复杂城市环境下车载激光和无人机影像融合的三维重建研究

3D reconstruction of the complex urban environment is an important research content in 3D measurement field. The urban environment measurement data is large, easily overlap and have complex surface information. Fusion of Laser scanning and stereo vision to reconstrrction, is not able to model the city rapid and high-precision. The automatic registration is the main bottleneck for generating texture and colour by laser scanning and image fusion. This project aims at exploring 3D reconstruction algorithm of laser scanning point clouds and UAV iamge fusion under complex urban environment.(1) Develop and optimize the laser point clouds anhancement method by using target their self-similarity and repeatability, implement the laser point clouds global consistency registration,for large scale of urban structure and the problem of noise. (2) Explore a new optimization strategy of bundle adjustment optimization strategy for the image feature point registration error of UAV, guarantee the efficiency and accuracy of projective reconstruction. (3) Combine with manual selection of control points of the initial registration method, by means of point cloud geometry, using sparse matrix techniques and the closest point search strategy, using the scale adaptive registration method, establish the automatic precise synchronization point clouds registration method to realize the mapping of point cloud texture color and depth data. This project will provide a scientific basis and technical approach for fast 3D reconstruction of urban environment.

构建复杂城市环境的三维模型是三维测量领域的重要研究内容，城市环境信息复杂测量数据量大、扫描易重叠，利用激光扫描和视觉图像进行三维重建时，点云的自动配准精度不高，效果差，制约三维重建模型生成。本课题拟探索基于激光扫描和无人机影像相结合的三维场景重建方法，主要包括：（1）针对城市环境尺度大、噪声多等问题，利用目标自身结构特性，发展激光点云增强方法，实现全局一致性配准，解决点云由于大面积缺失及遮挡等引起的重建难问题。（2）针对无人机影像特征点匹配易发生配准错误，探索一种新的集束调整优化策略，设计以空间约束为条件的匹配方法，保证图像三维重建的效率与精度。（3）借助点云几何拓扑关系，利用稀疏矩阵及最近点搜索策略，结合手动选择控制点的初始配准方法，采用尺度自适应分析与迭代配准方法，建立异源非同步点云七自由度自动精确配准方法，完成点云纹理颜色的映射。本项目的预期成果将为城市的快速三维重建提供科学依据。

构建复杂城市环境的三维模型在三维测量领域具有重要研究意义，城市环境信息复杂测量数据量大、扫描易重叠，利用激光扫描和视觉图像进行三维重建时，点云的自动配准精度不高，效果差，制约三维重建模型生成。围绕上述问题，项目组以激光点云局部特征、点云缺失为主要特征，并借助点云几何拓扑关系及最近点搜索策略，在异源非同步点云的高精度配准的关键科学问题上开展研究工作。主要包括：（1）在基于非局部思想的三维点云全局一致性配准方法研究方面：建立了一种基于动态网格k邻域搜索的点云精简方法，解决非接触式扫描方法获得的点云数据存在大量冗余点问题；同时考虑三维点云特性，提出一种多参数判别点云特征提取方法，通过邻域计算点的曲率、点与邻域点法向夹角的平均值、点与邻域点的平均距离三个参数定义特征判别参数和特征阈值，对特征点进行提取，并利用距离约束条件剔除错误点对；求解变换参数实现配准。（2）在基于无人机影像的快速三维重建方法研究方面：项目组提出一种基于ASIFT的改进算法，解决无人机图像视角变化大且易倾斜导致匹配误差较大难题。（3）在非同步激光扫描点云与无人机影像点云融合算法研究方面：针对传统的最近点迭代ICP配准算法在运算过程和配准精度上存在计算耗时长、精度低等问题，结合邻域比值法，在点云精简和特征提取的基础上，将激光点云与SFM方法相融合对室外场景进行建模，提出了一种KD tree特征点对剔除的点云配准方法。同时，深入研究了来自不同类型的点云对三维重建的影响，详细对比分析了特征点提取与匹配对主动结构光三维重建的精度影响。（4）在基于激光和视觉图像的三维重建方法的应用研究方面：从机器人控制学及运动学入手，研究了速度跟踪控制算法，构建机器人三维重建平台，并以SICK激光扫描仪进行室外场景模型采集，进行三维测量验证。项目研究共凝练论文成果25篇，授权发明专利3项，申请软件著作权1项。部分项目成果获得了相关国际会议优秀报告奖。

内容获取失败，请点击重试