1、第五讲地面三维激光雷达点云配准点云配准地面三维激光雷达点云配准点云配准地面三维激光雷达点云配准点云配准是将 两个或两个以上 坐标系中的三维点云数据转换到 统一坐标系统 中的数学计算过程 。 点云配准的实质就是空间坐标变换 。 空间坐标变换可以由三类参数唯一确定： 尺度 、 旋转和平移 。点云配准是基于地面三维激光扫描技术研究的 预处理步骤之一 ， 是将扫描数据统一到同一坐标系下进行存储 、管理 、 显示和表达的过程 ， 而配准后的融合点云是特征提取 、 三维建模等深度研究的 基础数据 ， 点云配准的精度直接影响了后续研究的精度和可靠性 。点云配准第一站点云 第二站点云地面三维激光雷达点云配准配
2、准结果配准方法分类按照配准算法所利用的信息 ， 可以分为基于特征点的方法 、 基于整体迭代优化的方法基于特征点的配准方法主要是根据靶标或者手工选取特征点进行配准 （ 六参数法 ）基于整体迭代优化的配准方法主要通过迭代计算两个点集最优匹配的几何变换 （ ICP算法 ）按自动化程度可以分为人工 、 半自动和全自动三种类型地面三维激光雷达点云配准点云配准模型六参数法点云配准的实质就是空间坐标变换 。 空间坐标变换可以由三类参数唯一确定：尺度 、 旋转和平移 。 点云配准前后相对大小没有发生改变 ，即不发生尺度变化 ， 因此只需要解求三个旋转参数和三个平移参数 ，称为六参数配准模型若 表示一个自由坐标
3、系下的点云坐标 ， 表示点在绝对坐标系中的坐标若两个点云坐标向量与坐标轴之间的交角为 ， 平移参数为 ， 则配准模型表示为： cccc zyx ,p aaaa zyx ,p , zyx ,zyxzyxRzyxcccaaa),( 地面三维激光雷达点云配准点云配准模型六参数法地面三维激光雷达点云配准点云配准模型未知参数 6个至少 3对点坐标解算地面三维激光雷达点云配准基于反射标志的配准基于靶标的点云配准算法在商业化的点云后处理软件中具有广泛的应用 ， 不同类型的地面激光扫描仪的性能有很大的差异 ， 但 基于靶标的后处理软件实现的配准精度基本上可以达到毫米级的精度 。这种点云直接配准方式有三个关键环
4、节：人工靶标的布设；人工靶标的识别；靶标对应关系的建立 。地面三维激光雷达点云配准基于反射标志的配准人工靶标的布设布设靶标点的数量 ， 根据选择三维变换模型不同 ， 需要具有不同数量的控制点 ， 点云的配准以三维空间相似变换为基础 ， 也就是所转换模型中有 7个转换参数 ， 这时就需要至少 三个控制点 ；布设靶标的图形 ， 在一定数量的靶标情况下将其布设成具有较好图形结构 可以提高配准计算的可靠性和精度 ，不能将靶标布设在同一直线上或者形成正多边形 ；地面三维激光雷达点云配准基于反射标志的配准人工靶标的布设通视条件 ， 需要严格的考虑在不同范围的靶标与扫描站点之间的通视条件；由于三维激光扫描仪
5、的扫描精度随着距离增大而增大 ，因此尽量将人工靶标布设得与扫描仪距离较近的地方 ，以便精度最高 。地面三维激光雷达点云配准基于反射标志的配准人工靶标的拟合人工标靶一般具有规则的形状并且具有很强的回波强度 ， 通过某种的识别程序将回波强度达到一定阈值的点数据保存到一起 ， 然后根据扫描时的采样间隔 、 扫描距离和回波强度将点数据进行分块 ， 根据所使用的靶标形状对扫描数据进行图形拟合 ， 将拟合得到的图形中心作为配准计算的 “ 控制点 ” 坐标 。地面三维激光雷达点云配准基于反射标志的配准地面三维激光雷达点云配准平面靶标的拟合靶标中心坐标的估算方法可以表示为：其中 是靶标中心的估算三维坐标 ，
6、是 每一个点的三维坐标 ， 是每一个点的反射信号能量的量化值 。 该估算方法基于两个假设 ， 一是认为靶标中心是反射信号的最大处 ， 而且这也是靶标设计过程中所采取的原则 。 二是认为激光扫描方向与平面靶标绝对垂直 ， 反射信号强度不因目标表面倾斜而衰减 。cP iPiI基于反射标志的配准球形靶标的拟合球形靶标的形状特点使得激光光束无论从哪个方向入射 ， 都能获得半个球面点云 。 因而通过拟合半个球面点云 ， 可以得到球形靶标的几何中心 。 球形靶标的数学模型为： 是球形靶标的球心坐标 ， 球形靶标的半径 。拟合过程即是通过多余点云数据对参数 进行估计 。地面三维激光雷达点云配准( , , )
