本文選題：地面激光雷達(dá)　切入點：逐站配準(zhǔn)　出處：《武漢大學(xué)》2014年博士論文

【摘要】：激光雷達(dá)(Light Detection And Ranging,LiDAR)是一種非接觸的主動式的對地觀測系統(tǒng),它能夠快速獲取目標(biāo)對象三維空間信息,為獲取高時空分辨率地球空間數(shù)據(jù)提供了一種全新的技術(shù)手段。由多傳感器同步集成的基礎(chǔ)上構(gòu)建的地面LiDAR測量系統(tǒng),能夠在靜止?fàn)顟B(tài)下獲取對象精細(xì)三維點云數(shù)據(jù),廣泛運用于質(zhì)量檢測、變形監(jiān)測、文物保護(hù)等領(lǐng)域,已成為一種主要的空間數(shù)據(jù)獲取手段。一方面,它具有數(shù)據(jù)獲取速度快、點云密集的特點；另一方面,其獲取的數(shù)據(jù)具有海量特性(每秒可獲取上百萬個點),且存在噪聲和遮擋,這給地面LiDAR點云數(shù)據(jù)處理帶來了巨大的挑戰(zhàn)。 目前地面LiDAR點云數(shù)據(jù)處理的主要問題在于：數(shù)據(jù)量大,冗余度高及由此產(chǎn)生的效率低；點云數(shù)據(jù)配準(zhǔn)以人工配準(zhǔn)為主,已有方法通用性差,自動化程度低。 針對以上問題,本文重點研究了地面LiDAR點云數(shù)據(jù)中多測站點云數(shù)據(jù)自動配準(zhǔn)和冗余去除方法。具體研究內(nèi)容如下： (1)在詳細(xì)介紹地面LiDAR基本原理的基礎(chǔ)上,引出了地面LiDAR的數(shù)據(jù)特點和噪聲問題,采用分級的方法對點云數(shù)據(jù)去噪,以降低噪聲對后續(xù)工作的影響：首先根據(jù)目標(biāo)對象的概略大小,去除目標(biāo)外圍噪聲；然后根據(jù)單站點云數(shù)據(jù)的柵格結(jié)構(gòu),提出基于遮擋邊界檢測和空間聚類的孤立噪聲點集探測方法,根據(jù)設(shè)定的閾值,濾除孤立噪聲點集。 (2)介紹了點云兩兩配準(zhǔn)的概念、方法分類和研究現(xiàn)狀,指出當(dāng)前基于特征的方法和ICP方法的不足,強(qiáng)調(diào)了標(biāo)靶輔助的方法在實際工程應(yīng)用中的重要作用；基于球面標(biāo)靶的各向同性、易放置、精度高等優(yōu)點,提出了基于遮擋邊界檢測和多級幾何條件約束的球面標(biāo)靶自動探測方法；針對探測到的球面標(biāo)靶集,提出以三角形為基元、其面積夾角為相似性測度的球面標(biāo)靶同名匹配策略；對于獲得的同名點對,采用羅德里格矩陣解求變換參數(shù),最終獲得點云數(shù)據(jù)兩兩配準(zhǔn)結(jié)果。 (3)在點云數(shù)據(jù)兩兩配準(zhǔn)的基礎(chǔ)上,介紹了多站點云數(shù)據(jù)的誤差累積,給出了多站點云數(shù)據(jù)整體配準(zhǔn)的概念、方法分類和研究現(xiàn)狀。鑒于多站數(shù)據(jù)同時配準(zhǔn)的高內(nèi)存、計算量消耗,本文采用在逐站配準(zhǔn)完成初始值計算的基礎(chǔ)上,采用基于羅德里格矩陣的空間變換模型的線性化表達(dá)和同名標(biāo)靶坐標(biāo)相等的約束條件,構(gòu)建誤差方程,以間接平差的方式對累積誤差進(jìn)行分配,最終完成多站點云數(shù)據(jù)整體配準(zhǔn)。 (4)針對經(jīng)整體配準(zhǔn)后多站點云數(shù)據(jù)產(chǎn)生的冗余問題,提出利用QMBB樹對單站點云數(shù)據(jù)進(jìn)行組織,利用三維格網(wǎng)對配準(zhǔn)后的數(shù)據(jù)體進(jìn)行虛擬劃分,在局部格網(wǎng)單位內(nèi)部,動態(tài)加載各測站所對應(yīng)的數(shù)據(jù)子集,參照點到測站距離和法向因素完成冗余去除。三維虛擬格網(wǎng)計算將點云數(shù)據(jù)冗余的全局性問題轉(zhuǎn)換為局部性問題,并能夠大大節(jié)省空間格網(wǎng)劃分所需要的海量內(nèi)存空間。
[Abstract]:LiDAR (LiDAR) is a non-contact active earth observation system. It can quickly acquire 3D spatial information of the target object, which provides a new technique for obtaining high spatial and temporal resolution geospatial data.The ground LiDAR measurement system based on multi-sensor synchronous integration can obtain fine 3D point cloud data of objects in static state. It is widely used in the fields of quality detection, deformation monitoring, cultural relic protection and so on.It has become a main method of spatial data acquisition.On the one hand, it has the characteristics of fast data acquisition and point cloud density; on the other hand, it has the characteristics of massive data (millions of points per second can be obtained, and there is noise and occlusion,This brings great challenge to ground LiDAR point cloud data processing.At present, the main problems of ground LiDAR point cloud data processing are: large amount of data, high redundancy and low efficiency, point cloud data registration is dominated by manual registration, the existing methods have poor universality and low degree of automation.In view of the above problems, this paper focuses on the automatic registration and redundancy removal of multi-site cloud data from ground LiDAR point cloud data.The specific contents of the study are as follows:1) on the basis of introducing the basic principle of ground LiDAR in detail, the data characteristics and noise problems of ground LiDAR are introduced, and the point cloud data is de-noised by hierarchical method.In order to reduce the impact of noise on the subsequent work: firstly, according to the size of the target object, the noise around the target is removed; then, according to the grid structure of the cloud data of a single station,An isolated noise point set detection method based on occlusion boundary detection and spatial clustering is proposed. The set of isolated noise points is filtered according to the set threshold.This paper introduces the concept, classification and research status of point cloud registration, points out the shortcomings of the current feature-based method and ICP method, and emphasizes the important role of the target-aided method in practical engineering application.Based on the advantages of isotropy, easy placement and high precision of spherical targets, an automatic detection method for spherical targets based on occlusion boundary detection and multi-level geometric constraints is proposed.The matching strategy of spherical target with the area angle of similarity measure is the same name, and the transformation parameters are obtained by using the Rodrigo matrix solution, and the matching result of point cloud data is obtained.3) based on the pairwise registration of point cloud data, this paper introduces the error accumulation of multi-site cloud data, and gives the concept, classification and research status of the whole registration of multi-site cloud data.In view of the high memory and computational cost of multi-station data registration at the same time, this paper adopts the method of performing initial value calculation on the basis of site-by-station registration.The linear expression of the spatial transformation model based on the Rodrigo matrix and the constraint condition of the same name target coordinates are used to construct the error equation and to allocate the cumulative error by indirect adjustment.The final completion of multi-site cloud data registration.4) aiming at the redundancy of multi-station cloud data after the whole registration, this paper proposes to organize the cloud data of a single site by using QMBB tree, and to divide the registered data body into virtual parts by using three-dimensional grid, which is within the unit of local grid.The data subsets corresponding to each station are dynamically loaded, the reference point to the station and the normal factor are removed.The global problem of point cloud data redundancy is transformed into a local problem by 3D virtual grid computing, and the massive memory space needed for spatial grid partition can be greatly saved.
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：TN958.98

