当前位置：文档库 › 激光雷达应用及点云数据处理

激光雷达应用及点云数据处理

首都师范大学

硕士学位论文

地面激光雷达应用处理关键技术研究

姓名：臧克

申请学位级别：硕士

专业：地图学与地理信息系统

指导教师：张爱武

20070401

首都师范大学颂上论文第ｌ章绪论

型土木工程等的测量。本文提到地面激光雷达就属于这种类型。体积较小、精确商效、安全稳定、可操作性强，能在几分钟内对所感兴趣的区域建立详尽准确的三维立体影像，能提供准确的定量分析。

地面三维成像激光扫描仪的巨大优势就在于可以快速扫描被测物体．不需反射棱镜即可直接获得高密度的扫描点云数据。这样以来可以商效地对真实吐界进行三维建模和虚拟重现。

１．３Ｒｉｑ酉ＬＭＳＺ４２０ｉ三维激光扫描仅

本文所开展的应用均是基于础ｅ垂ＬＭＳＺ４２０ｉ

三维激光扫描仪。因此，此处着重介纽Ｒｉｃｇｌ

ＬＭＳＺ４２０ｉ三维激光成像扫描仪，其组成部分包括

三维激光扫描仪直接与数码相机、ＧＰＳ定位装置、

升降台、旋转平台、应用软件以及其他附件相结合

组成。在工作时，由扫描仪内部激光脉冲二极管发

射的激光脉冲，经过旋转棱镜，射向被测物体。然

后通过探测器。接收并记录反射回来的激光脉冲。

激光束的垂直偏转角（“线扫描”），是通过一个包

含几个反射表面的多丽体来控制的ｎ通过改变多图ｌ一１

ＲｉｅｇｌＬＭＳＺ４２０ｉ棱镜的旋转速度可以用来调整扫描速度。此外，三维激光扫描仪

通过随机配备的一个可以进行倾角调节的附件，从砸实现测量倾危的调整，使得其能够方便地进行俯视和仰视的测量。而且，该设备采用的激光技术基于距离数字采集ＬＩＤＡＲ（１ｉｇｈｔｄｉｓｔａｎｃｅａｎｄｒａｎｇｉｎｇ）光传输时间测量方法，它符合（ＣｌａｓｓＩ．ＩＦ＿．Ｃ６０８２５１）的激光标准，在任何环境下对人体、物体完全安全。

在软件的支持下，能进行快速精确、高效稳定的扫描，同时可以对三维数字模型进行纹理的蓿确迭加，其分辨率可高达毫米量级。利用撕ｅｇｌ三维激光扫描仪能够在较短的时间内耐感兴趣的区域，楼房，桥梁，室内等获取详尽的、高精度的三维立体影像图数据。此外，经过改装后，该设备可装载在汽车上，进行连续的城市空间数据采集。将得到的数据利用强大的后期处理软件，如Ｉ－ＳＩＴＥ、ＰｏｌｙＷｏｒｋｓ。可根据用户的需要，制作出极为丰富的３维立体空间模型（ＣＡＤ），立体影像（ＭＡＹＡ）及３维定量分析。用其采集的数据可与全球标准的坐

首都师毡太挚囔士｛龟文第１章缮论

娱乐、灾害预防与控制等应甩中的需求。从１９９５年开始至今，激光雷达测量系统在测绘市场的市场份额从５％增长到１２％，并且还在阻每年平均７％以上的速率增长。

之所以这种新兴的技术会如此迅速发展并广泛应用。是因为国家经济与社会发展对空同信息的需求不断扩大。从而极大地带动了相关部门对空间信息获取及处理技术的需求。从国家宏观规划和管理部门对全国及各区域时空变化信息掌握的需要；到资源环境监涮，地质矿产调查，灾害监测等遥感应用部门对快速获取大量且精确空间数据信息的需要。而地面激光雷达技术作为一种空闻信息获取的新手段，具有速度快，精度高，信息量大等优势，可以适应这些应藤的要求，因此其有巨大的科研和市场潜力，并已经应用于一些领域：１（砷地面三维激光雷达技术在基础测绘中的应用。通过地面激光雷达技术可以获取商密度、?高精度的激光点云数据，其可以直接反映目标物点位的三维坐标。利用计算机自动或入王交互处理，去除植被、房屋、其它建筑物等非地形目标上的点云数据：然后构建不规则三角网（ＴＩＮ），从而可快速提取数字高程模型（ＤＥＭ）。由手激光点云数据的密度大、数量多，使得其所生成的数字高程模型的精度和分辨率都很高，因此这类方法生产的数据产品可以满足不同行业对高精度高程模型的需求。

（２）地而三维激光雷达技术在文化遗产保护领域的应用。将大型的遗迹与其所包含的具体的文物实体的三维数字化建模相结合，可以永久地保存文物信息，减少人为因素对文物的损坏；还可以按照时间序列，将历史文化在时间隧道中再现；另外借助于互联网，可以快速地实现资源共享，等等这些都将对文化遗产保护、复原与研究具有重要意义。倒如，利用Ｒｉｅ羽地面三维激光扫描仪所做的伊朗古城地震之后的复原模型。

图１－２伊朗的ＢａｍＣｉｔａｄｅｌ古城地震前后的风貌以及拼接后的三维模型

（３）地面三维激光雷达技术在“数字城市”建设中的应用。对地面建筑物

５

首都师箍大学预士论文第ｌ章绪论

进行地面多角度激光扫描，可以快速获取城市中各类建筑物的三维点云数据，

并在软件的支持下进行拼接、建模、纹理映射，从而得到４数字城市’所需要的高精度、真三维，可量测的，且具有真实感的虚拟城市三维模型。政府规划部门、城市建设部门，交通管理部门、房地产项目开发商、工程人员等可以对目标建筑进行糖确量测，还可以从任意角度实时交互地看到规划效果，获得前所未有的直觉体验．

（４）地面三维激光雷达技术在工程测量中的应用。工程测量的特性包括：

测量范围大小不一；被测目标之间空

问关系或自身几何结构复杂；被测日

标可能时刻处于变化状态；被测目标

周围环境恶劣等．这些特性都要求有

一种速度快、精度高，且可以实现远

砸离主动遥感获取空问信息的技术

手段用于工程测量。丽地面三维激光

扫描技术正好可以满足这些要求?其翻ｌ－３利用地面三女ｉ蕊无溉制成已经逐步应用子土木建筑工程、巷道的炼油厂管道三维模型

与洞穴测量，工厂设旌与管线测量

等，其广泛涉及到建筑产业、采矿产业、电力产业等多种类塑项目．这些项目都需要地面三维激光雷达测量技术现场实施测量以获取目标物三维实景的空闯信怠．

豫此之井．地面三维激光雷达技术还在地址地貌调查监溷、林业勘测，甚至军事领域都有应用．并且。目前的研究表明，相关科研机构和公司还在不断拓展地面三维激光雷达技术的应用颁域范围，使其发挥更大的作用．本文中的应用实例就是结合作者所在实验室应用地面三维激光雷达所做过的实验和科研项目进行介绍。

