【摘要】：針對(duì)三維激光掃描中點(diǎn)云不等精度且易受粗差影響的問題,提出了一種基于入射角定權(quán)的抗差加權(quán)總體最小二乘的擬合方法。該方法在采用入射角定權(quán)的基礎(chǔ)上,進(jìn)行基于標(biāo)準(zhǔn)化殘差和中位數(shù)的抗差加權(quán)整體最小二乘估計(jì),獲得待定參數(shù)估值,并通過Gauss-Newton迭代算法,推導(dǎo)了模型的迭代計(jì)算方法。以平面擬合和球面擬合為例,分別通過仿真數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)對(duì)算法進(jìn)行驗(yàn)證,結(jié)果表明,對(duì)于含有粗差的點(diǎn)云,新方法可以獲得更為理想的參數(shù)估值,其性能優(yōu)于抗差整體最小二乘和加權(quán)整體最小二乘,可以更好地進(jìn)行三維激光掃描的點(diǎn)云擬合。
[Abstract]:In order to solve the problem that the point cloud in 3D laser scanning is not equal in precision and is easily affected by gross error, a robust weighted total least square fitting method based on incident angle weight is proposed. On the basis of incident angle weight, the robust weighted global least square estimation based on standardized residual and median is carried out, and the undetermined parameter estimation is obtained, and the iterative calculation method of the model is derived by Gauss-Newton iterative algorithm. Taking plane fitting and spherical fitting as examples, the algorithm is verified by simulation data and measured data respectively. the results show that the new method can obtain more ideal parameter estimation for point clouds with gross errors, and its performance is better than that of robust global least squares and weighted global least squares, and the point cloud fitting of 3D laser scanning can be better.
【作者單位】： 安徽理工大學(xué)測(cè)繪學(xué)院;
【基金】：國家自然科學(xué)基金(41404004) 安徽省博士后基金(2015B044) 安徽理工大學(xué)科研啟動(dòng)基金(11152)
【分類號(hào)】：P225.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李德江;張延波;于曼竹;姜麗麗;曲雪光;;基于掃描模式的點(diǎn)云修復(fù)技術(shù)研究[J];測(cè)繪與空間地理信息;2011年06期

2 蔡來良;李儒;;點(diǎn)云數(shù)據(jù)處理算法與實(shí)現(xiàn)初步研究[J];測(cè)繪通報(bào);2012年S1期

3 詹慶明;張海濤;喻亮;;古建筑激光點(diǎn)云-模型多層次一體化數(shù)據(jù)模型[J];地理信息世界;2010年04期

4 張毅;閆利;;地面激光點(diǎn)云強(qiáng)度噪聲的三維擴(kuò)散濾波方法[J];測(cè)繪學(xué)報(bào);2013年04期

5 程效軍;李偉英;張小虎;;基于自適應(yīng)八叉樹的點(diǎn)云數(shù)據(jù)壓縮方法研究[J];河南科學(xué);2010年10期

6 張巧英;陳浩;朱爽;;密度聚類算法在連續(xù)分布點(diǎn)云去噪中的應(yīng)用[J];地理空間信息;2011年06期

7 李德江;殷福忠;孫利民;;基于特征點(diǎn)的點(diǎn)云壓縮方法研究[J];測(cè)繪通報(bào);2012年01期

8 宋楊;;基于線性八叉樹的點(diǎn)云簡(jiǎn)化與特征提取研究[J];廣東科技;2012年17期

9 宋楊;;基于線性八叉樹的點(diǎn)云簡(jiǎn)化與特征提取研究[J];廣東科技;2012年13期

10 陳凱;張達(dá);張?jiān)?;采空區(qū)三維激光掃描點(diǎn)云數(shù)據(jù)處理方法[J];光學(xué)學(xué)報(bào);2013年08期

相關(guān)會(huì)議論文 前4條

1 蔡來良;李儒;;點(diǎn)云數(shù)據(jù)處理算法與實(shí)現(xiàn)初步研究[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

2 李濱;王佳;;基于點(diǎn)云的建筑測(cè)繪信息提取[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

3 趙福生;胡靜波;;基于距離-梯度的LIDAR點(diǎn)云簡(jiǎn)化算法研究[A];中國測(cè)繪學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集[C];2010年

4 李艷芳;;改進(jìn)ICP算法在點(diǎn)云精確配準(zhǔn)中的應(yīng)用[A];2014年2月建筑科技與管理學(xué)術(shù)交流會(huì)論文集[C];2014年

相關(guān)重要報(bào)紙文章 前1條

1 中國工程院院士 劉先林;四維遠(yuǎn)見的裝備創(chuàng)新[N];中國測(cè)繪報(bào);2012年

相關(guān)博士學(xué)位論文 前9條

1 彭檢貴;融合點(diǎn)云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學(xué);2012年

2 李艷紅;車載移動(dòng)測(cè)量系統(tǒng)數(shù)據(jù)配準(zhǔn)與分類識(shí)別關(guān)鍵技術(shù)研究[D];武漢大學(xué);2014年

3 崔婷婷;結(jié)合車載點(diǎn)云和全景影像的建筑物立面重建[D];武漢大學(xué);2015年

4 戴玉成;基于UAV傾斜影像匹配點(diǎn)云的城市建筑物信息提取方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

5 楊德賀;面向虛擬測(cè)方系統(tǒng)的點(diǎn)云聚類與擬合理論[D];中國礦業(yè)大學(xué)（北京）;2014年

6 馮義從;車載LiDAR點(diǎn)云的建筑物立面信息快速自動(dòng)提取[D];西南交通大學(xué);2014年

7 李峰;機(jī)載LiDAR點(diǎn)云的濾波分類研究[D];中國礦業(yè)大學(xué)（北京）;2013年

8 熊友誼;地面激光掃描點(diǎn)云與魚眼全景影像的配準(zhǔn)與整合研究[D];中國礦業(yè)大學(xué)（北京）;2014年

9 孫美玲;機(jī)載LiDAR數(shù)據(jù)濾波及城區(qū)汽車目標(biāo)檢測(cè)方法研究[D];西南交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 胡誠;精度約束下地表LiDAR點(diǎn)云抽稀方法研究[D];西南交通大學(xué);2015年

2 馬寧;基于激光束法區(qū)域網(wǎng)平差的三維激光掃描點(diǎn)云定向方法研究[D];山東理工大學(xué);2015年

3 羅寒;地面激光掃描三維模型重建技術(shù)研究[D];東華理工大學(xué);2016年

4 朱寧寧;三維激光掃描監(jiān)測(cè)地鐵隧道形變關(guān)鍵技術(shù)研究[D];河南理工大學(xué);2015年

5 楊莎莎;車載LiDAR點(diǎn)云中行道樹信息提取研究[D];河南理工大學(xué);2015年

6 鐘禮山;側(cè)視LiDAR數(shù)據(jù)多層次單木點(diǎn)云分割研究[D];南京大學(xué);2016年

7 張倩寧;基于地形復(fù)雜度的LiDAR點(diǎn)云簡(jiǎn)化方法研究[D];西南交通大學(xué);2016年

8 段振龍;三維激光點(diǎn)云分塊配準(zhǔn)方法研究[D];西南交通大學(xué);2016年

9 單長賀;融合影像序列的三維激光數(shù)據(jù)建模技術(shù)研究[D];昆明理工大學(xué);2016年

10 孫蒙;機(jī)載LiDAR點(diǎn)云與航空影像融合的地物分類方法研究[D];中國礦業(yè)大學(xué);2016年

，

本文編號(hào)：2529364