针对地面三维激光扫描仪自检校模型易受到随机误差与粗差的影响,基于Gauss-Helmert坐标转换模型与扫描仪观测原理提出了一种三维激光扫描仪的自检校方法。该方法共包含6个外部转换参数与5个系统误差参数(附加参数),首先利用泰勒级数对函数模型进行线性化,并构造拉格朗日目标函数,基于Newton-Gauss法迭代求解所有未知参数的初值;之后利用标准化残差构造权因子函数,以对观测值进行重新定权,并通过迭代计算出参数的最终解。通过仿真和实验进行验证,结果表明所提方法较现有的算法能有效去除观测值中的随机误差与粗差,且具有良好的鲁棒性。

利用Leica C05三维激光扫描仪和南方全站仪以多种特征的植物表面为观测目标,获取点云数据和距离参考值,研究不同植物表面的颜色、粗糙度和测站距离对点云的测距精度和激光回波强度的影响。实验结果表明:测站距离小于100 m时,扫描仪测距误差为1~5 mm,超过90 m时,测站距离每增加10 m,激光点云测距误差约增加1 mm;颜色、粗糙度和测站距离对三维激光扫描仪的激光回波强度和测距精度有影响;颜色对激光回波强度的影响较大,白色的激光回波强度最强,黑色最低,测距精度与激光回波强度有较强的相关性;植物表面粗糙度对激光回波强度的影响较低,没有明显的相关性;植物和非植物的颜色对激光回波强度的影响基本类似。

针对单一点云数据在古遗迹数据存档和模型重建过程中存在数据缺失的问题,以柬埔寨吴哥女王宫遗址为例,提出一套完整和高效的数字化记录与重建方案。通过结合地基激光雷达点云与无人机影像视觉点云,可以解决模型重建过程中激光与视觉点云的配准和融合以及模型构建与修补等关键问题,从而获得目标对象的三维模型。在此基础上,进一步提出的模型应用成果场景漫游动画和平立剖面图,能够更好地为吴哥女王宫保护、修复和研究提供静态和动态数据基础。所提方案能够为古遗迹保护过程中的数据采集、数字化存档、数据分析、场景展示和遗迹修复等多方面提供数据基础与技术参考,进一步推动激光雷达在该领域中的应用。

针对现有基于点云的容量计量模型的缺陷,本文提出一种改进的洞库容量计量模型。首先,在高度方向上将洞库点云数据由下至上切割为若干微元体;采用提出的分层投影法准确地提取截面轮廓点,基于改进的截面轮廓点排序算法正确地构建截面轮廓多边形,使用坐标解析法计算截面积;考虑洞库的构造特点,分别采用柱体模型与棱台模型计算洞库的下部边墙及上部拱顶的微元体体积;最后,由下至上累加微元体的体积即可获取洞库容量表。选用三个具备代表性的洞库片段数据进行方法验证,实验所得洞库容量表的精度优于规范要求1个数量级,说明本文方法对复杂的洞库结构具有良好的适应性。

针对现有从建筑物立面点云数据中检测提取直线段特征的方法存在漏检现象严重和准确程度不高的问题,提出一种基于切片的建筑物立面点云直线段特征提取方法。首先对建筑物点云姿态进行调整,使其走向与Y坐标轴一致,然后沿三个坐标轴方向对点云进行切片并在切片上提取特征点;之后分别对三个方向提取的特征点基于圆柱体生长的方式进行直线段聚类;最后采用残差1范数最小进行聚类特征点的直线段拟合及对直线段端点进行调整和优化。采用多组实验数据对本方法进行验证,实验结果表明:本文方法的直线段提取精度为点云中平均点间距的1/2;与基于平面分割和图像检测的方法相比,本文方法提取直线段的精确率平均提高了2.4%,召回率平均提高了48.1%,可以更加准确有效地从建筑物立面点云数据中提取直线段特征。

提出了一种基于激光点云与建筑信息模型(BIM)技术的复杂舱舱容计算方法。以复杂液货舱三维点云数据为基础,对复杂舱舱壁与内部构件进行了分割;利用BIM技术对舱壁点云数据及船舱构件点云数据进行了三维重建;利用船舱三维模型进行了船舱不同姿态下的实时舱容计算。选用上海某船舱点云数据进行了方法验证,研究结果表明,该方法能够快速、精确地获得船舱不同姿态下的舱容数据,可靠性强,具有很高的实用价值。

通过三维激光扫描仪获取的原始点云数据量庞大,不利于后期的数据处理工作。现有的基于曲率值的点云压缩方法容易引起亚特征区域细节丢失的问题。针对这一问题,提出了一种基于曲率分级的点云数据压缩方法。该方法通过计算曲率反映点云数据中特征的分布情况,采用对数函数对归一化后的曲率值进行分级,对不同等级的点进行空间网格划分后根据点的曲率等级实现点云的分级压缩。实验结果表明,所提方法能在大幅度减少数据量的同时,较好地保留原始数据的细节特征,从而实现对点云数据的高效压缩。

提出了一种针对密集圆形管道点云数据的自动分割算法，通过八叉树结构将点云划分为若干个子块，并建立其空间邻域关系，采用基于法向量条件约束的随机采样一致性算法移除子块内的大区域平面，同时运用欧氏距离聚类和基于平滑条件约束的区域增长分割算法再次细化数据。实验结果表明：提出的自动分割算法在处理大小为6 m×12 m×16 m的点云空间数据时，4线程并行计算仅耗时9 s，精确率达到90%以上。因此，所提算法能够快速、准确地分割管道点云数据，具有较高的应用价值。

目前,机载与地面激光雷达(LiDAR)点云配准方法大多利用三维点云的几何信息来获取机载与地面LiDAR点云的同名特征,并计算点云坐标转换参数,实现点云配准;提出了一种基于激光强度分类的配准新方法,首先对机载与地面LiDAR点云的激光强度信息进行纠正与分类,然后基于分类结果提取特征平面,将特征平面间的拓扑关系与分类结果作为约束条件,匹配得到同名特征平面,最后计算坐标转换参数,实现机载与地面LiDAR点云配准。实验结果表明:与传统方法相比,所提方法可以减小机载与地面LiDAR因扫描角度、点密度不同而导致的配准误差;在机载与地面LiDAR同名特征几何形状不完全一致的情况下,所提方法仍可得到较好的配准效果。

随着激光扫描技术精度和效率的提高, 可获得高精度点云的地面三维激光扫描技术已被广泛应用于地铁隧道变形监测、结构构建等领域。但在测量的隧道数据中, 有很多来自隧道上的附着物的数据须要剔除, 以便对隧道进行变形分析。基于三维激光扫描数据, 以运营中的地铁隧道为研究对象, 提出了一种断面分析方法。针对数据中存在的大量粗差, 提出了以残差1范最小为平差准则的椭圆拟合方法, 利用自适应的阈值剔除粗差。采用分段圆弧代替整体椭圆进行断面分析。对提取的断面进行了形变分析, 实验结果表明, 该方法能够剔除数据中的粗差, 采用分段圆弧分析能准确反映隧道的形变。