Z，R，G，B；其中X，Y，Z为点云模型中的点在扫描仪局部坐标系中的点云坐标，R，G，B值为点云的彩色值；
S1.2、利用倾斜摄影对被测物体进行测量，并生成点云模型。
进一步的，所述步骤S2包括以下步骤：
S2.1、对三维激光扫描仪获取点云的离群点、噪音以及被测物中多余扫描点云进行剔除，包括被测物模型内部离群点和外部离群点的去除；
S2.2、对倾斜摄影获取到的点云中多余点云进行去除；
S2.3、将点云进行特征不变的重采样，将点云数据大小控制在便于处理的大小。
进一步的，所述步骤S3包括以下步骤：
S3.1、在两种点云中选取地上的同名标靶，并且可以选取被测物的显著特征同名点；
S3.2、利用3D-HARRIS角点检测对两种点云进行特征点检测，由于点云尺寸不同，所以面对不同的点云要设置不同的块体半径和数量阈值；
S3.3、基于所选取出的特征点对，求出他们的中心，并进行去中心的处理，进而得到他们相对于他们各自中心的坐标值，分别构建这些点云相对中心点的局部坐标系。
进一步的，所述步骤S4包括以下步骤：
S4.1、εx，εy，εz分别为将模型绕x轴、y轴和z轴旋转的三个旋转角、因此配准的旋转矩阵为：
设置一个3X3矩阵R＝KR0、其中K为两个点云的尺寸比例系数。同时设置一个平移矩阵/>其中j、k、l为将为将模型沿x轴、y轴和z轴平移的距离；
S4.2、求参数矩阵Z＝[jkl[ran(R)]T]T；
S4.3、去中心的目标点云X1和源点云X2，满足关系：
X1+e＝RX2+T
其中e为随机误差，上式可写成：
V＝BZ-L
其中B为系数阵；
S4.4、利用最小二乘法VTPV＝min，来解该方程，获的解：
Z0＝[j0k0l0a0b0c0d0e0f0g0h0i0]T
作为初始参数值；
S4.5、代入Z0：
可推出：
其中：
l＝L-BZ0；
S4.6、由于旋转矩阵满足RRT＝K2I；可得到五个约束条件，
通过线性化可得：
S4.7、通过两式联立
按照拉格朗日乘数法得到：
对其求导，并让导数为零：
可获得参数阵Z的改正数矩阵
令
PB＝BTPB
PC＝C[(BTPB)-1]CT
其中：
W＝BTPl
更新Z，令：
S4.8、设置阈值，设置一个比较小的阈值δ，如果则将S4.7中更新后的Z作为Z0代入S4.5中，并依次重复S4.5，S4.6，S4.7，S4.8直至/>结束循环，输出Z。
进一步的，所述步骤S5包括下步骤：
S5.1、Z＝[jkl[ran(R)]T]T为特征点对去中心后的旋转平移的参数，需将Z还原成去中心前的参数；其中旋转参数不用还原，并且由RRT＝K2I推出两个点云之间的缩放比例；
S5.2、为计算出的去中心后的平移参数，未去中心的平移参数为：
为目标点云的中心坐标，/>为待配准的特征点对的中心坐标。
进一步的，所述步骤S6如下：
将R和Z应用在待配准点云X2上，即：
X1＝RX2+T；
完成配准。
本发明的有益效果是：本发明充分利用大地坐标转换中的平差原理，根据点云的特征点对，计算出旋转平移参数的初值，并求出改正数，相对于直接用最小二乘法求出的旋转参数精度高，并适用于各种角度以及尺寸大小存在比例的点云配准。
具体的，本发明相对于最小二乘法直接求解的方法来说，提出了一种以最小二乘法所求的参数作为初始值的思想，将改正数的思想引入到点云配准的方法中，对参数进行优化；本发明基于大地坐标转化的点云配准方法可对点云进行缩放、平移及旋转，通过以地面三维激光扫描仪的点云模型作为参考系，将无人机点云配准到三维激光扫描仪获取的点云模型上可构建完整的高精度的点云模型。针对两中点云模型存在尺寸大小不匹配的问题，本发明通过将比例系数乘入旋转矩阵构成旋转参数阵，基于大地坐标转换，提出一种配准方法，通过点云的同名特征点，求取初始值，并通过旋转参数阵的特性作为约束条件，最终求得旋转参数阵和平移参数阵，达到配准目的。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1为本发明具体实施中地面三维激光扫描仪获取的点云；
