针对制造车间光滑地面在阳光或灯光照射下的扫描图像往往存在反射光斑, 且随相机位置变化而变化, 会严重干扰图像处理和利用的问题, 提出了一种识别和去除高光的方法, 用于改善图像处理效果和三维重建精度。基于扫描序列图像的三维场景重建流程和SURF特征原理, 分析移动的高亮反光斑对图像特征点提取和匹配的影响; 对于缺乏表面纹理的灰度图像, 提出一种基于逐行多级阈值和动态模板高光识别与去除方法, 保留非高光点的特征信息, 识别与修复同步完成。实验结果表明, 无高反光的前后两帧图像的匹配特征点对比有高光情况下至少高出8%, 优化后的余留匹配特征点更多; 扫描一段30 m长的车间场景序列图像, 用提出的方法修复高光后进行三维重建, 点云拼接误差减小了10 cm。表明移动高光对图像序列三维重建有不可忽视的影响, 本文提出的方法能有效地去除高光。

针对室内空间的三维重建, 采用双二维激光雷达, 提出精确标定两雷达相对位姿的方法, 实现三维空间的可连续采集, 并获得准确的三维轮廓点云。利用静态标定靶标的扫描数据, 建立靶标参数求解数学模型, 得到双雷达坐标系相对位姿的补偿矩阵, 并转化为精确矩阵。建立仿真平台, 模拟标定实验,实现靶标参数的扭曲校正, 初步验证该标定方法可行, 并进行模拟采集实验, 获得的点云分离程度小于等于7 mm。搭建了硬件实物平台, 标定后进行室内轮廓采集实验, 最终得到了无畸变扭曲的三维轮廓点云。实验结果表明,双二维激光雷达相对位姿的标定精度可以满足室内场景三维重建的要求。