激光与倾斜点云精确配准与无缝融合

doi:10.13474/j.cnki.11-2246.2022.0101

测绘通报 ›› 2022, Vol. 0 ›› Issue (4): 6-10.doi: 10.13474/j.cnki.11-2246.2022.0101

• 工程测量分会年会（2021年）优选论文 • 上一篇下一篇

激光与倾斜点云精确配准与无缝融合

阮明浩¹, 卢永华¹, 刘玉贤¹, 汤圣君², 王伟玺², 张宇琦³, 李游²

1. 深圳市勘察研究院有限公司, 广东深圳 518026;
2. 深圳大学建筑与城市规划学院& 自然资源部城市国土资源监测与仿真重点实验室, 广东深圳 518060;
3. 辽宁工程技术大学测绘与地理科学学院, 辽宁阜新 123000

收稿日期:2021-07-14 出版日期:2022-04-25 发布日期:2022-04-26
通讯作者: 汤圣君。E-mail:shengjuntang@szu.edu.cn
作者简介:阮明浩(1989-),男,工程师,主要研究方向为倾斜摄影测量、实景三维模型制作等。E-mail:1019758339@qq.com
基金资助:
深圳市技术攻关面上项目（20191129103003903）；广东省基础与应用基础研究基金（2021A1515012574）；国家自然科学基金（41801392；41901329；41971354；41971341）

Registration and seamless fusion of point cloud from LiDAR and oblique photography

RUAN Minghao¹, LU Yonghua¹, LIU Yuxian¹, TANG Shengjun², WANG Weixi², ZHANG Yuqi³, LI You²

1. Shenzhen Investigation and Research Institute Co., Ltd., Shenzhen 518026, China;
2. School of Architecture and Urban Planning, Research Institute for Smart Cities, Shenzhen University & Key Laboratory of Urban Land Resources Monitoring and Simulation, Ministry of Natural Resources, Shenzhen 518060, China;
3. School of Geomatics, Liaoning Technical University, Fuxin 123000, China

Received:2021-07-14 Online:2022-04-25 Published:2022-04-26

摘要/Abstract

摘要： 广泛使用的传统激光点云与倾斜摄影等城市空间建模方法存在各自的优缺点，将不同来源的数据进行有效融合并用于城市三维模型的构建是当前城市建模的难点。因此，本文首先提出了一种激光与倾斜点云精确配准与无缝融合的方法，该方法可以克服不同来源点云数据在尺度与精度上不一致的问题，精确计算不同来源数据的空间变换关系；然后在此基础上剔除数据冗余，完成多源点云数据的无缝融合；最后采用3组实际场景中获取的数据对本文剔除方法的有效性及精度进行验证。试验结果表明，通过本文方法获取的融合数据相较于单一平台获取的数据具有更好的完整性和数据精度。

关键词: 点云配准, 变化检测, 三维点云, 三维变换, 融合

Abstract: The traditional and widely used urban space modeling methods such as laser point cloud and oblique photography have their own advantages and disadvantages. How to effectively integrate data from different sources and use them in the construction of city 3D models is the current difficulty in city modeling. Therefore, this paper proposes a precise registration and seamless fusion method for laser and oblique point clouds. This method can overcome the inconsistency of scale and accuracy of point cloud data from different sources, accurately calculate the spatial transformation relationship of data from different sources, and on this basis, data redundancy is eliminated, and the seamless integration of multi-source point cloud data is completed. Finally, this paper uses the data obtained in three sets of actual scenes to verify the effectiveness and accuracy of the elimination method in this paper. The experimental results show that the fusion data obtained by this method has better completeness and data accuracy than the single platform data.

Key words: point cloud registration, changing detection, 3D point cloud, 3D transformation, fusion

中图分类号:

阮明浩, 卢永华, 刘玉贤, 汤圣君, 王伟玺, 张宇琦, 李游. 激光与倾斜点云精确配准与无缝融合[J]. 测绘通报, 2022, 0(4): 6-10.

RUAN Minghao, LU Yonghua, LIU Yuxian, TANG Shengjun, WANG Weixi, ZHANG Yuqi, LI You. Registration and seamless fusion of point cloud from LiDAR and oblique photography[J]. Bulletin of Surveying and Mapping, 2022, 0(4): 6-10.