１．５本文主要研究内容

她面激光雷达技术生产了大量盼三维点云数据，目前，还没有统一用于管÷理激光三维数据的数据标准，常用的地理信息系统软件也直接不能处理分析三‘维数据。此外，不同的应用，三维激光雷达处理技术和方法也不同．本文针对

６

首都师范大学硕士论文第２章大规模三维激光雷达数据存储方法

本文主要利用ＲｉｅｇｌＬＭＳ＿Ｚ４２０ｉ获取数据，Ｒｉｅ酉ＬＭＳ＿Ｚ４２０ｉ的原始观测数据主要包括四种：①根据两个连续转动的用来反射脉冲激光的镜子的角度值得到的激光束的水平方向值和竖直方向值；②根据脉冲激光传播的时间而计算得到的仪器到扫描点的距离值：③扫描点的反射强度；④通过数码相机获取的扫描点真彩色（ＲＧＢ）信息等。

图２－２三幅首都师范大学图书馆的带有反射率值的距离图像因为地面三维激光扫描仪进行扫描时，按预先设置的固定行列扫描，所以采样点的三维坐标可按如下公式计算：

ｘ（ｉ，ｊ）一ｒ（ｉ，ｊ３ｃｏｓ归ｃｏｓａ

ｙ（ｉ，ｊ）＝ｒ（ｉ，ｊ）ｃ．ｏｓｆｌｓｉｎａ

ｚＧｊ）－ｆｆｉ，伽ｉ妒

这里，ｆ（ｉ，ｊ）采样点的距离值，（吗ｐ）扫描角分辨率和俯仰角分辨率，一旦设置好行列后，（％Ｂ）值不变。那么，本文存储每幅距离图像如下信息：距离图像的行列数，扫描角、俯仰角，以及每一点的距离值、反射率值和彩色值，如下表：

图２－３距离图像信息框架

９

首都师范大学硕士论文第２章＾规模三维涟光雷达数据存储方法

因此，大对象数据类型为能将大规模点云数据的二进制文件存入数据库提供了可能，能很好的满足管理上的要求。并且Ｏｒ∞ｌｅＴｅｘｔ在ＣＬＯＢ数据上具有强大的搜索和文本功能。

在存储距离图像时，可以将距离图像的分块数据存入数据库系统提供的大对象ＢＬＯＢ字段中，在事先确定的分辨率下，将每个块作为一条记录存储。可以建立存储的关系表：

１－距离图像表，该表包含距离图像的相关基本信息。例如，扫描站点ＩＤ，站点的大地坐标，以及扫描时间等等。这些信息可以用于最基本的扫描位置、时问的检索时，缩小搜索范围，从而提供搜索效率。

２．分层对象块表，该表包含扫描站点Ｄ，层Ⅲ，距离图像区域分块对象ＩＤ等等。通常情况下，都将最原始的距离图像作为第０层。分层对象块表通过扫描站点ｌＤ与距离图像表相联系。

３．属性表，该表记录了距离图像的属性特征信息。其可以距包含：离图像的行列数，扫描角、俯仰角，以及每一点的三维空问坐标，距离值、反射率值和彩色（ＲＧＢ）值等等。属性表与分层对象块表通过分块对象ＩＤ和层ＩＤ相互联系。

距离图像存储策略的结构如下图所示：

图２－６存储策略结构图

１３

第３章地面三维激光雷达在城市构件测量中的应用基于地面三维激光雷达采集的点云数据，利用计算机辅助技术、数字化测量技术和几何模型重建技术，构建ＣＡＤ模型，进而支持城市中各种规则或不规则的构件量测．

３．１关键技术

城市构件测量涉及站点布置、扫描参数设置、激光点云分类滤波、多站点三维数据配准、几何建模、ＣＡＤ模型生成等关键环节。

３．１．１地面三维激光雷达多站点布置方法

一个大型建筑往往需要设置几十个甚至上百个站点多方位多角度进行扫描测量，而每一站点的数据相对自己的局部坐标系，因此，需要进行拼接，较多站点的激光数据拼合在同一坐标系内。例如，对首都师范大学图书馆．一座８层大厦进行三维扫描，在设计扫描站点布置时，选取六个站点，分别涵盖了图书馆西北、北面、东北、东南、南愿、西南六个方向．方可覆盖图书馆建筑物侧面的全部范围。如下图所示布置扫描站点：

图３．１地面三维激光雷达获取图书馆三维点云数据站点布置地面三维激光雷达扫描站点的设置必须遵循一个总体的原则：

（１）重复性。该原则所指的是每一个站点与其相邻站点间的扫描范围必须存在一定范围的重复性。这是数据后期处理中的不同站点数据拼接的必要条件，（２）多视角。其是指从不同水平角度，不同俯视、仰视角度，以及不同高度全方位设置站点，最大限度的获取整个目标物的全面三维点云信息。

（３）整体性。在设置扫描站点的时候充分考虑目标物的范围和体积，以及

仪器的有效距离，设定扫描仪的扫描范围、扫描分辨率，选定扫描回波（第一次和最后一次），在满足条件的前提下，用最少的站点数获取到整个目标物的信息。

实际扫描时。要因地制宜，灵活考虑，尽量避免（树木、电线杆、其它建筑物等）周围遮挡物的影响。对象相对复杂时。采用高密度扫描；相反在对象复杂度低，且对象形状较为规则时，采用低密度扫描，如下图是利用Ｒｉｅ西ＩＡｃｌＳ＿ＺＡ２０ｉ获取的首都师范大学图书馆的三维数据。

图３－２所获取的图书馆点云数据

３．１．２激光点云分类滤波

激光扫描仪回收了所有采样点的回波信号，三维扫描数据包含扫描范围内所有物体类型的激光采样点，如建筑结构表面、地面、树木、杆子、隧道、车辆等，如图３－３。三维激光扫描数据除了采样点的点位和反射率信息再无其它可靠信息，自动识别和提取城市环境各种构件特征是一项非常复杂困难的工作。

