复杂场景下多模态点云数据配准技术

doi:10.13474/j.cnki.11-2246.2024.0625

测绘通报 ›› 2024, Vol. 0 ›› Issue (6): 146-150.doi: 10.13474/j.cnki.11-2246.2024.0625

• 技术交流 • 上一篇

复杂场景下多模态点云数据配准技术

付超¹, 夏佳毅¹, 解琨¹, 吴大鹏¹, 付沁珵²

1. 江苏省基础地理信息中心, 江苏南京 210013;
2. 江苏煤炭地质物测队, 江苏南京 210046

收稿日期:2023-11-20 发布日期:2024-06-27
通讯作者: 夏佳毅。E-mail:353138936@qq.com
作者简介:付超(1972—),男,高级工程师,主要从事工程测量、自然资源调查监测方面研究。E-mail:237500556@qq.com
基金资助:
江苏省自然资源科技项目(2021052)

Multi-modal point cloud data registration technology in complex scenarios

FU Chao¹, XIA Jiayi¹, XIE Kun¹, WU Dapeng¹, FU Qincheng²

1. Jiangsu Provincial Basic Geographic Information Center, Nanjing 210013, China;
2. Jiangsu Coal Geological Survey Team, Nanjing 210046, China

Received:2023-11-20 Published:2024-06-27

摘要/Abstract

摘要： 针对复杂环境下多模态点云数据获取难,以及对点云数据配准、三维模型构建精度的要求越来越高的情况。本文以南通大剧院实景三维建模为例,当初始点云和校准点云两组多模态融合点云位置差较大时,采用ICP算法进行点云配准易导致局部最优问题,利用所提出的基于控制点辅助约束的最近点迭代(CPA-ICP)算法通过对点云数据进行配准,并与其他3种点云配准算法的试验进行对比,可知该方法的配准精度和配准效率较高,对复杂场景下的多模态点云数据融合有较好的参考意义。

关键词: 复杂场景, 多模态点云, 联合定向匹配, CPA-ICP算法, 数据融合

Abstract: Due to the difficulty in obtaining multi-modal point cloud data in complex environments, the requirements for point cloud data registration and 3D model construction accuracy are becoming increasingly high, this article takes the real-life 3D modeling of Nantong Grand Theater as an example. When the position difference between the initial point cloud and the calibration point cloud is significant, using the ICP algorithm for point cloud registration can easily lead to local optimization problems. The proposed nearest point iteration (CPA-ICP) algorithm based on control point auxiliary constraints is used to register point cloud data, and the experimental comparison of the other three point cloud registration algorithms fully demonstrates, This method has high registration accuracy and efficiency, and has good reference significance for multimodal point cloud data fusion in complex scenes.

Key words: complex scenarios, multi-modal point cloud, joint directional matching, CPA-ICP algorithm, data fusion

中图分类号:

付超, 夏佳毅, 解琨, 吴大鹏, 付沁珵. 复杂场景下多模态点云数据配准技术[J]. 测绘通报, 2024, 0(6): 146-150.

FU Chao, XIA Jiayi, XIE Kun, WU Dapeng, FU Qincheng. Multi-modal point cloud data registration technology in complex scenarios[J]. Bulletin of Surveying and Mapping, 2024, 0(6): 146-150.

参考文献

[1] BESL P J,MCKAY N D. A method for registration of 3-D shapes[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,1992,14(2):239-256.
[2] 马伟丽,王健,孙文潇. 曲率约束的激光点云全局优化配准算法[J]. 遥感信息,2019,34(4):62-67.
[3] HE Yuewang,LEE C H. An improved ICP registration algorithm by combining PointNet and ICP algorithm[C]//Proceedings of the 6th International Conference on Control,Automation and Robotics (ICCAR). Singapore:IEEE,2020:741-745.
[4] MAGNUSSON M,LILIENTHAL A,DUCKETT T. Scan registration for autonomous mining vehicles using 3D-NDT[J]. Journal of Field Robotics,2007,24(10):803-827.
[5] AIGER D,MITRA N J,COHEN-OR D. 4-points congruent sets for robust pairwise surface registration[J]. ACM Transactions on Graphics,27(3):1-10.
[6] MELLADO N,AIGER D,MITRA N J. Super 4PCS fast global pointcloud registration via smart indexing[J].Computer Graphics Forum,2015,33(5):205-215.
[7] CHETVERIKOV D,STEPANOV D,KRSEK P. Robust Euclidean alignment of 3D point sets:the trimmed iterative closest point algorithm[J]. Image and Vision Computing,2005,23(3):299-309.
[8] 李星宇,赫念学,魏英波,等. 复杂环境倾斜摄影与实景三维建模技术应用[J]. 测绘通报,2021(S1):20-24.
[9] 韩友美,许梦兵,户忠祥,等. 空地一体化快速实景建模技术探究[J]. 测绘通报,2020(10):85-88.
[10] 经皓然,徐敬海. 异形建筑的无人机点云与地面三维激光扫描点云配准[J]. 测绘通报,2022(6):32-39.
[11] 赵彦刚,付守健,陈宏强,等. Heron移动背包三维激光扫描系统在1:500大比例尺测图中的精度评价及效率分析[J]. 测绘通报,2021(10):114-116.
[12] 潘九宝,王玮,黄明伟,等. 采用倾斜摄影测量和几何造型方法的城市实景三维建模[J]. 测绘通报,2020(6):121-124.
[13] 谢洪,陈立波,聂倩,等. 利用点云配准的空地影像融合技术[J]. 测绘通报,2022(6):82-87.
[14] 张亚,山锋,王涛. 三维激光扫描技术点云数据采集与配准研究[J]. 地理空间信息,2021,19(3):24-27.
[15] 丁鸽,燕立爽,彭健,等. 基于RANSAC算法的隧道点云横断面提取[J]. 测绘通报,2021(9):120-123.
[16] 袁志聪,鲁铁定,刘瑞. 一种基于BFGS修正的正态分布变换点云配准方法[J]. 测绘通报,2020(10):38-42.