图2为本发明具体实施中通过无人机倾斜摄影获取的点云；
图3为本发明具体实施中无人机倾斜摄影点云与三维激光扫描仪点云在同一坐标系下的位置关系；
图4为本发明具体实施中的配准结果；
图5为本发明具体实施中算法示意图；
图6为本发明基于大地坐标转化的点云配准方法的流程结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
下面结合附图1-6和具体实施方式对本发明的技术方案作进一步的介绍：本具体实施方式公开了一种无人机点云与地面三维激光扫描仪点云配准方法，包括以下步骤：
S1、对被测物体的倾斜摄影点云与三维激光扫描仪点云的获取，具体包括以下步骤：
S1.1、利用三维激光扫描仪获取被测物的点云模型，数据格式为X，Y，Z，R，G，B。其中X，Y，Z为点云模型中的点在扫描仪局部坐标系中的点云坐标；R，G，B值为点云的彩色值；
S1.2、利用倾斜摄影对被测物体进行测量，并生成点云模型。
本发明具体实施方式是基于南京工业大学江浦校区的天宝阁，采用地面三维激光仪的型号为Faro Focus3D X330，采用的无人机型号为大疆M600无人机。
S2、对得到的两种点云进行预处理，具体包括以下步骤：
S2.1、三维激光扫描仪获取的点云噪点较多，所以需要对离群点、噪音以及被测物中多余扫描点云的剔除。包括被测物模型内部离群点和外部离群点的去除。
S2.2、倾斜摄影获取到的点云的噪点较少，所以只需将多余点云去。
S2.3、由于点云存在重复点云，将点云进行特征不变的重采样，将点云数据大小控制在便于处理的大小。
S3、对两种点云中的同名特征点对进行提取与组织，异形物体的自遮挡更严重，往往其特征点也较多，具体包括以下步骤：
S3.1、在两种点云中选取地上的同名标靶，并且可以选取被测物的显著特征同名点，如特殊形状物体所特有的拐点或者目标物体的同名角点；
S3.2、利用3D-HARRIS角点检测对两种点云进行特征点检测，由于点云尺寸不同，所以面对不同的点云要设置不同的块体半径和数量阈值；
S3.3、基于所选取出的特征点对，求出他们的中心，并进行去中心的处理，从而得到他们相对于他们各自中心的坐标值，分别构建这些点云相对中心点的局部坐标系。
下面为选取的八对同名点对，并通过本发明具体实施方式来对两片点云进行配准。
表1三维激光扫描仪提取的特征点
表2三维激光扫描仪提取的特征点
S4、两种点云的配准模型。具体包括以下步骤：
S4.1、εx，εy，εz分别为将模型绕x轴、y轴和z轴旋转的三个旋转角、因此配准的旋转矩阵为：
设置一个3X3矩阵其中K为两个点云的尺寸比例系数。同时设置一个平移矩阵/>其中j、k、l为将为将模型沿x轴、y轴和z轴平移的距离；
S4.2、任务的根本就是求参数矩阵Z＝[jkl[ran(R)]T]T；
S4.3、去中心的目标点云X1和源点云X2，满足关系：
X1+e＝RX2+T
其中e为随机误差。上式可写成：
V＝BZ-L
其中B为系数阵；
S4.4利用最小二乘法VTPV＝min，来解该方程，获的解
Z0＝[j0k0l0a0b0c0d0e0f0g0h0i0]T
作为初始参数值；
S4.5代入Z0
可推出
其中
l＝L-BZ0；
S4.6由于旋转矩阵满足RRT＝K2I；可得到五个约束条件，
通过线性化可得
S4.7通过两式联立
现在我们按照拉格朗日乘数法得到
对其求导，并让导数为零
