APP下载

基于线特征及迭代最近点算法的地基建筑物点云自动配准方法

2020-06-20徐景中王佳荣

计算机应用 2020年6期
关键词:特征区域方法

徐景中,王佳荣

(武汉大学遥感信息工程学院,武汉 430079)

(∗通信作者电子邮箱jz_xu@whu.edu.cn)

0 引言

由于扫描视角的限制,利用地基激光扫描设备进行地物目标三维点云采集时,通常需要设置多个测站才能获取到完整的目标点云。由于不同视角采集到的点云并不在同一个坐标系下,通常需要将点云旋转、平移到统一的坐标系,才能得到完整的地物数据,因此需要进行点云配准处理。

点云配准方法目前主要包括:人工配准方法和自动配准方法。虽然人工方法通过人为选取同名特征进行匹配,能可靠地得到配准结果,但精度有限,且耗时耗力;因此,近年来越来越多的学者开始研究自动配准方法。考虑到点云与点云之间缺乏严格意义的同名点,点云自动配准方法又可以分为基于迭代最近点(Iterative Closest Point,ICP)算法的点云配准方法[1]以及基于特征的点云配准方法[2-3]。前者是利用数学方法迭代寻找两组点集之间的最小距离作为最佳位置,点对的匹配度高,但其存在对初始点云的位置条件要求苛刻、易陷入局部最优等不足。对此,部分学者从配准效率入手进行ICP 算法的改进,如:杨帆等[4]在ICP 算法中引入kd-tree 来提高最近点的搜索速度,而周春艳等[5]采用主成分分析(Principal Component Analysis,PCA)变换,Du 等[6]采用仿射法等方法,这些研究也只是解决了部分问题,仍存在配准完成度低的问题。而基于特征的点云配准方法则是从点云中提取点特征、线特征或面特征,然后通过特征匹配完成点云配准。如:沈长江等[7]、赵明富等[8]直接从点云中提取快速点特征直方图(Fast Point Feature Histogram,FPFH),然后基于FPFH 特征相对关系进行点云配准;……

登录APP查看全文

猜你喜欢

特征区域方法
如何表达“特征”
不忠诚的四个特征
关于四色猜想
分区域
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼
基于严重区域的多PCC点暂降频次估计
线性代数的应用特征
区域