复杂场景下多模态点云数据配准技术

Multi-modal point cloud data registration technology in complex scenarios

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	郭松涛, 邢帅, 张国平, 孔瑞瑶, 陈丽. 异构卫星遥感数据融合的水深反演模型[J]. 测绘通报, 2024, 0(5): 19-23.
[2]	杜佳涛, 王凤艳, 王明常, 吴翔, 刘星男, 马润泽, 安志磊. 基于多源数据融合的数字工厂三维模型重建与可视化[J]. 测绘通报, 2024, 0(2): 95-99.
[3]	董是, 龙志友, 毕洁夫, 王建伟, 邵永军, 杨超, 左琛, 张士远, 万昭龙. 基于Savitzky-Golay平滑-小波降噪处理的桥梁结构监测数据分析方法[J]. 测绘通报, 2023, 0(9): 100-106.
[4]	田力男, 孙琦, 徐文坤, 董平, 田志欣, 荣超, 焦泽中. 城市空间立体单元在CIM建设中的探索实践[J]. 测绘通报, 2023, 0(9): 160-164.
[5]	张舒, 石丽红, 赵习枝. 场景视角下社区智慧停车的数据融合[J]. 测绘通报, 2023, 0(3): 61-66.
[6]	陈超, 陶旸, 赫春晓. 一种利用数据融合的森林资源“一张底图”建设方法[J]. 测绘通报, 2023, 0(3): 155-159.
[7]	沈正中, 冯杨民, 胡正伟, 杨子健, 刘立, 王凯时. 长三角跨区域北斗位置应用服务模型设计及应用[J]. 测绘通报, 2023, 0(2): 124-127,149.
[8]	张在岩, 宋伟东, 陈兆雪. 复杂场景下多类型路面病害分割方法[J]. 测绘通报, 2023, 0(12): 63-69.
[9]	张新行, 张培, 齐亮, 陈永立. 多源数据融合在广府古城三维重建中的应用[J]. 测绘通报, 2023, 0(11): 112-115.
[10]	胡晓静, 刘钰, 陈延博, 李书丹, 李遥. 融合多源数据的城市三维建模方法探索[J]. 测绘通报, 2023, 0(11): 128-131.
[11]	曹海滨, 王新平, 王文斌, 张正军, 尹太军, 曾杉. 重载铁路检测装备中三维与二维激光扫描仪检校方法[J]. 测绘通报, 2023, 0(10): 105-110.
[12]	黄明伟, 李梦梦, 陈超, 虞瑶. 实景三维在自然资源监测的应用[J]. 测绘通报, 2023, 0(10): 150-153.
[13]	高建东, 王勇, 安江雷, 姜俊狄. 一种多源地面沉降监测数据融合方法及其应用[J]. 测绘通报, 2023, 0(10): 158-162,172.
[14]	陈睿哲, 涂伟, 李清泉, 谷宇, 左小清, 高文武. 融合多源测量数据的桥梁挠度异常探测方法[J]. 测绘通报, 2022, 0(9): 105-110.
[15]	刘春杉, 曾元武, 罗宏明, 程迎轩, 钟小君, 张彤辉, 岳文. 广东省国土空间规划"一张图"实施监督信息系统下的海洋数据融合研究与实践[J]. 测绘通报, 2022, 0(6): 154-157.