车载点云与街景影像融合方法研究

论文摘要

三维激光扫描技术目前已经发展成为一种比较成熟的新型高效的测绘技术,其可以不用接触目标而快速、高精度的获取目标物表面海量的点云数据,受外界环境因素干扰较小,精度统一,但因其缺少纹理和颜色信息,不易进行判读和分析。而影像可以用来提取目标物体的形态和颜色,直接获取到物体的纹理信息,与激光扫描数据有很强的互补性。因此激光点云数据与影像数据的融合研究具有很强的实用价值。本文以车载激光扫描点云和街景影像为主要数据源,采用运动恢复结构理论、尺度转换估计思想以及四点一致基配准策略,对车载点云与街景影像融合方法展开研究,主要内容如下:(1)采用运动恢复结构原理深入研究三维重建街景影像,运用SIFT特征提取实现街景影像匹配并生成稀疏连接点,进而得到街景影像对应的SFM密集点云模型,为街景影像与车载激光扫描点云融合提供间接配准数据源。(2)基于主成分分析的SFM点云模型与车载激光点云数据的尺度转换方法的研究,为具有不同尺度的点云数据配准提供解决思路。(3)由粗到精的影像与点云间接配准策略。采用四点一致基作为配准基元,实现车载激光点云与SFM密集点云模型的粗略配准,为进一步的ICP精细全局配准提供较好的初始位置,避免配准过程中陷入局部最优。(4)对车载点云与街景影像配准方法进行实验验证及分析。

论文目录

• 摘要
• Abstract
• 1 绪论
•   1.1 研究目的及意义
•   1.2 国内外研究现状
•     1.2.1 点云数据配准研究现状
•     1.2.2 影像配准研究现状
•     1.2.3 点云与影像配准方法研究现状
•   1.3 本文的研究内容及技术路线
•   1.4 论文结构安排
• 2 多源数据融合
•   2.1 多源数据融合原理
•   2.2 多源数据融合层次分类
•     2.2.1 数据级融合
•     2.2.2 特征级融合
•     2.2.3 决策级融合
•   2.3 多源数据融合方法分类
•     2.3.1 基于色彩空间的多源图像融合
•     2.3.2 基于数学统计的方法
•     2.3.3 基于多分辨率分析的方法
•     2.3.4 智能图像融合方法
•   2.4 融合效果评价方法
•     2.4.1 主观评价
•     2.4.2 客观评价
•   2.5 本章小结
• 3 基于SFM的街景影像点云模型获取
•   3.1 运动恢复结构基本原理
•   3.2 街景影像获取与匹配
•     3.2.1 街景影像数据获取
•     3.2.2 基于SIFT的街景影像匹配
•     3.2.3 稀疏点云提取
•   3.3 密集点云模型生成
•     3.3.1 EPVH算法
•     3.3.2 PMVS算法
•   3.4 本章小结
• 4 车载点云与街景影像融合
•   4.1 点云数据的获取
•     4.1.1 点云数据的获取方式
•     4.1.2 三维激光扫描基本原理
•     4.1.3 三维激光扫描系统分类
•     4.1.4 三维激光扫描数据结构及特点
•   4.2 车载点云与街景影像配准方法
•     4.2.1 基于主成分分析的尺度转换
•     4.2.2 基于四点一致基的车载点云与街景影像配准
•     4.2.3 基于ICP的精细配准
•   4.3 本章小结
• 5 车载点云与影像配准实现及分析
•   5.1 研究区域介绍与实验数据准备
•   5.2 街景影像生成SFM点云模型
•   5.3 车载点云与SFM点云配准
•   5.4 本章小结
• 6 结论与展望
•   6.1 结论
•   6.2 展望
• 参考文献
• 致谢

文章来源

类型: 硕士论文

作者: 常旭辉

导师: 付宗堂,翟明成

关键词: 三维激光扫描系统,车载激光扫描,点云,融合

来源: 中国地质大学(北京)

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 自然地理学和测绘学,工业通用技术及设备,自动化技术

单位: 中国地质大学(北京)

分类号: P225.2;TP751

DOI: 10.27493/d.cnki.gzdzy.2019.000791

总页数: 67

文件大小: 3242K

下载量: 159