[发明专利]一种基于多站激光点云数据全自动高精度拼接方法

权利要求书

1.一种基于多站激光点云数据全自动高精度拼接方法，其特征在于，该方法包括以下步骤：

S1：运用点云数据的衍生信息通过三次样条插值生成二维影像，采用基于图形处理器GPU的加速尺度不变特征SIFT变换算子匹配得到二维同名特征点，剔除粗差；

S2：运用反算获得特征点在三维点云中的坐标，并通过三维空间法向量对三维同名特征点进行精炼，运用精炼的三维特征点进行多站点云数据拼接，提高多站点云海量数据拼接的精度和效率，进一步包括：

S2.1获得扫描对象完整的点云数据信息需经过多站扫描，而每站扫描获取的点云数据只能覆盖扫描对象的部分区域，且每站点云数据坐标系相对独立；

S2.2经过拼接将多站扫描转换到统一的坐标系统中，进而得到扫描对象完整的点云数据，将不同视点及坐标系统中的点云数据统一到固定坐标系统，完成点云数据拼接；

S2.3进行点云数据多站拼接，目前多站点云数据拼接算法基于最近点迭代的ICP算法、点云表面三维几何特征的拼接算法及强度图像的拼接算法。

2.根据权利要求1所述的基于多站激光点云数据全自动高精度拼接方法，其特征在于，所述的S1包括以下具体步骤：

S1.1激光数据采集过程中，不仅记录了对象表面的三维坐标信息，同时还记录了对象的反射率、反射强度、点到扫描仪中心的距离、水平角、垂直角以及偏差值信息；

S1.2运用地面激光点云数据衍生信息的强度信息及反射率，通过差值运算转换成二维图像数据；

S1.3由于点云数据采集过程中会出现盲区，因此通过插值算法将点云数据衍生信息转换成完整二维图像必不可少；

S1.4将点云数据的强度信息生成二维图像，分别经过插值运算生成二维图像、使用最邻近插值算法和三次样条插值算法生成二维图像，然后进行对比；

S1.5基于二维图像通过反投计算获得在三维点云数据中对应的特征点，进一步精确定位特征点并剔除粗差，通过特征点的法向量来对特征点进行精炼。

3.根据权利要求1所述的基于多站激光点云数据全自动高精度拼接方法，其特征在于，所述的S1.3中插值算法的邻近插值包括：

采用Lagrange插值、Kergin插值、B样条插值、Hermite插值及三次样条插值，该插值具体归为零阶插值、线性插值和高阶插值，零阶插值算法具有较简单，精度不高，且插值出来的图像连续性不好，线性插值用于4个邻近点的值在两个方向上做线性内插，克服图像不连续性，但精度仍然较低，且获得的图像较模糊，高阶插值算法用于重建完全连续光滑的图像，比前两种插值算法效果好，但计算复杂。

4.根据权利要求1所述的基于多站激光点云数据全自动高精度拼接方法，其特征在于，所述的S1.4中插值运算生成二维图像具体包括：

将点云数据的强度信息生成二维图像，分别经过插值运算生成二维图像、使用最邻近插值算法和三次样条插值算法生成二维图像，然后进行对比，由于三次样条插值获得的二维图像非常清晰，特征明显，一些微小的细节特征都能反映出来，连续性好，能够为特征匹配提供清晰的数据源。

5.根据权利要求4所述的基于多站激光点云数据全自动高精度拼接方法，其特征在于，所述的S1.4中三次样条插值公式为：

其中，σ代表采样空间距离，对曲面的平滑度进行控制。

6.根据权利要求1所述的基于多站激光点云数据全自动高精度拼接方法，其特征在于，所述的S1.5具体进一步包括：

由于尺度不变特征SIFT算子在高维空间中寻找邻近点，计算量非常大，使用CPU进行计算效率低，难满足实时运算的要求，基于图形处理器GPU的通用计算是现代并行计算的一个新的分支，该浮点运算与矩阵运算能力是CPU的数十倍，并且具备很强的并行运算及编程能力，辅助CPU完成图形图像处理以外的其他运算。