图３－３三环路扫描结果

激光雷达高速数据采集系统解决方案

激光雷达高速数据采集系统解决方案 0、引言 1、当雷达探测到目标后, 可从回波中提取有关信息，如实现对目标的距离和空间角度定位,并由其距离和角度随时间变化的规律中得到目标位置的变化率，由此对目标实现跟踪; 雷达的测量如果能在一维或多维上有足够的分辨力, 则可得到目标尺寸和形状的信息; 采用不同的极化方法，可测量目标形状的对称性。雷达还可测定目标的表面粗糙度及介电特性等。接下来坤驰科技将为您具体介绍一下激光雷达在数据采集方面的研究。 1、雷达原理目标标记：目标在空间、陆地或海面上的位置, 可以用多种坐标系来表示。在雷达应用中, 测定目标坐标常采用极(球)坐标系统, 如图1.1所示。图中, 空间任一目标P所在位置可用下列三个坐标确定: 1、目标的斜距R； 2、方位角α；仰角β。如需要知道目标的高度和水平距离, 那么利用圆柱坐标系统就比较方便。在这种系统中, 目标的位置由以下三个坐标来确定: 水平距离D，方位角α，高度H。图1.1 用极(球)坐标系统表示目标位置

系统原理：由雷达发射机产生的电磁能, 经收发开关后传输给天线, 再由天线将此电磁能定向辐射于大气中。电磁能在大气中以光速传播, 如果目标恰好位于定向天线的波束内, 则它将要截取一部分电磁能。目标将被截取的电磁能向各方向散射, 其中部分散射的能量朝向雷达接收方向。雷达天线搜集到这部分散射的电磁波后, 就经传输线和收发开关馈给接收机。接收机将这微弱信号放大并经信号处理后即可获取所需信息, 并将结果送至终端显示。图1.2 雷达系统原理图测量方法 1）.目标斜距的测量雷达工作时, 发射机经天线向空间发射一串重复周期一定的高频脉冲。如果在电磁波传播的途径上有目标存在, 那么雷达就可以接收到由目标反射回来的回波。由于回波信号往返于雷达与目标之间, 它将滞后于发射脉冲一个时间tr, 如图1.3所示。我们知道电磁波的能量是以光速传播的, 设目标的距离为 R, 则传播的距离等于光速乘上时间间隔, 即2R=ct r 或 2 r ct R

利用激光点云数据计算采石场开采量方法研究

利用激光点云数据计算采石场开采量方法研究发表时间：2018-08-09T10:41:29.817Z 来源：《新材料.新装饰》2018年2月下作者：李光 [导读] 为了调查矿山开采现状，估算矿山保有资源量，政府定期要对采石场资源储量进行核实。一般采用免棱镜全站仪进行测量评估，但因地形复杂，测量误差难以避免。而激光扫描技术克服了这些缺点，为储量监测提供了快捷的途径。应用激光扫描技术在土方量计算、矿山地形快速测量、土方变化量监测等方面一些学者进行了系统研究。（齐齐哈尔矿产勘察开发总院，黑龙江省齐齐哈尔市 161000）摘要：为了调查矿山开采现状，估算矿山保有资源量，政府定期要对采石场资源储量进行核实。一般采用免棱镜全站仪进行测量评估，但因地形复杂，测量误差难以避免。而激光扫描技术克服了这些缺点，为储量监测提供了快捷的途径。应用激光扫描技术在土方量计算、矿山地形快速测量、土方变化量监测等方面一些学者进行了系统研究。使用三维激光扫描仪对矿堆进行了扫描，对扫描数据进行三维建模后测算矿堆的矿方量。本文分析了利用激光点云数据计算采石场开采量方法。关键词：激光点云数据；计算采石场；开采量方法；利用三维激光扫描技术可以获得高密度点云数据进行体积计算，解决了复杂矿山开采与储量的测量精度问题。近年来国内一些学者进行了相关研究，基于三维激光扫描技术的土方量算满足精度要求，给出了在土方量算应用中的相关定量指标。目前采用地面三维激光扫描技术针对采石场的开采量变化研究非常少，计算方法也不太相同。一、点云数据获取某采石场开采量的详细数据为了达到扫描的目的和精度要求，结合采石场的环境和地形本身复杂的结构特点，扫描仪获取数据的特点,决定采用全站仪模式对采石场进行扫描?为了保证前后两期坐标的一致性,两期数据都是利用RTK 测量控制点坐标?根据采石场的地形和范围,根据地形情况,将扫描路线设置为闭合导线,共有导线点12 个,每站架设仪器进行扫描,采用中等分辨率 (10 cm/100 m),每站操作时间大约为30 min ,大约测量7 h完成采石场的数据采集工作?一是噪声处理与范围的统一?将扫描的激光点云数据导入随机数据处理软件Cyclone ，对软件自动拼接的点云数据进行质量检查，证明点云数据完整可用。利用软件去噪功能，通过放大与旋转操作，对研究区域外点云粗略删除。计算采石场开采量利用RTK 测量的数据与三维激光扫描的点云数据进行对比，在进行数据处理时，要保证两者范围的一致性，主要以地形图数据为基准，利用CASS 软件确定范围边界线，将处理后的数据保存为txt 格式文件,再导入Cyclone软件,删除研究区域范围以外的点云数据?二是点云数据均一化处理?为了地形图数据精度上大致保持相同,对三维激光扫描的数据进行抽稀处理?在Cyclone软件中,对点云数据进行均一化处理?为了与传统方法保持精度基本一致,便于数据间的研究对比,确定点云间隔为5 m 进行点云均一化处理(见图2)?三是点云数据的精简?利用Cyclone 软件对点云数据去噪处理后,点云数据仍然存在一些噪声点?体外孤点等影响点云质量的因素,可以采用Geomagic 软件进行点云数据的精简?将Cyclone 软件处理得到的结果保存为xyz 格式文件,在Geomagic 软件进行数据精简的主要过程:“数据导入— 点云数据着色—去除体外孤点及非连接项—减少噪音—数据采样— 数据封装”,将处理后的数据保存为vtx 格式文件? 二?利用激光点云数据计算采石场开采量方法 1. 开采量的方法?为了获取采石场两期间进行精确计算的开采量,要对采石场的开采区域范围进行精确的确定,根据点云数据的范围来确定矿山采集区域的模型的区域范围,从而确保建立的矿山采集区域模型范围与实际矿山范围尽量一致来保证矿山开采量的准确性?一是Cyclone 软件求取开采量?Cyclone 软件是具有处理点云数据与建模的功能?依据Cyclone软件提供的计算体积的功能,不能将两期的数据直接进行叠加求差值,需要分别计算每期的体积,然后求差,差值即为采石场开采量?Cyclone 软件求取体积的主要技术:将Geomagic 精简处理后的vtx格式文件后缀修改为txt 格式,然后打开文件,选择所有点云数据,创建TIN 模型;执行命令,软件自动计算点云到参考面的挖方量和填方量,其中挖方量(Cut V olume)为1252641 m3即为计算开采量所需要的数据?因为两期数据计算挖方量的差值为开采量,要求取数据的挖方量,因为提供的数据文件格式是dat 格式,将dat 格式的文件转换为txt 格式,再导入Cyclone 软件,按照以上方法,计算挖方量为1006949 m3 ,将两期的挖方量求差值即为采石场开采量,?二是HD‐3LS‐SCENE 软件求取开采量?HD‐3LS‐SCENE软件支持点云渲染?点云选择?量测分析?堆体体积计算?此次研究主要是根据需求以及数据的密度,设置网格大小,求取每一期堆体体积,然后做差,差值即为采石场的开采量?HD‐3LS‐SCENE 软件主要技术思路:将Geomagic 精简处理后的格式文件后缀修改为txt 格式,再用Cyclone 软件打开,保存为xyz 格式文件?利用导入经Cyclone软件处理后的xyz 格式文件,保存为文件,再打开格式文件,转换为格式文件,通过软件加载格式文件,点击菜单中“点云分析”设置投影点云参数生成DEM ,求取体积,将格式的数据利用Excel 表格处理转换为txt 格式文件,再导入Cyclone 软件,然后保存为xyz 格式文件,按照上述求取体积的步骤求取地形图数据的体积,三是CASS 软件求取开采量?CASS 软件一套集地形?地籍?空间数据建库?工程应用?土石方量算等功能为一体的软件系统?CASS 提供了多种土方计算方法,对不同工程条件可灵活地采用合适的土方计算模型?CASS 软件主要技术思路是:将Geomagic 精简保存的5m点云数据vtx 格式文件后缀修改为格式,再利用Excel 表格将格式文件转换为dat 格式文件保存,利用CASS 软件打开格式文件,将数据转换为格式文件,根据利用CASS 软件将数据转换为格式文件?在CASS 软件选择DTM 法计算两期土方? 2.开采量计算结果分析?针对以上计算结果,从计算开采量的技术可行性?计算的精度?软件操作的难易程度等方面进行对比分析?针对三种软件的性能及计算开采量结果的精度,详细的对比分析阐述如下:1)Cyclone 软件?Cyclone 软件是具有较高知识产权的随机数据处理软件,普通用户获取难?该软件的界面与软件说明书都是英文的,如果没有专门的培训或相关人员的指导,软件使用上比较困难?操作步骤比较繁琐,软件功能比较强大,能够计算采石场开采量?Cyclone在计算开采量方面误差较小?对比三种软件可知:Cyclone 软件在求取开采量方面精度最高,满足工程测量需要?2)HD‐3LS‐SCENE 软件?HD‐3LS‐SCENE 软件在获取方面比较困难,正版软件花费较高,软件试用期都是短暂的?软件操作上比较复杂,计算时间需要40 min ,在三种软件中计算速度最慢?在精度方面相比于其他两个软件,在相同的条件下,精度最低,因此在对精度要求不是很高的情况下,能够使用HD‐3LS‐SCENE 软件计算开采量?3)CASS 软件?该软件运用比较普遍,能够识别多种格式的数据文件?该软件操作简单快捷,在短时间内求取土方量，而且在求取两期土方量的过程中，实现一步到位，减少了后期大量的手工计算。在计算精度方面，CASS 软件获取较高的精度，所以在精度要求不是很高的情况下，CASS软件能够快速求取体积，作为优先考虑的软件。通过对采石场开采量计算结果表明：利用激光点云数据的采石场开采量计算技术可行、精度满足工程需要。Cyclone 软件使用难度大，

