LiDAR点云与CCD影像融合处理研究

论文摘要

近年来,基于主动测量原理的LiDAR技术以其高效率、高密度、高精度等独特优势,越来越受到测绘领域的关注,并体现出广阔的应用前景。随着其硬件设备集成度的不断提高,许多LiDAR系统中都配备了CCD像机,可以在测量获取点云数据的同时得到被测场景的CCD影像。目前,CCD影像大都仅仅用于后期的纹理映射。事实上,若能充分利用影像信息实现LiDAR点云与CCD影像的融合处理,对于充分发挥LiDAR技术的空间信息获取作用具有重要意义。本文通过分析两种数据的数据特性,以其对目标描述的诸多互补为出发点,着重对LiDAR点云与CCD影像的融合处理进行了研究与探索,并结合现有经典方法,为解决部分点云数据处理问题提出了一些新的思路。本文的主要工作包括以下几个方面：1、论述了LiDAR技术与CCD像机的数据获取原理,相应的坐标系变换以及点云数据与影像数据的数据配准。根据两种数据的映射关系提出利用影像栅格对点云进行剖分,从而为点云建立简单的空间拓扑关系,方便于后续融合中点云与影像的映射。2、讨论了影像边缘特征提取与点云曲面逼近方法,并针对点云中边缘特征提取困难,缺陷边界的不确定性等问题,提出使用灰度矩边缘检测和最小二乘支持向量机相结合,实现对点云中边缘特征的提取以及边缘缺陷的修补。鉴于现实世界中的目标场景结构复杂,实际边缘与点云的位置关系多样,通过分析列举,将可能出现的情况进行人工划分,使提出的方法更具一般性。3、分析了经典ICP自动拼接方法的不足,通过使用SIFT影像配准来提高经典算法的效率：根据建立的剖分关系,利用影像中的匹配点对确定相邻站间点云的匹配点对候选集。为防止出现误匹配,利用RANSAC方法进行检验。然后根据最小二乘原则计算出初始变换参数。最终经改进的ICP算法迭代实现多站点云的自动拼接。4、研究了基于离散点的点云显示原理,利用实时内插的方法对点云进行多分辨率显示。通过分析显示过程中点云的可见性与重采样位置,使用移动最小二乘曲面拟合方法对局部点云进行拟合和插值,并进行纹理映射,实现了具有影像级真实感的点云数据多分辨率显示。最后在VC++环境下开发了实验平台,并给出了本文所提出方法的若干运行效果图。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景与研究意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 国内外研究现状
• 1.2.1 点云与影像的配准
• 1.2.2 点云数据的边缘特征提取
• 1.2.3 点云数据的缺陷修补
• 1.2.4 点云数据的拼接
• 1.3 论文主要研究内容
• 1.4 论文组织结构
• 第二章 点云与影像的数据获取及预处理
• 2.1 LiDAR系统扫描测量原理
• 2.2 CCD像机成像数学模型
• 2.2.1 成像过程中各种坐标系介绍
• 2.2.2 成像模型的数学描述
• 2.3 实验用LiDAR系统GLS-1500
• 2.3.1 性能指标
• 2.3.2 系统组成
• 2.3.3 GLS-1500内置像机标定
• 2.4 基于影像栅格的点云数据剖分
• 2.4.1 点云与影像空间位置关系
• 2.4.2 基于影像栅格的点云数据剖分
• 2.4.3 验证实例
• 2.5 本章小结
• 第三章 基于融合处理的点云边缘特征线提取与边缘缺陷区域修补
• 3.1 引言
• 3.2 影像边缘特征提取
• 3.2.1 灰度矩算子
• 3.2.2 灰度矩边缘检测算法
• 3.3 最小二乘支持向量机（LS-SVM）理论基础
• 3.3.1 支持向量机（SVM）
• 3.3.2 常用核函数
• 3.3.3 最小二乘支持向量机（LS-SVM）
• 3.4 基于影像特征和LS-SVM的点云边缘特征线提取
• 3.4.1 近似切平面计算
• 3.4.2 点云边缘特征线的判别
• 3.4.3 训练样本集获取
• 3.4.4 重采样位置确定
• 3.4.5 LS-SVM的训练与计算
• 3.4.6 验证实例
• 3.5 基于影像特征和LS-SVM的点云边缘缺陷区域修补
• 3.5.1 缺陷区域类别划分
• 3.5.2 训练样本集获取
• 3.5.3 重采样位置确定
• 3.5.4 验证实例
• 3.6 本章小结
• 第四章 基于融合处理的多站点云自动拼接
• 4.1 引言
• 4.2 多站影像配准
• 4.2.1 SIFT算法
• 4.2.2 影像匹配点选取
• 4.3 最近点迭代（ICP）算法
• 4.3.1 ICP算法步骤
• 4.3.2 算法收敛性证明
• 4.4 基于影像配准的多站点云自动拼接
• 4.4.1 数据准备
• 4.4.2 初始变换矩阵确定
• 4.4.3 改进ICP算法精确拼接
• 4.5 验证实例
• 4.6 本章小结
• 第五章 具有影像级真实感的点云多分辨率显示
• 5.1 引言
• 5.2 移动最小二乘（MLS）曲面逼近
• 5.2.1 参考平面计算
• 5.2.2 局部曲面逼近
• 5.3 可视性与重采样判别
• 5.3.1 视锥
• 5.3.2 可视性判别
• 5.3.3 重采样判别
• 5.4 具有影像级真实感的点云多分辨率显示方法
• 5.5 数据处理与显示系统实现
• 5.5.1 系统结构体系
• 5.5.2 功能模块划分
• 5.5.3 系统运行示例
• 5.6 本章小节
• 第六章 总结与展望
• 6.1 本文的工作总结
• 6.2 下一步工作展望
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