基于广义SIFT特征驱动的LiDAR点云严密配准/平差模型研究

Considering the error accumulation of classical point-like-feature based registration methods which makes it hard to seamless register point clouds from two adjacent stations, this research presents the multi-scale representation approach of terrestrial LiDAR point cloud and the approach to extract SIFT features from LiDAR point cloud. Similarity measure is constructed which is based on the difference between the same features from two adjacent stations, and the rigorous registration model is presented to put LiDAR point clouds from adjacent stations together. Generalized SIFT point-like features, linear features and planar features are selected as registration primitives, an approach to calculate the weight of each station is presented which considers the effect of both the distance between adjacent stations and the registration errors between same SIFT features from two different stations. Based on above work, a generalized SIFT feature constrained adjustment model for LiDAR point clouds is given to revise the transformation matrix of each station. And so the exact coordinates of each sample point can be calculated accurately. By this research, comprehensive and high quality representation of geo-spatial entities and their environments can be achieved with ease, topological consistent 3d surface model of geo-spatial entities can be get to represent the real case in computer. Theoretical and realistic significance of achievements of this research lies in its speeding the further use of LiDAR for 3d data acquisition.

针对基于同名点状特征匹配的LiDAR点云序列配准方法存在误差累积、难以实现数据无缝拼接的问题，本研究立足于尺度空间理论，探索点云的多尺度表达及其基于三维描述的地理实体表面SIFT特征直接提取方法，以点状、线状、面状SIFT特征作为配准基元，以同名SIFT特征间的距离与角度偏差作为配准误差的量化指标来建立相应的误差度量标准，构建LiDAR点云配准的严密模型；以配准之后同名特征间的偏差为零作为测站点定权的基本约束条件，研究配准误差约束下基于距离准则的测站点定权方法，并据此构建基于广义SIFT特征驱动的LiDAR点云严密平差模型，计算各测站坐标变换矩阵的改正数，进而实现对采样点坐标的改正。通过本研究，实现基于LiDAR点云的地理实体及其环境信息的全方位、高质量表达，达到构建整体一致的地理实体三维表面模型的目的，项目研究成果对推动LiDAR在空间三维数据采集中的深层次应用有着重要的理论与现实意义。

作为实现相邻测站LiDAR点云融合的一种重要手段，LiDAR点云的高精度配准一直以来受到研究者们的密切关注。经典的LiDAR点云配准算法大多利用单一特征作为约束，且大多采用迭代计算的方式来解相邻测站LiDAR点云的配准参数，针对此类算法存在计算量大，对变换参数的初值依赖程度高、在求解大转角相似变换参数时算法不稳定等问题，本研究开展了基于多种特征共同约束的LiDAR点云配准方法研究，致力于研发无初值条件下多种特征相互约束的LiDAR点云高精度配准方法。研究的主要工作如下：1）引入了四元数作为描述空间旋转变换的基本算子，实现了基于四元数描述的Bursa七参数空间相似变换模型的表达；2）基于Plücker坐标对三维空间中的直线进行表达，并发展了一种与之对应的空间平面的四参数表达方法；3）导出了四元数与Plücker直线坐标、空间平面的四参数表达等相互之间的转换关系，实现了三维空间中基于四元数描述的直线、平面特征的空间相似变换；4）立足于最小二乘基本理论，以配准前后同名特征之间的完全重合作为前提条件，通过目标函数的极值化分析实现了基于点特征、直线特征、平面特征相对应的LiDAR点云无初值配准方法，以及基于平面特征相对应、基于点线特征相对应的LiDAR点云迭代配准方法；5）立足于中心投影的构像方程（共线方程），给出了基于单位四元数描述的单向空间后方交会的详细实现思路，并对算法实现过程中所涉及的公式进行了详细推导。至目前为止，通过VC++与Matlab对上述全部算法进行了编程实现，并与现有算法的配准结果进行了对比与分析，成果分别发表（部分成果仍在审稿或整理中）于ISPRS Journal of Photogrammetry and Remote Sensing、武汉大学学报（信息科学版）、中国矿业大学学报（自然科学版）、测绘科学等刊物。