点云数据处理

c++对txt文件的读取与写入/* 这是自己写程序时突然用到这方面的技术，在网上搜了一下，特存此以备后用~ */ #include #include #include using namespace std; i nt main(){ char buffer[256]; ifstream myfile ("c:\\a.txt"); ofstream outfile("c:\\b.txt"); if(!myfile){ cout << "Unable to open myfile"; exit(1); // terminate with error } if(!outfile){ cout << "Unable to open otfile"; exit(1); // terminate with error } int a,b; int i=0,j=0; int data[6][2]; while (! my() ) { my (buffer,10); sscanf(buffer,"%d %d",&a,&b); cout<头文件读：从外部文件中将数据读到程序中来处理对于程序来说，是从外部读入数据，因此定义输入流，即定义输入流对象:ifsteam in就是输入流对象。这个对象当中存放即将从文件读入的数据流。假设有名字为my的文件，存有两行数字数据，具体方法：int a,b; ifstream infile; in("my"); //注意文件的路径infile>>a>>b; //两行数据可以连续读出到变量里in() 如果是个很大的多行存储的文本型文件可以这么读：char buf[1024]; //临时保存读取出来的文件内容string message; ifstream infile; in("my"); if(in()) //文件打开成功,说明曾经写入过东西{ while(in() && !in()) { memset(buf,0,1024); in(buf,1204); message = buf; ...... //这里可能对message做一些操作cout< ＃i nclude ＃i nclude using namespace std; //////////////从键盘上读取字符的函数void read_save(){ char c[80]; ofstream outfile("f1.dat");//以输出方工打开文件if(!outfile){ cerr<<"open error!"<=65&&c[i]<=90||c[i]>=97&&c[i]<=122){//保证输入的字符是字符out(c[i]);//将字母字符存入磁盘文件

无人机激光雷达扫描系统

Li-Air无人机激光雷达扫描系统 Li-Air无人机激光雷达扫描系统可以实时、动态、大量采集空间点云信息。根据用户不同应用需求可以选择多旋翼无人机、无人直升机和固定翼无人机平台，可快速获取高密度、高精度的激光雷达点云数据。硬件设备 Li-Air无人机激光雷达系统可搭载多种类型扫描仪，包括Riegl, Optech, MDL, Velodyne等，同时集成GPS、IMU和自主研发的控制平台。图1扫描仪、GPS、IMU、控制平台无人机激光雷达扫描系统设备参数见表格1：表格 1 Li-Air无人机激光雷达扫描系统图2 八旋翼无人机激光雷达系统图3 固定翼无人机激光雷达系统设备检校

公司提供完善的设备检较系统，在设备使用过程中，定期对系统的各个组件进行重新标定，以保证所采集数据的精度。图1扫描仪检校前（左）扫描仪检校后（中）检校前后叠加图（右）图4（左）为检校前扫描线：不连续且有异常抖动；图4（中）为检校后扫描线：数据连续且平滑变化；图4（右）为检校前后叠加图，红线标记的部分检校效果对比明显。图5从左至右依次为校正前（侧视图）、校正后（侧视图）、叠加效果图图5（左）为检校前扫描线：不在同一平面；图4（中）为检校后扫描线：在同一平面；图4（右）为检校前后叠加图。成熟的飞控团队公司拥有成熟的软硬件团队以及经验丰富的飞控手，保证数据质量以及设备的安全性，大大节约了外业成本和时间。

