多源数据融合的三维建模技术研究.pdf
《多源数据融合的三维建模技术研究.pdf》由会员分享,可在线阅读,更多相关《多源数据融合的三维建模技术研究.pdf(10页珍藏版)》请在咨信网上搜索。
1、第 32 卷第 3 期淮阴工学院学报Vol.32 No.32023年 6 月Journal of Huaiyin Institute of TechnologyJun.2023“数字城市”与“智慧城市”的建设,增加了社会对三维空间信息的需求,三维模型构建越来越多源数据融合的三维建模技术研究杜世立1,付贵2,陶嘉2,樊亚3,郑远杨4(1.贵阳市城市管理信息中心,贵阳 551400;2.贵州建设职业技术学院,贵阳 551400;3.中国建筑材料工业地质勘查中心贵州总队,贵阳 551400;4.安徽理工大学 空间信息与测绘工程学院,安徽 淮南 232001)摘要:针对单一点云数据在建模中出现的建筑物
2、扭曲、空洞、粘连等问题,提出一种多源数据融合技术进行三维重建的方法。将地面扫描仪和无人机贴近摄影测量技术相结合,首先,对多源数据进行预处理,包括扫描仪点云数据拼接、去噪,利用Context Capture软件处理影像数据;其次,对点云进行内部形态描述子(Intrinsic Shape Signatures,ISS)算法关键点提取,并对提取的关键点进行点的快速特征描述子(Fast Point Feature Histogram,FPFH),利用采样一致性(Sample Consensus Initial Alignment,SAC-IA)算法完成初始配准,接着利用双向KD-tree改进的迭代最近
3、点(Iterative Closest Point,ICP)算法实现最佳配准融合,实现建筑物三维重建。实验结果表明,本文算法在实测数据精度上提高了56%,配准耗时上提高了97%。关键词:激光点云;影像数据;特征提取;多源数据融合;三维重建中国分类号:TU198文献标志码:A文章编号:1009-7961(2023)03-0078-103D Modeling Technology of Multi-source Data FusionDU Shili1,FU Gui2,TAO Jia2,FAN Ya3,ZHENG Yuanyang4(1.Guiyang City Management Inform
4、ation Center,Guiyang 551400,China;2.Guizhou Polytechnic ofConstruction,Guiyang 551400,China;3.China Building Materials Industry Geologic Exploration CenterGuizhou Groups,Guiyang 551400,China;4.School of Geomatics,Anhui University of Science andTechnology,Huainan Anhui 232001,China)Abstract:Aiming at
5、 the problems of building distortions,voids,and adhesions that appear in the modeling of single point cloud data,a method of multi-source data fusion technology for 3D reconstructionis proposed.Combine the ground scanner and drone close to photogrammetry technology.First,preprocess the multi-source
6、data,including scanner point cloud data splicing and denoising,and use ContextCapture software to process image data;secondly,perform point cloud data processing.The key pointsof the Intrinsic Shape Signatures(ISS)algorithm are extracted,and Fast Point Feature Histogram(FPFH)is performed on the extr
7、acted key points,and the sampling consistency(Sample Consensus InitialAlignment,SAC-IA)algorithm completes the initial registration,and then uses the two-way KD-treeimproved Iterative Closest Point(ICP)algorithm to achieve the best registration fusion,and realize thethree-dimensional reconstruction
8、of the building.The experimental results show that the algorithm inthis paper improves the accuracy of the measured data by 56%and the time-consuming for registration by 97%.Key words:laser point cloud;image data;feature extraction;multi-source data fusion;three-dimensional reconstruction收稿日期:2022-0
9、4-24基金项目:矿山环境与灾害空天地协同监测煤炭行业工程研究中心开放基金项目(KSXTJC202004)作者简介:杜世立(1988-),男,贵州贵阳人,工程师,本科,主要从事三维建模技术研究。第 3 期受到人们的关注。一般三维重建技术包括二维图像结合几何造型技术、激光雷达技术、近景摄影测量技术和无人机倾斜摄影测量技术1-4。基于单一数据源的三维模型构建存在一定的局限性,采用地面三维激光扫描技术对建筑物进行三维重建,由于扫描仪自身扫描角度问题,导致建筑物顶部点云数据无法获得,产生数据空洞,使得后期进行模型重建时,整体模型顶部空缺,建模效果欠佳5;采用无人机倾斜摄影测量技术对建筑物三维重建时,由