可获得参数阵Z的改正数矩阵
令
PB＝BTPB
Pc＝C[(BTPB)-1]CT
其中
W＝BTPl
更新Z令
S4.8设置阈值，设置一个比较小的阈值δ如δ＝10-8，具体阈值可根据实际情况更改，如果则将S4.7中更新后的Z作为Z0代入S4.5中并依次重复S4.5，S4.6，S4.7，S4.8直至/>结束循环。输出Z。
S5、将利用去中心后的同名点对求得的参数还原为去中心前的参数，聚体包括以下步骤：
S5.1、Z＝[jkl[ran(R)]T]T是在特征点对去中心后的旋转平移的参数，需要将Z还原成去中心前的参数；其中旋转参数不用还原；并且由RRT＝K2I可推出两个点云之间的缩放比例；
S5.2、为计算出的去中心后的平移参数，所以未去中心的平移参数为：
为目标点云的中心坐标，/>为待配准的特征点对的中心坐标；
S6、将还原后的参数阵运用于整体点云之上，将R和Z应用在待配准点云X2上。即：
X1＝RX2+T
完成配准。
根据图1，图2可知对于南京工业大学江浦校区的天宝阁建筑，三维激光扫描仪获得的点云模型有大量缺失，而倾斜摄影获取的点云模型虽较为完整，可是底部细节差，以及精度不够，并且两者的尺寸相差很多，由旋转参数阵可求得缩放比例为65.95329177。采用本文中的无人机点云与地面三维激光扫描仪点云配准方法，对八对同名点对进行配准，本实例中所需要的迭代次数为五次，在1000次运算中的平均用时为0.00013249秒，均方根误差极低，满足配准要求，无人机点云与地面三维激光扫描仪点云配准方法可以完成两种不同精度的点云配准。
通过以上分析发现：
1)该配准方法利用了大地坐标转换的思路，对旋转参数矩阵进行不断的优化从而得出最优解；
2)该配准方法可对任意角度，尺寸大小不同的点云进行配准。
3)该配准方法，迭代次数较少效率较高并且精度满足配准要求。
综上所述，本发明充分利用了大地坐标转换的中心思想，满足大角度、不同精度以及尺寸不同的点云配准同时保证了运算效率；
本发明相对于最小二乘法直接求解的方法来说，提出了一种以最小二乘法所求的参数作为初始值的思想，将改正数的思想引入到点云配准的方法中，对参数进行优化；
本发明基于大地坐标转化的点云配准算法可对点云进行缩放、平移及旋转，通过以地面三维激光扫描仪的点云模型作为参考系，将无人机点云配准到三维激光扫描仪获取的点云模型上可构建完整的高精度的点云模型。针对两中点云模型存在尺寸大小不匹配的问题，本文通过将比例系数乘入旋转矩阵构成旋转参数阵，基于大地坐标转换，提出一种配准方法，通过两种点云的特征点对，求取初始值，并通过旋转参数阵的特性作为约束条件，最终求得旋转参数阵和平移参数阵，达到配准目的。
实验表明，采用本文中的无人机点云与地面三维激光扫描仪点云配准方法，对八对同名点对进行配准，本实例中所需要的迭代次数为五次，效率高，均方根误差低，满足配准要求，无人机点云与地面三维激光扫描仪点云配准方法可以完成两种不同精度的点云配准。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种无人机点云与地面三维激光扫描仪点云配准方法，其特征在于包括以下步骤：
S1、倾斜摄影点云与三维激光扫描仪点云的获取；
S2、点云数据的预处理；
S3、两种点云的特征点对的提取与组织；
S4、配准模型；包括以下步骤：
S4.1、εx，εy，εz分别为将模型绕x轴、y轴和z轴旋转的三个旋转角、因此配准的旋转矩阵为：
设置一个3X3矩阵R＝KR0、其中K为两个点云的尺寸比例系数；同时设置一个平移矩阵/>其中j、k、l为将模型沿x轴、y轴和z轴平移的距离；
S4.2、求参数矩阵Z＝[jkl[ran(R)]T]T；
S4.3、去中心的目标点云X1和源点云X2，满足关系：