图6无人机激光雷达系统以及影像系统完善的数据预处理软件公司自主研发的无人机系统配备有成套的激光雷达数据预处理软件Li-Air，该软件可对无人机实时传回的激光雷达数据进行航迹解算、数据生成、可视化等。图7 Li-Air数据预处理功能成功案例 2014年7月，本公司利用Li-Air无人机激光雷达扫描系统进行中关村软件园园区扫描项目，采集园区高清点云以及影像数据。飞行高度200m，点云密度约50点/平方米，影像地面分辨率为5cm。通过POS数据解算，完成对点云和影像数据的整合，得到地形信息和DOM等。

CARD-1中利用点云数据(激光雷达数据)进行项目设计使用说明

如何在CARD/1中利用点云数据进行项目设计点云数据是利用激光雷达或其他专业测量仪器对实地进行扫描得到的带有颜色和三维坐标的大量点数据的集合。点云数据是目前国内外使用的最先进的测量数据形式。此数据可以真实的反映地形地貌，让设计者如同置身实地进行工程设计。点云数据，根据测量仪器的不同，点云数据有很多种格式，国外常见的有徕卡、瑞格、天宝等，国内常用的是激光雷达数据，其后缀为LAS。CARD/1能直接读取上述格式的点云数据。下面介绍如何在CARD/1中利用点云数据进行工程设计。一、导入点云数据首先，进入【测量】--【管理点云】，弹出边菜单，选择“新建”，弹出建立新点云的窗口，输入一个名称（由字母和阿拉伯数字组成），可以给一个用于以后辨认的描述，点击确定，弹出读取点云数据的边菜单，这里可以读入多种格式的点云数据，需要根据已有点云数据的格式选择使用，现有点云数据位LAS格式，点击变菜单中的LAS格式进行读入，会弹出选择点云数据文件的对话框，选择窗体菜单中的外部文件，找到需要读入的LAS点云数据，点击打开。

出现导入点云数据的进度条，导入结束会提示导入的总点数，点击确定。选择边菜单中的“预处理”，弹出对话框，坐标及高程范围是系统自动获取的，无需修改，块大小是指系统将整个点云数据进行分块管理，每一个分块的面积大小，最小点数/最大点数指的是每一个分块管理的点个数。默认参数可以不用修改，也可以根据点云数据的大小情况来修改。点击确定，系统就会对点云数据进行分块处理。这一步必须做，否则系统无法显示点云数据。二、显示点云数据完成上述操作，点云数据就被成果导入到系统中。进入平面视图，设置数据显示，边菜单中勾选“点云数据”，即可看到点云数据平面图。如果点云数据太大，显示速度慢，可以换一种方式显示，即绘制点云平面图，然后显示绘图对象，这样显示速度会快很多。可以进入【绘制图表】--【平面分页】，建立一个绘图需要的平面分页，可以建一个比较大的分页，包含整个点云区域。然后进入【绘制图表】--【建立点云平面】，在边菜单中点击“点云·选

三维点云数据处理的技术研究

三维点云数据处理的技术研究中国供求网【摘要】本文分析了大数据领域的现状、数据点云处理技术的方法，希望能够对数据的技术应用提供一些参考。【关键词】大数据;云数据处理;应用一、前言随着计算机技术的发展，三维点云数据技术得到广泛的应用。但是，受到设备的影响，数据获得存在一些问题。二、大数据领域现状数据就像货币、黄金以及矿藏一样，已经成为一种新的资产类别，大数据战略也已上升为一种国家意志，大数据的运用与服务能力已成为国家综合国力的重要组成部分。当大数据纳入到很多国家的战略层面时，其对于业界发展的影响那是不言而喻的。国家层面上，发达国家已经启动了大数据布局。2012年3月，美国政府发布《大数据研究和发展倡议》，把应对大数据技术革命带来的机遇和挑战提高到国家战略层面，投资2亿美元发展大数据，用以强化国土安全、转变教育学习模式、加速科学和工程领域的创新速度和水平;2012年7月，日本提出以电子政府、电子医疗、防灾等为中心制定新ICT(信息通讯技术)战略，发布“新ICT计划”，重点关注大数据研究和应用;2013年1月，英国政府宣布将在对地观测、医疗卫生等大数据和节能计算技术方面投资1(89亿英镑。同时，欧盟也启动“未来投资计划”，总投资3500亿欧元推动大数据等尖端技术领域创新。市场层面上，美通社发布的《大数据市场:2012至2018年全球形势、发展趋势、产业

分析、规模、份额和预测》报告指出，2012年全球大数据市场产值为63亿美元，预计2018年该产值将达483亿。国际企业巨头们纷纷嗅到了“大数据时代”的商机，传统数据分析企业天睿公司(Teradata)、赛仕软件(SAS)、海波龙(Hy-perion)、思爱普(SAP)等在大数据技术或市场方面都占有一席之地;谷歌(Google)、脸谱(Facebook)、亚马逊(Amazon)等大数据资源企业优势显现;IBM、甲骨文(Oracle)、微软(Microsoft)、英特尔(Intel)、EMC、SYBASE等企业陆续推出大数据产品和方案抢占市场，比如IBM公司就先后收购了SPSS、发布了IBMCognosExpress和InfoSphereBigInsights 数据分析平台，甲骨文公司的OracleNoSQL数据库，微软公司WindowsAzure 上的HDInsight大数据解决方案，EMC公司的 GreenplumUAP(UnifiedAnalyticsPlat-form)大数据引擎等等。在中国，政府和科研机构均开始高度关注大数据。工信部发布的物联网“十二五”规划上，把信息处理技术作为四项关键技术创新工程之一提出，其中包括了海量数据存储、数据挖掘、图像视频智能分析，这都是大数据的重要组成部分，而另外三项:信息感知技术、信息传输技术、信息安全技术，也都与大数据密切相关;2012年12月，国家发改委把数据分析软件开发和服务列入专项指南;2013年科技部将大数据列入973基础研究计划;2013年度国家自然基金指南中，管理学部、信息学部和数理学部都将大数据列入其中。2012年12月，广东省启了《广东省实施大数据战略工作方案》;北京成立“中关村大数据产业联盟”;此外，中国科学院、清华大学、复旦大学、北京航空航天大学、华东师范大学等相继成立了近十个从事数据科学研究的专门机构。中国互联网数据中心(IDC)对中国大数据技术和服务市场2012,2016年的预测与分析指出:该市场规模将会从2011年的7760万美元增长到2016年的6。17亿美元，未来5年的复合增长率达51(4%，市场规模增长近7倍。数据价值链和产业链初显端倪，阿里巴巴、百度、腾

