论文部分内容阅读
三维激光扫描仪在采集点云数据时,由于自身或周围环境的遮挡会造成点云数据的不完整,即点云数据存在孔洞。不完整的点云数据会影响三维模型的重建,所以研究修补点云孔洞的方法是很有必要的。本文引入摄影测量技术,采集点云孔洞位置周围的实体影像数据,通过运动恢复结构算法(SFM)和基于面片模型的密集匹配(PMVS)将影像数据解算成原始影像点云数据,经过两种点云数据的配准,重叠区域原始影像点云数据的删除和影像点云数据的最优密度选择完成两种数据之间的融合,从而完成点云数据的孔洞修补,并进行精度分析。论文的主要研究成果如下:(1)影像数据解算时,详细介绍了SFM和PMVS方法。利用SFM通过在图像中进行特征点的提取与匹配、张正友相机标定法进行内参数矩阵的标定、相机姿态的计算,最后利用三角测量法生成稀疏的三维点云数据。利用PMVS对图像进行匹配、扩散和过滤生成密集点云。(2)为了提高两种点云数据的配准精度,本文利用七参数算法中的Bursa模型完成两种点云数据的精配准,重点介绍重心化的Bursa模型,尺度初始值的选取方法。实验结果表明,这种方法能有效的完成两种数据的精确配准。(3)为了减少重叠区域的点云数据,本文利用k-邻近算法在两片点云中寻找对应点对,利用对应点对之间的距离完成点云是否位于重叠区域的筛选工作。实验结果表明,这种方法能有效的筛选位于重叠区域的原始影像点云数据,进而删除原始影像点云数据中位于重叠区域的点云数据。(4)鉴于影像数据的精度低于点云数据,通过断面法比较出影像点云数据的最优密度。首先研究了点云数据密度的计算方法,并介绍了点云数据精简和点云数据插值的多种方法。其次采用了最小距离法精简影像点云数据,采用最近邻点插值法对影像点云数据进行插值,得到多种密度的影像点云数据。通过断面法比较得出最优密度。实验结果表明,综合点云数量的考虑,选用最优影像点云数据是对应待修补点云数据的1.2倍。(5)为了检验利用影像数据修补点云数据方法的可行性,本文采用表面积反和偏差法进行精度分析。实验结果表明,表面积法得到的面积比均小于0.5%,偏差法得到的偏差最大为0.0036m,最小为0.0015m。