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姚吉利;賈象陽;馬寧;徐廣鵬;韓保民;;地面激光掃描多站點云整體定向平差模型[J];測繪學(xué)報;2014年08期

2 姚吉利;馬寧;賈象陽;韓保民;;光束法區(qū)域網(wǎng)平差的地面激光掃描多站點云自動定向方法[J];測繪學(xué)報;2014年07期

3 浦石;李京偉;郭四清;;融合語義特征與GPS位置的地面激光點云拼接方法[J];測繪學(xué)報;2014年05期

4 李嘉;阿依古麗·阿曼;鄭德華;;復(fù)雜場景三維點云中未知球形目標(biāo)的自動識別方法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2013年10期

5 王永波;楊化超;劉燕華;牛曉楠;;線狀特征約束下基于四元數(shù)描述的LiDAR點云配準(zhǔn)方法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2013年09期

6 陳俊杰;閆偉濤;;基于激光點云的平面標(biāo)靶中心坐標(biāo)提取方法研究[J];工程勘察;2013年08期

7 陳西江;花向紅;楊榮華;張青華;;分帶K-均值聚類的平面標(biāo)靶定位[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2013年02期

8 胡少興;陳春朋;張愛武;;同步定位及地圖創(chuàng)建算法在車載移動測繪系統(tǒng)中的應(yīng)用[J];中國激光;2012年11期

9 劉鑫;孫鳳梅;胡占義;;針對大規(guī)模點集三維重建問題的分布式捆綁調(diào)整方法[J];自動化學(xué)報;2012年09期

10 王晏民;郭明;;大規(guī)模點云數(shù)據(jù)的二維與三維混合索引方法[J];測繪學(xué)報;2012年04期

相關(guān)博士學(xué)位論文 前5條

1 梁玉斌;面向建筑測繪的地面激光掃描模式識別方法研究[D];武漢大學(xué);2013年

2 魏征;車載LiDAR點云中建筑物的自動識別與立面幾何重建[D];武漢大學(xué);2012年

3 郭明;海量精細(xì)空間數(shù)據(jù)管理技術(shù)研究[D];武漢大學(xué);2011年

4 張云生;自適應(yīng)三角形約束的多基元多視影像匹配方法[D];武漢大學(xué);2011年

5 李寶;三維點云的魯棒處理技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前8條

1 王建奇;大規(guī)模點云模型拼接與融合技術(shù)研究[D];浙江工業(yè)大學(xué);2012年

2 朱文武;基于標(biāo)靶控制的三維激光掃描點云數(shù)據(jù)配準(zhǔn)研究[D];中國地質(zhì)大學(xué)(北京);2012年

3 張啟福;地面三維激光掃描儀性能測試方法研究[D];解放軍信息工程大學(xué);2012年

4 王力;基于人工標(biāo)志的激光掃描數(shù)據(jù)自動拼接技術(shù)研究[D];解放軍信息工程大學(xué);2010年

5 王瑤;從三維點云數(shù)據(jù)中提取物體特征點的研究[D];蘭州大學(xué);2010年

6 張凱;三維激光掃描數(shù)據(jù)的空間配準(zhǔn)研究[D];南京師范大學(xué);2008年

7 馬立廣;地面三維激光掃描測量技術(shù)研究[D];武漢大學(xué);2005年

8 郭瑞旭;基于圖論的入侵檢測系統(tǒng)研究與原型實現(xiàn)[D];中國人民解放軍信息工程大學(xué);2005年

，

本文編號：1703905