机载激光雷达数据后处理软件(LiDAR_Suite)简介

机载激光雷达数据后处理软件（LiDAR_Suite）简介 LiDAR_Suite是武汉天擎空间信息技术有限公司在国家高新技术发展计划项目基础上，开发的具有完全自主知识产权的机载LiDAR 数据后处理软件（如图1）。图1：LiDAR_Suite 系统界面 LiDAR_Suite 综合考虑了当前机载激光雷达数据处理与应用的实际，形成了一套从原始点云数据到高质量行业产品、成熟高效的机载LiDAR数据处理工艺流程。LiDAR_Suite 功能齐全，性能稳定，提供了涵盖机载激光雷达数据预处理、基础共性处理和专业应用处理等三个处理层次的丰富功能。具体包括： 1)机载LiDAR 点云数据、影像、矢量及DEM 等多源空间数据的存取与可视化，提供了和主流LiDAR 数据处理软件、遥感影像处理软件以及GIS软件的数据接口； 2)机载LiDAR 数据质量控制；机载LiDAR 系统检校、点云数据精度评价和点云数据的无缝航带拼接； 3)海量点云数据的工程化组织管理及其自动批处理；集群环境下的点云数据快速处理； 4)多种点云数据的自动滤波、分类算法，基于多模式和多视图的点云编辑精细

分类，多模式和可视化的分类精度评价； 5)基于机载LiDAR 点云的高质量数字高程模型和等高线生产； 6)面向机载LiDAR 同机航空数码相机的整区域快速正射影像生产；机载 LiDAR点云与非同机遥感影像的配准； 7)电力行业应用：电力线提取与建模、电力设施周边地物要素采集、危险点间距量测等； 8)数字城市应用：独立的子模块Building Modeler，实现城市建筑物三维模型的自动、半自动建立。 LiDAR_Suite采用了当前机载LiDAR最新数据处理技术，采用了模块化设计思想以及插件集成技术，在可视化、人机交互、易操作性、处理精度与效率等方面与现有商业化的主流机载激光雷达数据处理软件相比均具有一定的技术优势，并提供了灵活方便的、面向行业的二次开发功能。LiDAR_Suite兼顾了先进算法自动化处理和人机交互的作用，使系统更具实用性；面向专业应用提供了测绘生产、数字城市建模、电力行业应用等功能。目前，该软件已应用于实际的高精效测绘生产中，完成从原始点云数据到基础测绘产品生产（含DEM、DOM、等高线、部分DLG）以及产品精度评价的全部流程，效果良好（图2为数据生产工程管理示意图，图3为多模式和多视图的点云精细分类编辑示意图，图4为点云自动分类结果，图5为高精度DEM渲染结果，图6为电力悬链线的提取与建模，图7为建筑物半自动建模）。目前，LiDAR_Suite的生产处理成果已应用于国土、交通、水利等领域，并可望在更多领域如资源、环境、灾害、电力、农林等得到广泛应用。

数据处理点云处理

非接触三维扫描测量数据的处理研究 1 点云数据的处理 1.1 噪声点的剔除和失真点的查找.在非接触三维扫描测量过程中,受测量方式、被测量物体材料性质、外界干扰等因素的影响,不可避免地会产生误差很大的点(噪声点)和失真点(跳点).因此在数据处理的第一步,就应利用相关专用软件所提供的去噪声点功能除去那些误差大的噪声点和找出可能存在的失真点[3].失真点的查找需要一定的技巧和经验,下面介绍3种方法供大家参考:①直观检查法.通过图形显示终端,用肉眼直接将与截面数据点集偏离较大的点或存在于屏幕上的孤点剔除.这种方法适合于数据的初步检查,可从数据点集中筛选出一些比较大的异常点.②曲线检查法.通过截面的首末数据点,用最小二乘法拟合得到一条样条曲线,曲线的阶次可根据曲面截面的形状决定,通常为3~4阶,然后分别计算中间数据点pi到样条曲线的距离‖e‖,如果‖e‖大于等于[ε]([ε]为给定的允差),则认为pi是坏点,应予以剔除(见图1).③弦高差方法.连接检查点的前后2点,计算中间数据点pi到弦的距离‖e‖,如果‖e‖ [ε]([ε]为给定的允差),则认为pi是坏点,应予以剔除.这种方法适合于测量点均匀且较密集的场合,特别是在曲率变化较大的位置(见图2). 图1 曲线检查法剔除坏点图2 弦高差方法 1.2 数据精简.非接触三维扫描测量的突出特点是点云十分密集,数据量极其庞大(在1m2的范围内有数十万个点).若将如此庞大的数据量直接用于曲面构建不仅需要巨大的计算机资源(普通微机可能无法胜任)和很长的计算时间,而且整个处理过程也将变得难以控制,更何况并非所有的测试数据对曲面的构建都有用.因此,有必要在保证一定精度的前提下,对测试数据进行精简.数据精简的原则是在扫描曲率较大的地方保持较多的数据点,在曲率变化较小的地方保持较少的数据点.不同类型的点云采用不同的精简方式.散乱点云可通过随机采样的方法来精简,而对于扫描线点云和多边形点云可采用等间距、倍率、等量及弦偏差等方法进行精减.此外均匀网格法与非均匀网格法也可用来精减点云数据.其中均匀网格法只需选取其中的某些点,无需改变点的位置,可以很好地保留原始数据,特别适合简单零件表面瑕点的快速剔除.由于均匀网格法没有考虑被测物体的表面形状特征,因此它不适合对形状复杂的重要工程部件测试数据的处理.与之相反,非均匀网格法可以根据被测工程部件外部形状特征的实际需要来确定网格的疏密,因此它可在保证后继曲面构建精度的前提下减少数据量,这在处理尺寸变化较大的自由形体方面显得十分有效. 1.3 数据的平滑处理.点云数据中的随机误差将影响到后续曲面的构建及生成三维实体模

