论文部分内容阅读
随着激光雷达扫描速度和扫描精度的不断提高，能够在短时间内获得多站数百万的点云数据。多站数据配准后产生大量冗余数据，这对数据储存、传输、显示和处理提出了很大的挑战，也直接影响到数据分析处理的准确性和基于点云进行曲面重构的效率和质量。因此，在初步配准的基础上，进一步精确配准并有效去除冗余数据是一个亟待解决的问题。
本文先采用几何特征约束的方法，先对数据进行初步配准，目的是使几站数据基本处于同一坐标系下。在下一步的精确配准过程中，提出了通过设定步长对数据划分空间网格进行直接缩减，快速搜索出数据间的同名点，来解算精确配准的相关参数。同时引入各站扫描基站坐标作为参考，计算出同名点对应的权值矩阵，确保经过精确配准、去冗和融合后数据的准确和完整。最后将生成的精简过的完整的点云数据存入数据库中，以方便数据的查询和管理。
实验系统基于WindowsXP操作系统，采用高级开发语言Visual C++6.0、OpenGL三维图形工具包和数据库Oracle 10g，进行程序设计和开发。并用Leica HDS系列三维激光扫描仪HDS4500和HDS6000扫描得到的数据为实验数据，通过多种方法解决点云数据在三维环境下的显示、几何变换等，虚拟内存的使用，动态分配内存，数据结构的设计，复杂算法的简化等问题。在实验系统的三维操作和显示环境中，进行了初步配准、精确配准、去冗和数据的入库出库，从效率和精度上都达到了具体工程项目中的要求，证明了算法的可行性和实验系统的实用性。实验证明，针对不同特征的数据，精确配准并去除冗余的效率比较高，融合后数据在保持精度的基础上数据量大大减少。
论文通过本算法对多站点云进行精确配准后，每站数据都保留下了相对准确的点，去除了冗余的点。最大程度地保持了原数据的准确性，又减小了数据量，为激光雷达数据处理的后续工作提供了比较理想的源数据。