论文部分内容阅读
三维激光扫描仪(又称“激光雷达”)能够快速、有效地获取空间点的三维坐标,产生场景的离散点云数据。基于激光雷达以及点云数据处理的技术在机器视觉、地形扫描和三维场景重建等领域有着广泛的应用前景。本文重点研究三维点云数据的处理技术,并将其应用于大型粮食仓库的清仓查库工作中,以克服现有的人工丈量方法所面临的低效率、低精度和高成本等问题。本文主要研究成果以及创新工作体现在以下几处：首先,在多站位点云的配准阶段,提出了一种基于二维图像SIFT (Scale-Invariant Feature Transform)算法的三维点云特征提取算法,配合快速点特征直方图(FPFH, Fast Point Feature Histograms)描述子,对点云进行“粗配准”。对只含有点空间坐标值的点云数据,本文利用点云表面的几何特征为点添加一个额外字段,用于特征搜索,使此类点云数据适用于改进的SIFT算法。此外,还对原SIFT算法进行了一定的修改和简化,降低了精度要求,提高了计算速度。在“精配准”阶段,使用了比较成熟的迭代最近点算法(ICP, Iterative Closest Point)。其次,本文改进了点云的可视化及操控方案,直接采用了OpenGL接口函数来编写底层的显示程序。与点云库PCL提供的基于VTK库的点云可视化模块相比,在显示性能上有明显的提高,支持多种格式的点云数据；在平台兼容性方面也优于后者,能更好地与桌面应用程序融合。针对粮仓点云数据,本可视化方案还增设了一些实用的渲染功能,如实现点云按场景高度进行颜色渐变渲染,分割后进行类别渲染等。最后,本文设计和开发了粮仓点云数据综合处理显示软件,设计了完整的流程处理算法,并采用河北清苑粮仓的实测数据进行实验验证。通过该软件处理得到的粮仓体积与经人工丈量所得的数据相差约2%。由于人工丈量是将粮仓当作标准形状计算,所以软件的实际误差应该更小,该软件将可应用于大型粮仓的存储体积计算工作中。