基于激光扫描和SFM的非同步点云三维重构方法.pdf

《基于激光扫描和SFM的非同步点云三维重构方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３７卷第５期仪器仪表学报Ｖｏｌ３７Ｎｏ５２０１６年５月ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔＭａｙ．２０１６基于激光扫描和ＳＦＭ的非同步点云三维重构方法１２３陈辉，马世伟，ＡｎｄｒｅａｓＮｕｅｃｈｔｅｒ（１．上海电力学院自动化工程学院上海２０００９０；２．上海大学机电工程与自动化学院上海２０００７２；３．德国维尔茨堡大学计算机科学学院维尔茨堡Ｄ９７０７４）摘要：室外场景具有测量数据量大、扫描数据易重叠及建筑物表面信息复杂等特点，单靠激光扫描方法能够获得场景精确的深度信息，但缺乏颜色和纹理信息，利用从运动中恢复结构（ＳＦＭ）方

2、法可获得丰富的彩色信息，但重构精度不高，若将两种设备固定进行在线实时同步测量，易受到测量环境和系统制约不易实现。针对此问题，提出了一种基于激光扫描和ＳＦＭ结合的非同步点云数据融合的三维重构方法。首先，提出利用手动选择控制点进行７自由度初始配准，再利用迭代最近点（ＩＣＰ）算法对初始配准结果进行精确配准，最后利用最近点搜索算法将分布在经基于面片的多视图立体视觉（ＰＭＶＳ）算法优化后的ＳＦＭ数据中的颜色信息与激光扫描的点云坐标进行融合。实验结果和数据分析显示，本文的方法能有效地将激光扫描与ＳＦＭ点云数据进行融合，实现了室外大场景的三维彩色重构。关键词：３Ｄ激光扫描；ＳＦＭ

3、；点云配准；数据融合；三维重构中图分类号：ＴＰ３９１．４１ＴＨ７４１．１文献标识码：Ａ国家标准学科分类代码：５２０．６０Ｎｏｎｓｙｎｃｈｒｏｎｏｕｓｐｏｉｎｔｃｌｏｕｄａｌｇｏｒｉｔｈｍｆｏｒ３ＤｒｅｃｏｎｓｔｒｕｃｔｉｏｎｂａｓｅｄｏｎｌａｓｅｒｓｃａｎｎｉｎｇａｎｄＳＦＭ１２３ＣｈｅｎＨｕｉ，ＭａＳｈｉｗｅｉ，ＡｎｄｒｅａｓＮｕｅｃｈｔｅｒ（１．ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒ，Ｓｈａｎｇｈａｉ２０００９０，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＭｅｃｈａｔｒｏｎｉｃｓＥｎ

4、ｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０００７２，Ｃｈｉｎａ；３．ＩｎｓｔｉｔｕｔｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＵｎｉｖｅｒｓｉｔｙＷüｒｚｂｕｒｇ，ＷüｒｚｂｕｒｇＤ９７０７４，Ｇｅｒｍａｎｙ）Ａｂｓｔｒａｃｔ：Ｔｈｅｏｕｔｄｏｏｒｓｃｅｎｅｈａｓｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｌａｒｇｅｍｅａｓｕｒｅｍｅｎｔｄａｔａ，ｅａｓｙｓｃａｎｎｉｎｇｄａｔａｏｖｅｒｌａｐｐｉｎｇａｎｄｃｏｍｐｌｅｘｂｕｉｌｄｉｎｇｓｕｒｆａｃｅｉｎｆｏｒｍａｔｉｏｎ．Ｌａｓｅｒｓｃａｎｎｉｎｇｍｅｔｈｏｄ

5、ｃａｎｏｂｔａｉｎａｃｃｕｒａｔｅｓｃｅｎｅｄｅｐｔｈｉｎｆｏｒｍａｔｉｏｎ，ｈｏｗｅｖｅｒｉｔｓｗｅａｋｎｅｓｓｉｓｌａｃｋｉｎｇｏｆｏｂｊｅｃｔｓｕｒｆａｃｅｔｅｘｔｕｒｅａｎｄｃｏｌｏｒｉｎｆｏｒｍａｔｉｏｎ．ＴｈｅｃａｍｅｒａｂａｓｅｄＳＦＭｍｅｔｈｏｄｃａｎｏｂｔａｉｎｒｉｃｈｃｏｌｏｒｉｎｆｏｒｍａｔｉｏｎ，ｈｏｗｅｖｅｒｉｔｓｒｅｃｏｎｓｔｒｕｃｔｉｏｎａｃｃｕｒａｃｙｉｓｐｏｏｒ．Ｉｔｉｓａｐｒｏｂａｂｌｅｓｏｌｕｔｉｏｎｔｏｆｉｘｔｈｅｔｗｏｋｉｎｄｓｏｆｅｑｕｉｐｍｅｎｔａｎｄｃｏｎｄｕｃｔｏｎｌｉｎｅｒｅａｌｔｉｍｅｓｙｎｃｈｒｏｎｏｕｓｍｅ

6、ａｓｕｒｅｍｅｎｔ，ｄｕｅｔｏｔｈｅｒｅｓｔｒｉｃｔｉｏｎｏｆｍｅａｓｕｒｅｍｅｎｔｅｎｖｉｒｏｎｍｅｎｔａｎｄｓｙｓｔｅｍｔｈｉｓｉｄｅａｃａｎｎｏｔｂｅｒｅａｌｉｚｅｄｅａｓｉｌｙ．Ａｉｍｉｎｇａｔａｂｏｖｅｍｅｎｔｉｏｎｅｄｐｒｏｂｌｅｍ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｎｏｎｓｙｎｃｈｒｏｎｏｕｓｐｏｉｎｔｃｌｏｕｄｆｕｓｉｏｎａｌｇｏｒｉｔｈｍｆｏｒ３Ｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎｂａｓｅｄｏｎ３ＤｌａｓｅｒｓｃａｎｎｅｒａｎｄｃａｍｅｒａｂａｓｅｄＳＦＭ．Ｆｉｒｓｔｌｙ，ｔｈｅｍｅｔｈｏｄｏｆｍａｎｕａｌｌｙｓｅｌｅｃｔｉｎｇｃｏｎｔｒｏｌｐｏｉ

7、ｎｔｓｉｓｕｓｅｄｔｏｃｏｎｄｕｃｔｔｈｅｉｎｉｔｉａｌｒｅｇｉｓｔｒａｔｉｏｎｗｉｔｈ７ｄｅｇｒｅｅｓｏｆｆｒｅｅｄｏｍ，ａｎｄｔｈｅＩＣＰａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｐｅｒｆｏｒｍｔｈｅｈｉｇｈｐｒｅｃｉｓｅｒｅｇｉｓｔｒａｔｉｏｎｂａｓｅｄｏｎｔｈｅｉｎｉｔｉａｌｒｅｇｉｓｔｒａｔｉｏｎｒｅｓｕｌｔ．Ａｔｌａｓｔ，ｔｈｅｎｅａｒｅｓｔｐｏｉｎｔｓｅａｒｃｈａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｆｕｓｅｔｈｅｃｏｌｏｒｉｎｆｏｒｍａｔｉｏｎｄｉｓｔｒｉｂｕｔｅｄｉｎｔｈｅＳＦＭｄａｔａｔｈａｔａｒｅｏｐｔｉｍｉｚｅｄｗｉｔｈＰＭＶＳａｌｇｏｒｉｔｈｍａｎｄ