参考文献 15

[1]	杨必胜, 董震, 魏征, 等. 从车载激光扫描数据中提取复杂建筑物立面的方法[J]. 测绘学报, 2013, 42(3):411-417.
[2]	杨必胜, 梁福逊, 黄荣刚. 三维激光扫描点云数据处理研究进展、挑战与趋势[J]. 测绘学报, 2017, 46(10):1509-1516.
[3]	袁修孝, 陈时雨. 倾斜航摄影像匹配方法探究[J]. 测绘地理信息, 2015, 40(6):1-6.
[4]	SITHOLE G,VOSSELMAN G. Filtering of airborne laser scanner data based on segmented point clouds[C]//Proceedings of 2005 ISPRS Workshop Laser scanning. Enschede, Netherlands:ISPRS,2005.
[5]	BÖHM J, HAALA N. Efficient integration of aerial and terrestrial laser data for virtual city modeling using LASERMAPS. in:laserscanning 2005[EB/OL].[2021-07-01].https://xueshu.baidu.com/usercenter/paper/show?paperid=124a0v10cq290ep0w2150a10w5687752&site=xueshu_se.
[6]	HAUGLIN M, GOBAKKEN T, ASTRUP R, et al. Estimating single-tree crown biomass of Norway spruce by airborne laser scanning:a comparison of methods with and without the use of terrestrial laser scanning to obtain the ground reference data[J]. Forests, 2014, 5(3):384-403.
[7]	张志超. 融合机载与地面LIDAR数据的建筑物三维重建研究[D]. 武汉:武汉大学, 2010.
[8]	CHENG Liang, TONG Lihua, LI Manchun, et al. Semi-automatic registration of airborne and terrestrial laser scanning data using building corner matching with boundaries as reliability check[J]. Remote Sensing, 2013, 5(12):6260-6283.
[9]	WU Hangbin, SCAIONI M, LI Hanyan, et al. Feature-constrained registration of building point clouds acquired by terrestrial and airborne laser scanners[J].Journal of Applied Remote Sensing,2014,8(1):083587.
[10]	YANG Bisheng, ZANG Yufu, DONG Zhen, et al. An automated method to register airborne and terrestrial laser scanning point clouds[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015, 109:62-76.
[11]	李策, 吴长悦. 倾斜摄影与地面激光点云融合精细化建模研究[J]. 现代矿业, 2019, 35(5):53-55.
[12]	杨明军, 康冰锋, 韩丹. 基于LiDAR和倾斜摄影测量技术的实景三维自动化建模方法[J]. 科技资讯, 2018,16(33):93-96.
[13]	孙波中, 潘清元, 王成志. 基于点云和倾斜摄影测量的融合数据自动构建城市建筑三维模型方法的研究[J]. 地矿测绘, 2020, 3(3):695.
[14]	曹明兰, 李亚东, 冯海英, 等. 倾斜摄影与激光扫描技术结合的3D森林景观建模[J]. 中南林业科技大学学报, 2019, 39(12):10-15.
[15]	晏娅萍, 岳彩荣. 基于多源点云数据融合的单木树形重建[J]. 桂林理工大学学报, 2020, 40(3):568-573.

激光与倾斜点云精确配准与无缝融合

Registration and seamless fusion of point cloud from LiDAR and oblique photography

可视化

摘要/Abstract

引用本文

使用本文

参考文献 15

相关文章 15

编辑推荐

Metrics

本文评价

[1]	岳胜杰, 王红旗, 刘群坡, 赵荣亮. 结合扩展卡尔曼滤波与基于点线的最近点迭代扫描匹配算法的机器人位姿自适应估计[J]. 测绘通报, 2022, 0(7): 49-53.
[2]	刘立, 董先敏, 刘娟, 文学虎. 人机融合智能的遥感解译生产新方法[J]. 测绘通报, 2022, 0(7): 118-123,137.
[3]	黄良珂, 王式太, 周吕, 付波霖, 陆琴, 刘立龙, 李景文, 姜建武, 黄军胜. 多平台融合的测绘类专业学生创新能力培养[J]. 测绘通报, 2022, 0(7): 163-167.
[4]	谢洪, 陈立波, 聂倩, 吴玮, 张沛. 利用点云配准的空地影像融合技术[J]. 测绘通报, 2022, 0(6): 82-87.
[5]	谢元, 董梦, 马新建. 多源数据在复杂场景建筑物三维重建的应用[J]. 测绘通报, 2022, 0(6): 143-147.
[6]	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.
[7]	韩世静, 苗书锋, 郝向阳, 陈润泽. 监控视频与地理信息融合技术发展综述[J]. 测绘通报, 2022, 0(5): 1-6.
[8]	陈兰兰, 夏益强, 肖海平, 刘小生. 露天矿边坡稳定性监测方法研究现状及进展[J]. 测绘通报, 2022, 0(5): 7-13.
[9]	文奴, 郭仁忠, 贺彪, 万远. YOLO v4框架下Multi-Patch多帧增量式交通视频目标检测[J]. 测绘通报, 2022, 0(5): 38-44.
[10]	刘小玉, 刘扬, 杜明义, 张敏, 贾竞珏, 杨恒. 基于DeeplabV3+的建筑垃圾堆放点识别[J]. 测绘通报, 2022, 0(4): 16-19,43.
[11]	窦世卿, 陈治宇, 徐勇, 郑贺刚, 苗林林, 宋莹莹. 基于多特征融合与典型降维方法的高光谱影像分类[J]. 测绘通报, 2022, 0(4): 32-36,50.
[12]	潘建平, 李鑫, 孙博文, 胡勇, 李明明. 基于注意力密集连接金字塔网络的新增建设用地变化检测[J]. 测绘通报, 2022, 0(3): 41-46,59.
[13]	杨景玉, 贾多科, 王阳萍. 基于超像素分割与CRF的高分辨率遥感影像变化检测[J]. 测绘通报, 2022, 0(2): 25-30,49.
[14]	乐颖, 夏元平. 基于比值法的多源多时相数据城区变化检测[J]. 测绘通报, 2022, 0(2): 56-61.
[15]	车子杰, 高飞, 吴兆福, 李振轩. 基于改进U-Net网络的多源遥感影像洪涝灾害信息提取与变化分析[J]. 测绘通报, 2022, 0(1): 26-32.