激光雷达回波信号仿真模拟

激光雷达回波信号仿真模拟研究摘要关键字第一章绪论第一节引言激光雷达（Lidar：Li ght D etection A nd R anging），是一种用激光器作为辐射源的雷达，是激光技术与雷达技术完美结合的产物。激光雷达的最基本的工作原理与我们常见的普通雷达基本一致，即由发射系统发射一个信号，信号到达作用目标后会产生一个回波信号，我们将回波信号经过收集处理后，就可以获得所需要的信息。与普通雷达不同的是，激光雷达的发射信号是激光而普通雷达发射的信号是无线电波，两者在波长上相比，激光信号要短的多。由于激光的高频单色光的特性，激光雷达具有了许多普通雷达无法比拟的特点，比如分辨率高，测量、追踪精度高，抗电子干扰能力强，能够获得目标的多种图像，等等。因此，利用激光雷达对大气进行监测，收集、分析数据，建立一个大气环境预测理论模型，这将会成为研究气候变化和寻求解决对策的一项重要武器。第二节本文的选题意义由于投入巨大，在研制激光雷达实物之前，我们需要进行模拟与仿真研究，预测即将研制的激光雷达的各性能指标，评价总体方案的可行性。激光雷达回拨信号仿真模拟就是利用现代仿真技术，逼真的复现雷达回波信号的动态过程，它是现代计算机技术、数字模拟技术和激光雷达技术相结合的产物。仿真模拟的对象是激光雷达的探测没标以及它所处的环境，模拟的手段是利用计算机和相关设备以及相关程序，模拟的方式是复现包含着激光雷达目标和目标环境信息的雷达信号。通过激光雷达回波信号的仿真模拟，进而产生回波信号，我们可以在实际雷达系统前端不具备条件的情况下，对激光雷达系统的后级设备进行调试。第三节本文的研究思路和结构安排本文主要研究面向气象服务应用的大气激光雷达。笔者在熟悉激光雷达的基本工作原理的前提下，学习和熟悉各种参数对大气回波能量的影响，进而学习和掌握matlab编程语言，并且根据给定的激光雷达系统参数、大气参数和光学参数，以激光雷达方程为基础，通过仿真模拟得到理想状态下的大气回波信号。但是，在实际测量工作中，由于大气中的各种干扰，我们获得的回波信号并不和理想状态下的大气回波信号一致，因此，在本文的后期工作中，笔者根据已有的大量激光雷达实测信号与模拟信号对比，既能验证仿真模拟结果的准确性，又能应用于激光雷达的性能指标等方面的分析上，具有比较高的实际应用价值。第二章激光雷达的原理第一节激光雷达系统一个标准的激光雷达系统应该包含以下部件：激光器、发射系统、接收系统、光学系统、信号处理系统以及显示系统。它的工作原理图我们可以用下图表示：

机载激光雷达数据处理流程

机载激光雷达数据处理编制：深圳飞马机器人科技有限公司版本号：V0.1 日期：2019-3-22

目录机载激光雷达数据处理 (1) 1.概述 (5) 2.软件准备 (5) 3.数据整理 (6) 3.1.GPS数据 (6) 3.2.LIDAR原始数据 (7) 3.3.影像数据...........................................错误！未定义书签。 3.4.数据整理与存放..............................错误！未定义书签。 4.差分解算 (7) 4.1.GPS数据格式转换 (7) 4.2.影像POS数据处理..........................错误！未定义书签。 4.3.点云轨迹解算 (10) 5.影像数据处理..............................................错误！未定义书签。 6.点云数据预处理 (26) 6.1.新建项目 (26) 6.2.点云解算 (30) 6.3.数据检核 (31) 6.4.特征提取 (33) 6.5.航带平差 (34) 6.6.点云赋色 (35)

6.7.坐标转换 (36) 6.8.点云标准格式（LAS）导出 (38) 7.点云数据后处理 (39) 7.1.数据分块 (39) 7.2.噪声点滤除 (40) 7.3.分类编辑 (41) 7.4.DEM输出 (44) 7.5.EPS采集DLG (45) 7.6.基于点云采集DLG (51) 8.成果精度检查与汇交 (57) 8.1.点云精度检查 (58) 8.2.成果提交（只列出点云成果，不含影像） (58)

点云滤波方法

点云滤波方法-CAL-FENGHAI.-(YICAI)-Company One1

激光雷达点云数据滤波算法综述滤波对象及目的：通过机载激光雷达快速获取高精度三维地理数据，对它所获取的点云数据的滤波过程就是将LIDAR点云数据中的地面点和非地面点分离的过程。滤波方法：对数学形态学的滤波算法、基于坡度的滤波法、基于ＴＩＮ的LIDAR点云过滤算法、基于伪扫描线的滤波算法、基于多分辨率方向预测的LIDAR点云滤波方法。（一）LIDAR数据形态学滤波算法：（1）离散点云腐蚀处理。遍历LIDAR点云数据，以任意一点为中心开ｗ×ｗ大小的窗口，比较窗口内各点的高程，取窗口内最小高程值为腐蚀后的高程（2）离散点膨胀处理。再次遍历LIDAR点云数据，对经过腐蚀后的数据用同样大小的结构窗口做膨胀。即以任意一点为中心开ｗ×ｗ大小的窗口，此时，用腐蚀后的高程值代替原始高程值，比较窗口内各点的高程，取窗口内最大高程值为膨胀后的高程（3）地面点提取。设Z p是p点的原始高程，ｔ为阈值，在每点膨胀操作结束时，对该点是否是地面点作出判断。如果ｐ点膨胀后的高程值和其原始高程值Z p 之差的绝对值小于或等于阈值ｔ，则认为ｐ点为地面点，否则为非地面点该算法有两种滤波方式：一种是按离散点进行滤波，一种是按格网滤波。（1）按离散点滤波：是对每个激光点进行腐蚀和膨胀操作各一次，结构窗口内数据的选取按距离来量度。（2）按格网滤波：指将每个格网看成一个“像素”，按照数字图像处理中取邻域的方法来开取结构窗口。腐蚀时，格网的“像素值”即为ｗ×ｗ邻域所包含格网的最小高程值；膨胀时，格网的“像素值”即为ｗ×ｗ邻域所包含格网的最大高程值。优缺点：总体上，数学形态学算法存在的主要问题是坡度阈值的人工选取和细节地形的方块效应。如果阈值设定太大，可能保留一些低矮的地物目标，设定太小，则可能削平地形特征。现在各种阈值的选取一般根据研究者的经验设定，或者根据地形特征设定的，没有考虑全局的特征因素，不具有普适性。解决这些问题的方法是根据地形的起伏大小和高程变化自适应的进行滤波窗口调整。但此方法在大范围地区及地形变化强烈山区的有效性还有待进一步研究。实际应用：从应用上，Lindenberger将数字形态学方法引人到机载激光雷达数据滤波中，首先采用水平结构单元对机载激光测高数据进行开运算，过滤剖面式激光扫描数据，然后利用自回归过程改善了开运算结果。（二）基于坡度变化的滤波算法滤波基本思想：基于坡度变化的滤波算法是根据地形坡度变化确定最优滤波函数，对于给定的高差值，随着两点间距离的减小，高程值大的激光脚点属于地面点的可能性就越小。

三维激光扫描数据处理操作说明

三维激光扫描数据处理操作说明中国地质大学三峡中心钟成 2015年12月

1. 配置要求扫描要求：密度高，扫描全面，站间重叠度高。系统配置：XP系统，32位，有D盘盘符。软件安装： ILIRS-3D软件包（绿色） polyworks_10_0_3_32bit.exe, chanzhuang.exe和配套库， Geomagic Studio10, TexCapture1.1。 Matlab 10.0 2. 数据预处理 2.1. 数据转换 2.1.1. 数据导入打开ILIRS-3D软件包中Parser 5.0.1.4中Parser.exe，界面如图2.1.1：图2.1.1 点击Add找到笔记本中存储扫描数据的文件夹：

