论文部分内容阅读
数字城市主要特征之一就是三维城市模型的建立,建筑物是城市中的重要组成部分。在利用地面三维激光扫描仪获取一个完整建筑物点云数据时,需要在不同视角下对建筑物进行扫描。在对建筑物点云数据的重建过程中,点云配准技术发挥着关键作用,为此,本文重点研究了多视点下建筑物三维点云数据的配准问题。主要工作如下:(1)实现了多种对建筑物多平面结构的提取算法。这些算法包括基于RANSAC(随机采样一致性)平面提取算法、基于区域生长的平面提取算法、基于J-Linkage平面提取算法和基于联合聚类的平面提取算法。论文表明了基于联合聚类的平面提取算法不需要设置先验参数,同时避免了过分类和欠分类问题,适合建筑物点云平面提取。(2)提出了一种新的基于建筑物平面的点云配准方法,该算法利用了建筑物含有大量平面结构的特点。首先,使用联合聚类方法提取建筑物平面结构,再对这些平面结构进行正射投影生成二维图片;然后,采用SIFT描述子对多站点云形成的多张二维图片进行对应点匹配,并与它们在点云中的三维坐标关联;最后,使用三点RANSAC算法和最小二乘法求解点云变换矩阵,完成建筑物点云配准。通过实验证明本文提出的方法具有很高的配准精度,且避免了ICP配准算法需要初始位姿估计和陷入局部最优解的缺点。与ICP配准算法相比,对于建筑物点云的配准该方法更具有适用性。(3)提出了一种基于两固定点的点云配准模型,该模型以已知的扫描点位置为约束条件,仅在样本集中采样两组对应点,通过采样点绕扫描点旋转来重合其对应点的方式,求解模型参数。然后结合RANSAC算法思想,设计了一种已知扫描点位置下的两点点云配准算法,通过该算法,可以求解出基于两固定点的点云配准模型的最优模型参数,完成点云配准。实验结果证明,本算法可以正确的完成建筑物点云的配准,并适用于多站点云的连续配准。