共查询到17条相似文献，搜索用时 171 毫秒
1.
首先总结国内外激光点云和光学影像配准的研究现状,针对单张影像提出了一种基于直接线性变换的车载激光点云和光学影像的配准方法;针对车载序列影像提出了一种基于Sift角点提取、影像匹配、光束法平差、密集点云生成、密集点云和激光点云自动配准并生成对应的三维彩色点云的方法。最后以VC++ 6.0为开发平台,利用Optech公司提供的车载激光点云和序列影像数据设计并实现了车载激光点云和光学影像的配准,并验证了算法的有效性。 相似文献
2.
3.
提出一种车载移动测量系统（MMS）激光点云与序列全景影像自动配准方法。首先采用层次化城市场景目标提取方法自激光点云提取天际线矢量,在全景影像中经虚拟成像与分割角点提取算法生成天际线矢量。然后,将提取结果作为几何配准基元,构建配准基元图,通过最小化配准基元图编辑距离进行匹配,组成共轭配准基元对,解算2D-3D粗配准模型,获得全景影像与LiDAR点云参考坐标系之间的初始转换关系。最后,为消除几何配准基元提取与匹配误差对配准结果的影响,自序列全景影像虚拟成像影像生成多视立体密集匹配点云,继而使用变种ICP算法优化其与激光点云数据间3D-3D配准参数,间接优化全景影像与激光点云间的配准参数,精化配准结果。试验结果表明,本文提出的自动配准方法可以实现车载MMS激光点云与序列全景影像的1.5像素级自动配准,配准成果可应用于真彩色点云生成等点云/影像数据融合应用。 相似文献
4.
5.
针对地铁隧道点云数据特征点少、在大视角点云数据间配准拼接时出现精度差、效率低等问题，本文以提高配准效率及精度作为出发点，以目前主流的ICP算法为基础，首先将激光点云按中心投影方式生成反射强度图像并以此作为配准源，采用规则格网分割提取匹配，建立均匀分布的同名点；然后利用反射强度图像上的同名点与点云之间的一一对应关系，完成视角点云间的初配准；最后在初次配准的基础上，采用KD树改进算法进行点云数据的精细配准。试验结果表明，本文在实现点云数据自动配准的同时，提高了地铁隧道点云数据的配准效率及精度。 相似文献
6.
7.
针对现有的无人机激光点云与影像配准方法主要基于仿射变换建立点云与影像之间的配准模型,无法描述激光点云与影像之间的复杂变换关系问题,该文提出一种基于安置参数优化的无人机激光点云与光学影像精确配准方法.以相机安置参数为优化参数,以归一化互信息作为点云特征影像与光学影像之间的相似性测度,采用改进Powell算法作为优化策略,获得最优配准参数,实现无人机激光点云与无人机影像之间的精确配准.基于实验数据与现有两种配准方法进行精度对比.实验表明,基于相机安置参数优化的配准方法优于两种常规配准方法,可以实现无人机激光点云与光学影像之间的自动化配准,并达到像素级的配准精度. 相似文献
8.
针对复杂体育场馆外部精细建模在完整性和精度方面存在的问题，本文提出了地面控制、地面激光扫描、无人机建模控制一体化的高精度建模方法。首先应用特制标志建立区域内控制、扫描、无人机高精度一体化坐标系统；其次对地面多站激光扫描点云结合控制坐标进行区域整体平差配准，生成一体化坐标系统下高精度地面点云模型；然后应用无人机数据和控制点生成一体化坐标下的高精度顶部数据；最后融合两种数据生成对象完整高精度精细模型。试验证明，整体平差解算方法可实现多站点云的高精度配准，一体化控制可实现非同源异质数据高精度融合，解决了复杂建筑对象的高精度建模问题，具有很大的实用价值。 相似文献
9.
10.
一种地面激光雷达点云与纹理影像稳健配准方法 总被引：2，自引：1，他引：1
为了使地面激光雷达点云得到真实和高分辨率纹理,需要对目标进行全方位的拍照。这时点云和影像的配准会出现大角度的问题。同时,由于控制点选点误差、仪器误差等,配准精度往往不能满足要求。针对以上问题,本文提出一种稳健的配准方法。首先,应用重心化的空间相似变换模型和正交旋转矩阵与反对称矩阵的关系推导解算配准参数角元素的模型。将配准结果当作初始值。然后,应用一种基于共线方程的改进丹麦法选权迭代法进行降权精确配准,确定配准参数的精确值。试验表明,本文方法稳定性强、配准精度高,适合任意角度影像与点云的高精度配准。 相似文献
11.
以摄影测量共线方程为严格配准模型,提出了一种引入针孔成像模拟过程的单张航空影像LiDAR点云配准迭代方法,共分为3个阶段:第一,利用航空影像内参数及初始外方位元素对LiDAR点云针孔模拟成像,生成与航空影像空间分辨率、几何形变相接近且具有相同幅面大小的透视影像-LiDAR深度影像;第二,以梯度互信息作为影像相似性测度依据,实施影像金字塔、分块处理策略实现LiDAR深度影像与航空影像几何变换参数快速估计,进而依据估计参数及LiDAR深度影像、激光脚点投影关系建立LiDAR点云航空影像概略相关;第三,以LiDAR点云影像概略相关下的近似同名像点为观测值,以像点梯度互信息为权重,实施摄影测量空间后方交会计算获得优化的影像外方位元素,生成新的LiDAR深度影像并重复上述过程,直至满足给定的迭代计算条件,实现单张航空影像与LiDAR点云数据的自动空间配准。实验表明,本文方法配准精度达亚像素级且自动化程度高。 相似文献
12.