X1+e＝RX2+T
其中e为随机误差，上式可写成：
V＝BZ-L
其中B为系数阵；
S4.4、利用最小二乘法VTPV＝min，来解该方程，获的解：
Z0＝[j0k0l0a0b0c0d0e0f0g0h0i0]T
作为初始参数值；
S4.5、代入Z0：
可推出：
其中：
l＝L-BZ0；
S4.6、由于旋转矩阵满足RRT＝K2I；可得到五个约束条件，
通过线性化可得：
S4.7、通过两式联立
按照拉格朗日乘数法得到：
对其求导，并让导数为零：
可获得参数矩阵Z的改正数矩阵
令
PB＝BTPB
PC＝C[(BTPB)-1]CT
其中：
W＝BTPl
更新Z，令：
S4.8、设置阈值，设置一个比较小的阈值δ，如果则将S4.7中更新后的Z作为Z0代入S4.5中，并依次重复S4.5，S4.6，S4.7，S4.8直至/>结束循环，输出Z；
S5、还原参数；包括以下步骤：
S5.1、Z＝[jkl[ran(R)]T]T为特征点对去中心后的旋转平移的参数，需将Z还原成去中心前的参数；其中旋转参数不用还原，并且由RRT＝K2I推出两个点云之间的缩放比例；
S5.2、为计算出的去中心后的平移参数，未去中心的平移参数为：
为目标点云的中心坐标，/>为待配准的特征点对的中心坐标；
S6、点云整体配准。
2.根据权利要求1所述的无人机点云与地面三维激光扫描仪点云配准方法，其特征在于，所述步骤S1包括以下步骤：
S1.1、利用三维激光扫描仪获取被测物的点云模型，数据格式为X，Y，Z，R，G，B；其中X，Y，Z为点云模型中的点在扫描仪局部坐标系中的点云坐标，R，G，B值为点云的彩色值；
S1.2、利用倾斜摄影对被测物体进行测量，并生成点云模型。
3.根据权利要求1所述的无人机点云与地面三维激光扫描仪点云配准方法，其特征在于，所述步骤S2包括以下步骤：
S2.1、对三维激光扫描仪获取点云的离群点、噪音以及被测物中多余扫描点云进行剔除，包括被测物模型内部离群点和外部离群点的去除；
S2.2、对倾斜摄影获取到的点云中多余点云进行去除；
S2.3、将点云进行特征不变的重采样，将点云数据大小控制在便于处理的大小。
4.根据权利要求1所述的无人机点云与地面三维激光扫描仪点云配准方法，其特征在于，所述步骤S3包括以下步骤：
S3.1、在两种点云中选取地上的同名标靶，并且选取被测物的显著特征同名点；
S3.2、利用3D-HARRIS角点检测对两种点云进行特征点检测，由于点云尺寸不同，所以面对不同的点云要设置不同的块体半径和数量阈值；
S3.3、基于所选取出的特征点对，求出它们的中心，并进行去中心的处理，进而得到它们相对于它们各自中心的坐标值，分别构建这些点云相对中心点的局部坐标系。
5.根据权利要求1所述的无人机点云与地面三维激光扫描仪点云配准方法，其特征在于，所述步骤S6如下：
将R和Z应用在待配准点云X2上，即：
X1＝RX2+T；
完成配准。
CN202110736159.XA 2021-06-30 2021-06-30 无人机点云与地面三维激光扫描仪点云配准方法 Active CN113393507B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110736159.XA CN113393507B (zh) 2021-06-30 2021-06-30 无人机点云与地面三维激光扫描仪点云配准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110736159.XA CN113393507B (zh) 2021-06-30 2021-06-30 无人机点云与地面三维激光扫描仪点云配准方法

