论文部分内容阅读
机载LIDAR系统由于受扫描设备物理特性、扫描环境、系统误差以及集成误差等影响,得到的原始点云往往会受到噪声污染,用海量的原始点云数据直接进行后续算法时计算量很大且效率较低,此外这些噪声点还可能会导致计算偏差,因此有必要对海量的点云数据进行滤波、去噪优化、去除冗余点及精简处理,从而实现快速高效的从中获取有价值的信息,提升计算机后续算法的处理效率及效果、降低内存需求等,滤波处理作为点云处理的第一步,对后续处理至关重要。此外由于安装角误差对最终成图精度影响很大,因此有必要对LIDAR系统的安装角误差进行校检。最后由于小型无人机飞行高度较低且激光仪扫描角不可设置过大等因素,每次单航道连续飞行采集的地形点云图幅宽较小,因此有必要采用合理高效的点云拼接算法将两幅具有重叠区域的点云拼接成一副更大的点云。综上所述本文研究的机载LIDAR系统点云处理算法对于实验室自主研发的无人机LIDAR系统扫描获取高精度地形点云图具有重大的实际意义。本文设计与实现了一套高精度、高可靠性的机载LIDAR扫描系统,并对LIDAR点云处理算法进行研究,从而实现LIDAR点云的滤波、拼接及校检等各种处理功能,使得机载LIDAR系统具备完成相应任务的能力。本文主要研究内容如下:(1)根据课题需求完成各硬件传感器的选型调试以及基于树莓派CM3的联调,搭建集合各传感器的激光LIDAR硬件系统;并完成LIDAR系统软件程序的设计,包括嵌入式Linux采集程序、ROS点云恢复程序以及地面站后处理程序等。(2)对机载LIDAR系统进行误差分析并基于相反航带同名点误差模型对系统安装角、偏心距误差进行校检以及利用线性插值对系统同步误差进行校检等从而大幅提高点云图的精度。(3)提出一种新的基于法向量的点云平滑光顺滤波方法,可以对点云进行平滑光顺处理;并研究及实现了曲率滤波、双边滤波以及其他常用滤波算法等,可以对海量的点云数据进行滤波、去噪优化、去除冗余点及精简等处理。(4)研究及实现了LIDAR点云拼接算法,并针对本系统实际情况对经典ICP算法进行改进从而大幅提高了算法的效率和效果。(5)基于QT+Open GL设计并实现了一套机载LIDAR系统的地面站软件用来对LIDAR点云进行各种处理操作;并设计实验通过实地飞行采集数据获得实验结果验证了上述点云处理算法的有效性。本文所设计的机载LIDAR系统在实际项目中得到应用,其测量精度符合项目需求,误差在10cm范围内。