10、于无人机镜头无法获取建筑物房檐底部数据,导致数据缺失,建出的模型效果失真6。而采用地面扫描仪和无人机倾斜摄影测量技术可以解决此类问题。在多数大型三维重建工作中采用空地结合技术进行建模,可以解决许多因遮挡导致数据缺失问题。顾斌7将影像数据与激光点云进行融合,通过查找影像一定数量的同名点,并将查找的影像对应点与激光扫描对应点进行配准,从而找到两种异源数据的连接关系,但对于同名特征点匹配需进行人工目视选择,存在一定的选点误差。崔水军8提出一种基于法向量特征匹配的方法进行点云配准,实现点云之间的自动配准,获取的激光点云存在漏洞,而影像数据可以弥补缺失的部分,以点云模型为基础,利用不同尺度间的点集数据配
11、准办法,将二者完美融合,最后经软件构建出三维模型。文献9-11也是以激光扫描数据和无人机测量数据构建三维模型。综上所述,利用多源数据进行模型构建比单一方法较好,可解决单体化建模的弊端,但在多数据源配准融合研究中还有许多待改进的地方,对于融合效率以及模型精度方面有所欠缺,配准融合耗时较长,模型精度未进行检核等。因此,本文采用三维重建技术建模,通过地面三维激光扫描仪获取建筑物立面点云数据,通过无人机倾斜摄影测量技术获取顶部影像数据,将二者数据进行融合处理,获取建筑物的三维模型。1技术路线利用激光点云和无人机影像数据融合构建三维模型,将目标物用站地式扫描仪进行多站扫描,利用多站点云拼接建筑物的整体轮
12、廓;无人机影像数据获取可通过设定航线或手动环绕式飞行,获取的影像数据利用Context Capture软件生成点云数据。两种不同的点云数据进行融合,首先将点云数据过滤噪声,采用统计滤波(Statistical Outlier Removal,SOR)方法;接着进行点云数据融合,即点云数据的初配准和精配准,分别采用改进SAC-IA粗配准算法和改进ICP算法的精配准;融合点云导入Geomagic studio软件进行建模并进行此方法的可行性分析。其技术路线如图1所示。图1点云融合三维模型构建技术路线2多源数据融合技术数据融合一般包括原始数据的预处理、预处理数据后的坐标系统的统一以及数据源的整体融合
13、。多源数据融合一般通过算法进行,即数据的粗配准和数据的精配准12。2.1点云数据粗配准多源数据进行精配准前,首先对数据进行粗配准。扫描仪数据和无人机数据是以各自站点为原点进行观测的,因此在二者数据生成点云数据后,利用采样一致性算法进行二者点云数据的初始配准。2.1.1ISS关键点提取关键点提取方法包括ISS、SIFT以及Harris,本文采用ISS算法进行关键点提取,其算法原理可参见文献13,设下采样后的点云为P1和Q1,其具体流程如下:1)对任一点云中的每个点pi设定一个搜索半径r。2)计算点云中每个点pi在设定的半径r内所有杜世立,付贵,陶嘉,等:多源数据融合的三维建模技术研究79淮阴工学
14、院学报2023 年点的欧氏距离,并解算出权值ij。1,ijijijpprpp=(1)3)计算每个点pi与半径内临近点的协方差矩阵cov(pi)。()()cov()ijijTijijijppriijpprppppp(6)式中,D(ei)表示第i组对应的最小误差,ei表示变换后第i组对应点之间的误差,te为设定的误差阈值。2.2基于改进ICP算法的精配准融合建模一般将多源点云数据利用配准算法匹配起来,并在点云编辑过程中将多源点云数据质量差的部分进行剔除。通过站地式扫描仪获取的点云数据中含有空洞,在建模过程中,这部分空洞无法构建出建筑物的三维模型,因此融合无人机点云数据可以弥补这一问题,得到完整的模
15、型。经粗配准过后,为提高点云的配准精度,一般对其进行精配准。点云模型重建技术最重要的部分是点云数据精确配准,目前主流的点云数据融合配准是迭代最近点算法(Iterative Cloest Point,ICP)14。ICP算法的基本原理是:已知二个待配准点云P和Q,按照欧氏距离的原则,从点云P中一点pi到点云Q中查找最临近一点qi即找到最邻近点(pi,qi),然后计算出最优匹配参数R和t,使得误差函数最小。误差函数为E(R,t)为:()211(,)niiiE R tqRptn=+(7)式中,R为旋转变换矩阵,t为平移变换矩阵。经过不断迭代运算,将误差不断缩小,最终得到最优化解,使得多源数据完美重合
16、。本文采用改进ICP算法进行点云的精配准,其改进部分为利用双向kd-tree方法加速点云的配准,具体步骤为:1)根据点云P、Q构建其kd-tree;2)在Q内搜索pi的最近点qi;3)若在P内搜索qi的最近点为pi,则说明pi和qi为一对具有一一对应关系的最近点;4)若步骤3)没有搜索成功,则继续搜寻下一点qi+1在Q内的最近点;5)重复 3)、4)步骤,直到搜索完 P 中所有点云。2.3算法实验分析2.3.1关键点提取为验证本文关键点算法的有效性,采用PCL库开放数据集进行实验对比,同时利用实测数据进行分析。实验所用数据集为 bunny、dragon 和nan,其中数据nan为实测数据,结合
17、本文算法以及SIFT 和 Harris 算法进行特征点提取比较,如图 5所示。杜世立,付贵,陶嘉,等:多源数据融合的三维建模技术研究81淮阴工学院学报2023 年(a)bun原始点云(b)本文算法(c)SIFT算法(d)Harris算法(a)dargon原始点云(b)本文算法(c)SIFT算法(d)Harris算法(a)nan原始点云(b)本文算法(c)SIFT算法(d)Harris算法图5不同算法提取的点云特征点由图5特征点提取可知,基于本文算法提取的特征点轮廓较为清楚,而采用SIFT算法和Harris算法提取的特征点轮廓模糊,存在多个混乱特征点云。SIFT算法提取的特征点误将平面点当做特征
18、点,Harris算法提取的特征点缺失,无法完整提取特征点轮廓线,这会导致后期点云的匹配效率。2.3.2基于点云数据的配准分析为了验证本文算法的有效性,利用斯坦福大学的公开数据集进行仿真实验,并结合文献15进行对比,来验证本文算法。依据算法计算的结果如图6所示,其精度分析见表1和表2。(a)bun原始位置(b)文献15算法(c)本文算法(a)dragon原始位置(b)文献15算法(c)本文算法(a)nan原始位置(b)文献15算法(c)本文算法图6实验数据算法结果从图6可知,本文算法和文献15的算法在仿真实验数据差异较小,但在实测数据上差异明显。实测数据nan上可以明显观察出文献15算法出现较大
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 融合 三维 建模 技术研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。