散乱点云数据精配准的粒子群优化算法.docx

第 ３９卷 第 １０期 ２０１４年 １０月 武 汉 大 学 学 报 · 信 息 科 学 版 ＧｅｏｍａｔｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ Ｖｏｌ．３９Ｎｏ．１０ Ｏｃｔ．２０１４ ＤＯＩ：１０．１３２０３／ｊ．ｗｈｕｇｉ文章编号 ：１６７１－８８６０（２０１４）１０－１２１４－０７ 散乱点云数据精配准的粒子群优化算法 韩贤权１，２ 朱 庆１，３ 丁雨淋１，４ 周东波５ １ 武汉大学测绘遥感信息工程国家重点实验室 ，湖 北 武汉 ，４３００７９ ２ 长江科学院工程安全与灾害防治研究所 ，湖 北 武汉 ，４３００１０ ３ 西南交通大学地球科学与环境工程学院 ，四 川 成都 ，６１００３１ ４ 香港中文大学太空与地球信息科学研究所 ，中 国 香港 ，９９９０７７ ５ 华中师范大学国家数字化学习工程技术研究中心 ，湖 北 武汉 ，４３００７９ 摘 要 ：作为点云数据处理的关键步骤 ，点 云数据配准的结果直接影响后续数据处理的精度。 基于人工标 靶 和ＩＣＰ 思想的传统配准方法存在受环境 影 响 、初始条件限制以及特征点提取困难等问题 。 针对传统地面激 光扫描点云数据的高精度配准方法主要依赖人工标靶和特征点选取等局限 ，提出了一种改进的粒子群 优 化 算法 ，以法向量叉积代数和最小作为适应度函数 ，对相邻点云重叠区域内的所有数据进行高效的全局搜索 ，在 选取最佳配准点的基础上实现了散乱点云的精确配准。 通过对多站扫描的高陡边坡岩体点云数据进行整体 配准 ，并 与ＩＣＰ 等经典算法进行对比实验 ，结果验证了本方法 的可行性 、有效性和稳定性 ，可以有效解决配准 过程中标靶或同名特征点不易寻找的问题。 关键词 ：散 乱点云 ；法 向量叉积 ；粒子群优化算法 ；配 准 中图法分类号 ：Ｐ２３７．９ 文献标志码 ：Ａ 三维数据配准技术［１，２］是三 维点云数据处理 的关键步骤，其 配准结果直接影响后续数据处理 和三维测量的精度［３］。配准的关键是寻找相 关点 集的同名点，已有的方法大致可分为两类 ：①使用 人工标靶进行公共点转换 ，根据 前后两个视角观 测的三个以上不共线的公共点进行配准 ；② 无合 作目标的配准，以ＩＣＰ（ｉｔｅｒａｔｉｖｅｃｌｏｓｅｓｔｐｏｉｎｔ）算 法［４］及其改进算法［５－１２］为代表。 当扫描对象较小且利于人工标靶观 测 时 ，方 法①可以减轻后期配准的工作量且精度较高 ，但 当扫描对象较为复杂时 ，外界环境的各种影响（如 扫描仪和标靶架设困难 、激光与 标靶之间有一定 入射角、标靶提取的误差较大等）都会降低此方法 的精度［１３］。特别是在大范 围作业时 （大 型建筑物 或远距离野外场景），除了测站增加带来的扫描过 程繁杂以外，一旦扫描现场的条件较为恶劣 ，扫描 仪和人工标靶的布设将很难满足配准的要求。 方法②以ＩＣＰ 算法为代表，它不需要野外设 立人工标靶，在 一些无法设置人工标靶的测量场 合应用广泛，一 般适用于精度要求较高的扫描任 务以及存在明确对应关系的点集之间的配准 ，但 它对点云之间的相对初始位置要求较高 ，在 点云 初始位置相差过大的情况下 ，往往无法确定其收 敛方向［１４］。此 外，ＩＣＰ 的 改 进 算 法［５－１２］大 多 依 靠 从点云数据中提取的特征点［１５］或 轮廓曲线［１６］等 人为引 入 特 征 标 签［１７］，普遍存在鲁棒性不够稳 定［１０］、速 度 较 慢［６］等 问 题，其 中 基 于 曲 面 模 型 的 改进方法在曲面逼近时需要进行点云分割与曲面 模型辨识，不 能 适 应 点云的任意拓扑外形［１８］；基 于主成分分析变换的方法以数据的统计信息为基 础进行主成分分析变换 ，要求空间数据具有 较大 的相似性，对于对称目标可能会出现混淆的情况 ， 需要在数据变换后进一步判断［１９］。 针对以上问题，如 何在不需要准确选 择 特 征 点的条件下，对 任意形状目标的点云数据实现快 速精确的配准是当前三维激光扫描技术应用中亟 待解决的一个难题。粒子群优化算法［２０］（ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）是 一 种 基 于 群 体 智 能 收稿日期 ：２０１３－１２－１９ 项目来源 ：国家自然科学基金资助 项 目 ４１２０１４１３；中央级公益性科研院所基本科研资助项目 （ＣＫＳＦ２０１３０２２／ ＧＣ）；精密工程与工业测量国家测绘地理信息局重点实验室开放基金资助项目 （ＰＦ２０１３－５）。 第一作者 ：韩 贤权 ，博 士生 ，工 程师。 主要从事空间数据处理与虚拟地理环境研究。Ｅ－ｍａｉｌ：ｈａｎｘｑ＠ｍａｉｌ．ｃｒｓｒｉ．ｃｎ 通讯作者