Publications (2)

Publication Number Publication Date
CN113393507A CN113393507A (zh) 2021-09-14
CN113393507B true CN113393507B (zh) 2023-07-28

Family

ID=77624600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110736159.XA Active CN113393507B (zh) 2021-06-30 2021-06-30 无人机点云与地面三维激光扫描仪点云配准方法

Country Status (1)

Country Link
CN (1) CN113393507B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114820747A (zh) * 2022-06-28 2022-07-29 安徽继远软件有限公司 基于点云和实景模型的航线规划方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463894A (zh) * 2014-12-26 2015-03-25 山东理工大学 一种多视角三维激光点云全局优化整体配准方法
CN109872350A (zh) * 2019-02-18 2019-06-11 重庆市勘测院 一种新的点云自动配准方法
CN110473239A (zh) * 2019-08-08 2019-11-19 刘秀萍 一种三维激光扫描的高精度点云配准方法
CN112465966A (zh) * 2020-11-20 2021-03-09 昆明理工大学 一种集倾斜摄影测量与三维激光扫描的陡崖三维建模方法
CN112767464A (zh) * 2020-12-28 2021-05-07 三峡大学 一种地面激光扫描三维点云数据配准方法
CN112927360A (zh) * 2021-03-24 2021-06-08 广州蓝图地理信息技术有限公司 一种基于倾斜模型与激光点云数据融合的三维建模方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11080870B2 (en) * 2019-06-19 2021-08-03 Faro Technologies, Inc. Method and apparatus for registering three-dimensional point clouds

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463894A (zh) * 2014-12-26 2015-03-25 山东理工大学 一种多视角三维激光点云全局优化整体配准方法
CN109872350A (zh) * 2019-02-18 2019-06-11 重庆市勘测院 一种新的点云自动配准方法
CN110473239A (zh) * 2019-08-08 2019-11-19 刘秀萍 一种三维激光扫描的高精度点云配准方法
CN112465966A (zh) * 2020-11-20 2021-03-09 昆明理工大学 一种集倾斜摄影测量与三维激光扫描的陡崖三维建模方法
CN112767464A (zh) * 2020-12-28 2021-05-07 三峡大学 一种地面激光扫描三维点云数据配准方法
CN112927360A (zh) * 2021-03-24 2021-06-08 广州蓝图地理信息技术有限公司 一种基于倾斜模型与激光点云数据融合的三维建模方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
无人机影像点云与地面激光点云配准的三维建模方法;段平 等;测绘工程(第04期);全文 *

Also Published As

Publication number Publication date
CN113393507A (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
CN106558080B (zh) 一种单目相机外参在线标定方法
CN112102458B (zh) 基于激光雷达点云数据辅助的单镜头三维图像重构方法
CN109272574B (zh) 基于投影变换的线阵旋转扫描相机成像模型构建方法和标定方法
CN111784778B (zh) 基于线性求解非线性优化的双目相机外参标定方法和系统
CN109727278B (zh) 一种机载LiDAR点云数据与航空影像的自动配准方法
CN107133989A (zh) 一种三维扫描系统参数标定方法
CN104537707B (zh) 像方型立体视觉在线移动实时测量系统
CN107330927B (zh) 机载可见光图像定位方法
CN107588721A (zh) 一种基于双目视觉的零件多尺寸的测量方法及系统
CN101750606B (zh) 自动和稳健的卫星遥感影像正射校正方法
CN109709551B (zh) 一种星载合成孔径雷达影像的区域网平面平差方法
CN110398208A (zh) 基于摄影全站仪系统的大数据变形监测方法
CN116051659A (zh) 一种线阵相机与2d激光扫描仪联合标定方法
CN111798523A (zh) 星相机在轨定标定姿及遥感影像几何定位方法、系统
CN104167001B (zh) 基于正交补偿的大视场摄像机标定方法
CN112270698A (zh) 基于最邻近曲面的非刚性几何配准方法
CN113393507B (zh) 无人机点云与地面三维激光扫描仪点云配准方法
CN112132875A (zh) 一种基于面特征的多平台点云匹配方法
CN114627250B (zh) 一种基于Kinect的人体站姿三维重建与测量的方法
CN115222819A (zh) 一种基于机场大范围场景下多模信息参照的相机自标定和目标追踪方法
CN115100277A (zh) 复杂曲面结构零件位姿确定方法
CN111611525B (zh) 基于物方匹配高程偏差迭代修正的遥感数据高程解算方法
CN106023146B (zh) 用于摄影测量中的场相关单边自标定光束平差方法
CN106228593B (zh) 一种图像密集匹配方法
CN102519484A (zh) 一种旋转摄影测量系统多片整体平差标定方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant