一种抗差扫描点云数据的改进ransac算法.docxVIP

一种抗差扫描点云数据的改进ransac算法 1 点云数据分割与拟合计算 为了对点云数据进行分段和调整，本文从城市景观点云数据中提取了一个平面信息。从点云数据中提取平面片的算法可分为基于高级特性的算法与基于扫描点聚类的算法两大类。本文提出的算法属于第一类。该类算法的特点是首先对扫描线进行处理,提取其中的拟合“曲线元”,然后以这些“曲线元”为基础,进行后续的点云分割与曲面拟合计算。 一般而言,基于高级特性的点云数据分割与拟合算法首先将三维扫描线数据二维化,然后在平面上进行“曲线元”提取。所有扫描线中的“曲线元”提取完成后,再将它们反投影到三维空间,进行下一步的曲面拟合与生长计算。该类算法通过二维化扫描线数据的方法简化了扫描线处理算法,通过利用提取出来的“曲线元”而不是所有的扫描点进行曲面拟合与生长计算的方法,提高了计算效率。 城市景观点云数据是本文的主要研究对象,故点云中的目标对象以建筑物为主。由于建筑物最主要的构成部分是以平面为主的墙面,所以研究方向为点云数据中平面片的提取。 经典的最小二乘不适合处理含有大量粗差的观测数据,而点云数据的分割与拟合计算需要处理的数据中含有大量的粗差观测值。因此,研究人员针对这一情况开发出了很多行之有效的稳健估计(抗差估计)算法。本文充分利用扫描线数据自身固有的特点,提出一种改进的RANSAC算法。 2 要从扫描线中提取直线段的必要性，以及扫描线的二维