论文部分内容阅读
车载LiDAR系统集高精度GNSS/IMU组合导航定位系统(POS)、激光扫描仪、相机系统等多种传感器为一体,可安全、高效地获取三维点云数据。车载LiDAR技术作为一种先进的地理空间信息获取和更新技术,可应用在道路交通领域,如道路信息调查和高精度智能驾驶三维地图生产。车载LiDAR点云精度、完整性等质量直接影响目标提取、识别及后续应用。如果扫描仪在数据获取之前已进行了标定,点云的误差主要由POS位姿误差引起。因GNSS信号遮挡或多路径效应等产生误差,POS位姿误差不可避免。利用多条带点云重叠进行POS位姿约束和优化,从而提高点云的相对精度,这一方法称为条带平差。为提高绝对精度,需利用地面控制点进行平差,即地面控制平差。平差是对位姿作优化,需研究如何建立位姿模型,即观测方程和相邻位姿关系。为了修补因遮挡或视场角限制引起的局部地物不完整,利用地面LiDAR点云作为补充,需要研究利用点云配准完成地面LiDAR和车载LiDAR点云之间基准统一。将配准用于车载LiDAR条带点云局部区域的配准可获得同名对应(Correspondences),从而建立条带平差的约束。为提高车载LiDAR点云精度、改善点云完整性,论文研究了点云配准、位姿模型建立、条带平差和地面控制平差等问题:1.研究了基于遗传算法(GA)的点云自动配准:传统自动配准先采用基于特征的匹配进行粗配准,再采用ICP完成精配准。基于GA的配准不依赖初始转换参数,可一步完成配准,适用性更强。但已有GA配准精度和效率较低,需要作改进。改进方法以扫描仪内置GPS获得的粗略位置作为先验信息确定优化搜索空间,并使用提出的归一化匹配分数之和(Normalized Sum of Matching Scores,NSMS)最大配准模型。地面与车载LiDAR配准的距离均方根误差(Root Mean Squared Errors,RMSE)达到5cm。GA配准还可用于地面与地面、车载与车载等点云配准。2.建立了误差时变拟合的位姿模型:根据车载LiDAR几何定位模型分析点云的误差来源及影响,构造位姿观测方程;再以时间为自变量的三次样条函数拟合位姿误差,以同名对应距离平方和最小为优化目标估计模型未知参数。该模型简称为时变位姿模型,假设条件是在短时间段内,位姿误差相对很小,被视作连续变化。3.研究了自动条带平差方法:方法分点云预处理,同名对应估计和时变位姿模型求解3个步骤实现。点云预处理是为同名对应估计作准备,并减小点数量,剔除对同名对应估计贡献小的点,从而提高效率。根据条带重叠特征,提出了两层次配准策略获得同名对应。同名对应的距离RMSE是衡量精度的指标。如果具有足够重叠地物,平差后相对精度达到3-5cm。4.研究了稀疏地面控制平差方法:针对单个条带提出了仅利用控制点进行平差的方法;针对具有重叠的多条带点云,提出附加地面控制的条带平差。平差后点云的绝对精度得到提高,精度约为7cm,所布设的控制点应满足:仅地面控制平差的平均间距约50m;附加地面控制的条带平差的平均间距约100m。点云数据是在慢速行驶(20～40km/h)条件下采集的,在高速行驶下,可适当增大控制点间距。