(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210964551.4 (22)申请日 2022.08.12 (71)申请人 杭州华方测绘有限公司 地址 310000 浙江省杭州市余杭区星桥 街 道星桥北路171号创业楼318室 (72)发明人 马淑芳　刘元庆　曹珂　陈黎　 (74)专利代理 机构 安徽智联芯知识产权代理事 务所(普通 合伙) 34237 专利代理师 田琴琴 (51)Int.Cl. G06T 3/40(2006.01) G06T 7/33(2017.01) G06T 17/00(2006.01) (54)发明名称 一种基于多站激光点云数据全自动高精度 拼接方法 (57)摘要 本发明涉及数据拼接方法领域， 具体为一种 基于多站激光点云数据全自动高精度拼接方法， 其包括以下步骤： S1、 各站激光点 云数据处理， 得 到各站点云数据图像； S2、 各站点云数据的粗配 准， 根据重叠或比例缩放部分进行快速粗配准， 得到大致的点云配准矩阵； S3、 各站点云数据的 精配准， 利用已知的初始点云配准矩阵， 通过迭 代最近点算法计算得到较为精确的解； S4、 依次 将多站点云数据完成拼接， 得到三维模型。 本发 明在保证了高精度的点云拼接的基础上， 通过提 高点云数据的处理效率提高了整个拼接过程的 效率。 权利要求书1页 说明书3页 附图2页 CN 115272081 A 2022.11.01 CN 115272081 A 1.一种基于多站激光 点云数据全自动高精度拼接方法， 其特 征在于， 包括以下步骤： S1、 各站激光点云数据处理， 得到各站点云数据图像， 进一步包括以下步骤： S11、 随机 选取中心点， 中心点特征为中心 点坐标信息； S12、 找邻居点， 邻居点原有 特征为邻居点坐标 信息； S13、 对邻居点进行相 对位置编码， 相 对位置特征包括中心点坐标、 邻居点坐标、 坐标 差和中心点到邻居点的距离； S14、 邻居点特征增强， 将邻居点的原有特征和相对位置特征 拼接起来， 得到邻居点最终特征； S15、 以邻居点为新的中心点， 更新其他邻居点的最终特 征； S2、 各站点云数据的粗配准， 根据重叠或比例缩放部分进行快速粗配准， 得到大致的点 云配准矩阵； S3、 各站点云数据的精配准， 利用已知的初始点云配准矩阵， 通过迭代最近点算法计算 得到较为精确的解； S4、 依次将多站点云数据完成拼接， 得到三维模型。 2.根据权利要求1所述的基于多站激光点云数据全自动高精度拼接方法， 其特征在于， S15中， 已经 更新过的点 排除在外， 不重复计算。 3.根据权利要求1所述的基于多站激光点云数据全自动高精度拼接方法， 其特征在于， S2中， 粗配准利用各站坐标点的相对位置特 征的比对和线性关系 判断。 4.根据权利要求1所述的基于多站激光点云数据全自动高精度拼接方法， 其特征在于， S2中， 粗配准 算法包括基于局部特 征描述的方法， 基于全局搜索策略和统计学概 率方法。 5.根据权利要求4所述的基于多站激光点云数据全自动高精度拼接方法， 其特征在于， 基于局部特征描述的方法是通过提取源点云与目标点云的邻域几何特征， 通过几何特征快 速确定二 者之间的点对的对应关系， 再计算此关系进 而获得变换矩阵。 6.根据权利要求4所述的基于多站激光点云数据全自动高精度拼接方法， 其特征在于， 基于全局搜索策略采用的算法是采样一致性算法， 在源点云与目标点云之 间随机选取几何 特征一致的点组成点对， 通过计算对应点对的变换关系， 得到最优解。 7.根据权利要求4所述的基于多站激光点云数据全自动高精度拼接方法， 其特征在于， 统计学概率方法采用的是正态分布算法， 根据点云正态分布情况， 确定对应点对从而计算 源点云与目标点云之间的变换关系。 8.根据权利要求1所述的基于多站激光点云数据全自动高精度拼接方法， 其特征在于， S2中， 多站点云数据粗配准包括平 移、 二维旋转、 三维旋转和缩放。权　利　要　求　书 1/1 页 2 CN 115272081 A 2一种基于多站激光点 云数据全自动高精度拼 接方法 技术领域 [0001]本发明涉及数据拼接方法领域， 尤其涉及 一种基于多站激光点云数据全自动高精 度拼接方法。 背景技术 [0002]激光扫描仪获得扫描对象完整的点云数据信息需要经过多站扫描， 而每站扫描获 得的点云数据只能覆盖扫描对 象的部分区域， 且每站点云数据坐标系都相对独立， 只有经 过拼接才能将多站扫描转换到统一的坐标系统中， 进而得到扫描对 象完整的点云数据。 将 不同视点和坐标系统中的点云数据统一到固定坐标系统的过程叫做点云数据拼接， 点云数 据多站拼接是点云数据 处理的基础和关键。 点云数据拼接一般耗时较长， 为了提高点云数 据拼接效率， 出现了多种简化拼接方法， 但牺牲了拼接的精度， 如何在保证高精度的同时提 高效率就成了需要解决的问题。 [0003]授权公告号为CN111540063A的中国专利公开了一种基于多站激光点云数据全自 动高精度拼接方法， 该方法包括以下步骤： S1、 运用点云数据的衍生信息通过三次样条插值 生成二维影像， 采用基于图形处理器GPU的加速尺度不变特征SIFT变换算子匹配得到二维 同名特征点， 剔除粗差； S2、 运用反算获得特征点在三维点云中的坐标， 并通过三维空间法 向量对三维同名特征点进行精炼， 运用精炼的三维特征点进行多站点云数据拼接， 主要针 对目前多站点云数据拼接存在的效率低和自动化 程度低等问题。 [0004]但是上述已公开方案存在如下不足之处： 能较好的适用与特征明显、 重叠率高的 点云数据拼接， 但对于特 征不明显、 重 叠率小、 扫描距离较 远的点云数据拼接难以适用。 发明内容 [0005]本发明目的是针对背景技术中存在的问题， 提出一种保证高精度的同时提高拼接 效率的基于多站激光 点云数据全自动高精度拼接方法。 [0006]本发明的技术方案： 一种基于多站激光点云数据全自动高精度拼接方法， 包括以 下步骤： [0007]S1、 各站激光点云数据处理， 得到各站点云数据图像， 进一步包括以下步骤： S11、 随机选取中心点， 中心 点特征为中心 点坐标信息； S12、 找邻居点， 邻居点原有 特征为邻居点 坐标信息； S13、 对邻居点进行相 对位置编码， 相 对位置特征包括中心点坐标、 邻居点坐标、 坐标差和中心点到邻居点的距离； S14、 邻居点特征增强， 将邻居点的原有特征和相 对位置 特征拼接起来， 得到邻居点最终特征； S15、 以邻居点为新的中心 点， 更新其他邻居点的最 终 特征； [0008]S2、 各站点云数据的粗配准， 根据重叠或比例缩放部分进行快速粗配准， 得到大致 的点云配准矩阵； [0009]S3、 各站点云数据的精配准， 利用已知的初始点云配准矩阵， 通过迭代最近点算法 计算得到较为精确的解；说　明　书 1/3 页 3 CN 115272081 A 3