7、abc r( , , , )a b c r基于反射标志的配准靶标对应关系建立在识别出扫描数据中的人工靶标后就需要建立不同扫描站点之间靶标之间的对应关系以进行配准计算 。 常用的几何关系有角度值和距离比值 ， 因为靶标在扫描期间内没有发生位置变化 ， 所以不共线的任意三个靶标点可以形成一个三角形 ， 这样就可以得到三个内角和三条边长作为对应点判断条件 。地面三维激光雷达点云配准基于反射标志的配准地面三维激光雷达点云配准手工选择点云配准点云的手动配准也是一种直接配准算法 ， 因为在 手动选择虚拟靶标点时会受到激光扫描仪获取数据的点位不确定性 得影响 ， 而激光扫描仪获取的点位数据的不确定性是由辐射
8、角和辐射线的不确定 、 激光束在表面上的入射角 、 激光点的大小 、 扫描对象表面颜色等决定的 ， 同时还受到操作人员选点时会加入人为因素的影响 ， 因此这种方法得到的配准精度角基于靶标的配准精度低 。地面三维激光雷达点云配准手工选择点云配准地面三维激光雷达点云配准手工选择点云配准地面三维激光雷达点云配准配准前配准后手工选择点云配准地面三维激光雷达点云配准基于整体迭代优化配准ICP算法迭代最邻近点配准算法 (Iterative Closest PointAlgorithm, ICP)是一个寻找两个三维表面点集最优匹配的几何变换的迭代优化过程 。ICP配准法主要用于解决基于自由形态曲面的配准问题
9、 。 该算法迭代地进行以下步骤最小化两个点集之间给定两组数据集：首先寻找第一个点集中的每个点与最邻近的第二个点集中的点 ， 从而建立二者之间的对应 ，然后估计匹配点之间的空间变换 ， 最后对第一点集应用计算出来的变换 ， 不断循环上面几步直到收敛 。地面三维激光雷达点云配准基于整体迭代优化配准ICP算法给定两组数据集：使得 达到最小地面三维激光雷达点云配准基于整体迭代优化配准ICP算法步骤 通过随机采样的方式从源点集中选择一部分点集 P。 对点集 P 中的任何一点 ， 在目标点集中找取与之欧式距离最近的点作为对应点 ， 得到点集 P 的对应点集 Q。 从对应点集 P 和 Q 中删除距离值大于平
10、均距离的点 ， 剩下的点作为最后的对应点 。 通过对应点求取坐标变换矩阵 （ 四元数法或 SVD） 。 构造并计算误差评价函数 。 判断误差评价函数的大小是否满足要求精度 ， 如果满足则算法终止 ， 返回结果；如不满足 ， 迭代进入步骤 1， 此时的目标点集为原始目标点集经过步骤 4 获得的变换后的结果 。地面三维激光雷达点云配准基于整体迭代优化配准ICP算法结果地面三维激光雷达点云配准基于整体迭代优化配准ICP优缺点能够实现点云自动化配准；全局配准保证配准可靠性；收敛效率及结果取决于 初始迭代条件 ， 即初始配准参数 ；点在目标点中的最近邻点较耗时 ， 导致 ICP效率较低；地面三维激光雷达
11、点云配准基于整体迭代优化配准ICP算法改进点云重采样；对应点搜索；对应点权重的选择；误匹配点的去除；目标函数的选择；地面三维激光雷达点云配准基于整体迭代优化配准ICP算法改进点云重采样 :降低样本的数量 ， 提高配准效率对点云进行一致性采样 :格网采样对点云进行随机采样；对点云进行特征采样：对点云按 法向量变化 、 曲率强度及颜色变化 等信息进行特征采样 ， 保留点云中的特征信息用于配准；地面三维激光雷达点云配准基于整体迭代优化配准ICP算法改进对应点搜索：提高对应点的搜索效率建立空间索引提高搜索效率 (Kd-Tree或 Octree） ；在距离约束上 ， 增加颜色 、 强度 、 法向量等约束
12、 ， 提高最近点为同名点的可靠性；地面三维激光雷达点云配准基于整体迭代优化配准ICP算法改进对应点权重的选择 :考虑每对对应点的可靠性和搜索准确性对转换参数估计的影响 ， 提高参数估计可靠性常数权重值；分配较小的权重值给较大的点到点距离匹配点对；引入点对的法向量信息来设置权重；地面三维激光雷达点云配准基于整体迭代优化配准ICP算法改进误匹配点的去除：剔除一定数量的误匹配点对 ， 目的在于降低弱匹配点对或误匹配点对对最小二乘配准参数估计影响根据点 对距离按比例或中误差阈值去除 一定比例的弱对应对点；去除那些与邻域点对不一致的点对 ， 如果 两个对应点对 之间的距离差 大于一定的阈值则将其视为不一致点；去除那些在点云边缘上的点对： 边缘不稳定 。地面三维激光雷达点云配准