出现以下界面：图2.1.3 工具栏中放大缩小按钮可用于观察扫描范围。 2.1.2. 基本设置然后点击setting对解压过程进行设置，出现如2.1.4界面。

图2.1.4 其中，Outputfile界面，主要设置输出路径和格式。默认路径在保存点云文件夹下，不用改。默认选择PIF格式，24-bit texture，也就是有颜色信息的点云，如果是8-bit scaled 则是点云强度信息。PIF格式是polyworks支持的格式。如果选择XYZ格式，则以ASCII码形式输出，也可以定义是否需要输出颜色信息。该格式可直接被Geomagic打开。图2.1.5 2.1. 3. 颜色设置然后，在最左边列表里选择Color Channel，出现如下界面：

选中，默认的在会出现相应的照片信息，如果没有，则检查存储扫描数据的文件夹里是否有照片文件。在里，默认是没有文件内容的，点击，到“ILIRS-3D”软件包，找到文件“10384 CameraCalParam.txt”即可。 2.1.4. 平移参数设置然后在最左边列表里选择Pan tilt Transform，出现如下界面：

点云数据处理

点云数据处理 ICP点云配准就是我们非常熟悉的点云处理算法之一。实际上点云数据在形状检测和分类、立体视觉、运动恢复结构、多视图重建中都有广泛的使用。点云的存储、压缩、渲染等问题也是研究的热点。随着点云采集设备的普及、双目立体视觉技术、VR和AR的发展，点云数据处理技术正成为最有前景的技术之一。PCL是三维点云数据处理领域必备的工具和基本技能，这篇博客也将粗略介绍。三维点云数据处理方法 1. 点云滤波（数据预处理） 1. 点云滤波（数据预处理）点云滤波，顾名思义，就是滤掉噪声。原始采集的点云数据往往包含大量散列点、孤立点，比如下图为滤波前后的点云效果对比。点云滤波的主要方法有：双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致滤波、VoxelGrid滤波等，这些算法都被封装在了PCL点云库中。 2. 点云关键点我们都知道在二维图像上，有Harris、SIFT、SURF、KAZE这样的关键点提取算法，这种特征点的思想可以推广到三维空间。从技术上来说，关键点的数量相比于原始点云或图像的数据量减小很多，与局部特征描述子结合在一起，组成关键点描述子常用来形成原始数据的表示，而且不失代表性和描述性，从而加快了后续的识别，追踪等对数据的处理了速度，故而，关键点技术成为在2D和3D 信息处理中非常关键的技术。

常见的三维点云关键点提取算法有一下几种：ISS3D、Harris3D、NARF、SIFT3D 这些算法在PCL库中都有实现，其中NARF算法是博主见过用的比较多的。 3. 特征和特征描述如果要对一个三维点云进行描述，光有点云的位置是不够的，常常需要计算一些额外的参数，比如法线方向、曲率、文理特征等等。如同图像的特征一样，我们需要使用类似的方式来描述三维点云的特征。常用的特征描述算法有：法线和曲率计算、特征值分析、PFH、FPFH、3D Shape Context、Spin Image等。 PFH：点特征直方图描述子，FPFH：跨苏点特征直方图描述子，FPFH是PFH的简化形式。这里不提供具体描述了，具体细节去谷歌吧。 4. 点云配准点云配准的概念也可以类比于二维图像中的配准，只不过二维图像配准获取得到的是x，y，alpha，beta等放射变化参数，二三维点云配准可以模拟三维点云的移动和对其，也就是会获得一个旋转矩阵和一个平移向量，通常表达为一个4×3的矩阵，其中3×3是旋转矩阵，1*3是平移向量。严格说来是6个参数，因为旋转矩阵也可以通过罗格里德斯变换转变成1*3的旋转向量。常用的点云配准算法有两种：正太分布变换和著名的ICP点云配准，此外还有许多其它算法，列举如下： ICP：稳健ICP、point to plane ICP、point to line ICP、MBICP、GICP NDT 3D、Multil-Layer NDT

利用激光雷达点云生成城市级三维道路地图

Computer Science and Application 计算机科学与应用, 2019, 9(6), 1169-1182 Published Online June 2019 in Hans. https://www.wendangku.net/doc/e144121.html,/journal/csa https://https://www.wendangku.net/doc/e144121.html,/10.12677/csa.2019.96132 Combine Laser Scan Data with Open Street Map to Produce a Three-Dimensional Road Map Chenjing Ding, Xingqun Zhao School of Biological and Medical Engineering, Southeast University, Nanjing Jiangsu Received: Jun. 7th, 2019; accepted: Jun. 21st, 2019; published: Jun. 28th, 2019 Abstract With the continuous development of computer technology, the method to acquire spatial data has updated rapidly. Three-dimensional digital map attracts so much attention to be developed. Gene-rating a three-dimensional digital map requires a basic map. Because the Open Street Map (OSM) is open-source and free, it has received widespread attention. However, the height information of the road is very sparse in the OSM, and the mean square error is higher than 5 meters, which makes more and more researchers focus on the generation of high-precision three-dimensional maps. Due to the Light Detection and Ranging (LiDAR) point cloud’s high-precision characteristics whose average square error is about 20 cm, it can extend the OSM to generate high-precision 3D maps. This paper studies the method of OSM combined with LiDAR point cloud to generate a three-dimensional digital map. Due to the sampling characteristics of the airborne LiDAR used in the overhead view, the oc-cluded area cannot be sampled. The method proposed in this paper can solve the challenge of occlu-sion. It is composed of 3 main parts: 1) dealing with indoor area; 2) handling with outdoor area; 3) applied Weighted Hough Transform (WHT) for recalculation. The main steps for dealing with indoor area are as follows: 1) The three-dimensional road surface is projected into a two-dimensional line by orthogonal projection. 2) To find a set of road candidate points, the line is fitted by Hough Transform (HT). 3) Random Sampling the Uniform Sample Consensus (RANSAC) combined with the least squares method (LSM) is used to fit the road plane according to the obtained set of candidate points. This pa-per proposes a method for estimating the height of an indoor road using the height of the associated outdoor channel which is added up with different weights according to their projection distance. For the road with abnormal slope, the Weighted Hough Transform (WHT) is used for recalculation. This paper uses the airborne lidar point cloud (root mean square error is about 20 cm) provided by the municipal government of Cologne, Germany, to establish a three-dimensional road map for the city of Aachen. The results show that compared with the Ordering Points to Identify The Clustering Structure (OPTICS) algorithm, PHT successfully predicts 87% of the scenarios, which is greater than the 13% success rate of the OPTICS algorithm. In conclusion, the accuracy of the PHT algorithm is higher. In addition, PHT is more robust to the occlusion problem, change of point cloud density and the interfe-rence of noise points. Keywords 3D Reconstruction, Lidar, Hough Transform, 3D Map