The development of robust and accurate methods for automatic registration of optical imagery and 3D LiDAR data continues to be a challenge for a variety of applications in photogrammetry, computer vision and remote sensing. This paper proposes a new approach for the registration of optical imagery with LiDAR data based on the theory of Mutual Information (MI), which exploits the statistical dependency between same- and multi-modal datasets to achieve accurate registration. The MI-based similarity measures quantify dependencies between aerial imagery, and both LiDAR intensity data and 3D point cloud data. The needs for specific physical feature correspondences, which are not always attainable in the registration of imagery with 3D point clouds, are avoided. Current methods for registering 2D imagery to 3D point clouds are first reviewed, after which the mutual MI approach is presented. Particular attention is given to adoption of the Normalised Combined Mutual Information (NCMI) approach as a means to produce a similarity measure that exploits the inherently registered LiDAR intensity and point cloud data so as to improve the robustness of registration between optical imagery and LiDAR data. The effectiveness of local versus global similarity measures is also investigated, as are the transformation models involved in the registration process. An experimental program conducted to evaluate MI-based methods for registering aerial imagery to LiDAR data is reported and the results obtained in two areas with differing terrain and land cover, and with aerial imagery of different resolution and LiDAR data with different point density are discussed. These results demonstrate the potential of the MI and especially the CMI methods for registration of imagery and 3D point clouds, and they highlight the feasibility and robustness of the presented MI-based approach to automated registration of multi-sensor, multi-temporal and multi-resolution remote sensing data for a wide range of applications. 相似文献
13.
基于特征基元的点云数据配准方法,利用控制点对机载与车载点云数据进行概略匹配,构建了顾及梯度与颜色特征及特征组对的特征点匹配算法模型,根据拟合平面特征解算平移和旋转变换参数,实现了机载与车载点云数据的精确配准,并在此基础上建立了多角度点云数据融合的房屋顶部和立面特征提取、点云数据与光学影像纹理信息匹配的技术流程,实现了建（构）筑物三维精细建模,并通过实例验证了本文所提方法的有效性。 相似文献
14.
机载激光雷达(Light Detection And Ranging,LiDAR)系统近年来逐渐成为一种新兴的测量手段,是一种可以直接提供大量地面离散点的高精度三维信息的主动式遥感技术,具有依赖控制测量条件少、受天气影响小、自动化水平高等优点。然而LiDAR获取的数据主要是离散激光点云,具有高精度的空间结构信息而缺少纹理和光谱信息。将LiDAR数据和遥感影像数据进行融合将是当今测绘科学研究的方向之一。融合影像数据和点云数据的关键步骤就是将两者进行高精度的配准。 相似文献
15.
Automatic Registration Between Low-Altitude LiDAR Point Clouds and Aerial Images Using Road Features
Peipei He Xinjing Wang Youchuan Wan Jingzhong Xu Wei Yang 《Journal of the Indian Society of Remote Sensing》2018,46(12):1963-1973
Among the many means of acquiring surface information, low-altitude light detection and ranging (LiDAR) systems (e.g., unmanned aerial vehicle LiDAR, UAV-LiDAR) have become an important approach to accessing geospatial information. Considering the lower level of hardware technology in low-altitude LiDAR systems compared to that in airborne LiDAR, and the greater flexibility in-flight, registration procedures must be first performed to facilitate the fusion of laser point data and aerial images. The corner points and edges of buildings are frequently used for the automatic registration of aerial imagery with LiDAR data. Although aerial images and LiDAR data provide powerful support for building detection, adaptive edge detection for all types of building shapes is difficult. To deal with the weakness of building edge detection and reduce matching-related computation, the study presents a novel automatic registration method for aerial images, with LiDAR data, on the basis of main-road information in urban areas. Firstly, vector road centerlines are extracted from raw LiDAR data and then projected onto related aerial images with the use of coarse exterior orientation parameters (EOPs). Secondly, the corresponding image road features of each LiDAR vector road are determined using an improved total rectangle-matching approach. Finally, the endpoints of the conjugate road features obtained from the LiDAR data and aerial images are used as ground control points in space resection adjustment to refine the EOPs; an iterative strategy is used to obtain optimal matching results. Experimental results using road features verify the feasibility, robustness and accuracy of the proposed approach. 相似文献
16.
无人机倾斜摄影直接生产的成果通常包括三维模型、TDOM、DSM等,然而规划设计通常不能直接利用倾斜数据输出的DEM,需要辅以人工编辑。作为倾斜摄影影像处理的过程成果,密集匹配点云未得到充分利用。其与激光雷达点云具备相似的结构,且点云密度可自由选择,在不考虑数据量的情况下,密集匹配点云的点密度可数倍于激光雷达点云。此外,密集匹配点云无需单独赋色,即具有纹理信息, 对人工目视编辑自动分类后的地面点具有一定的辅助作用。本文对比分析了同一测区的密集匹配点云与激光雷达点云,验证了密集匹配点云用于房屋建筑区及稀疏林区地面点滤波并生产DEM的可行性。 相似文献