阅读量：

646

作者：

李莹

展开

摘要：

室内环境的三维模型在智慧城市,室内导航定位,应急响应等领域应用广泛,能够为基于位置的服务与复杂空间分析提供重要技术支撑.研究快速,高效的室内三维模型构建方法具有重要意义.本文利用移动三维激光扫描设备基于室内同步定位制图(Simultaneous Localization and Mapping,SLAM)技术获取的室内点云数据,研究改进了基于统计分析(Statistical Outlier Removal,SOR)与移动最小二乘(Moving Least Square,MLS)的点云去噪平滑方法,基于区域增长的室内平面分割算法及边界提取方法,建立了室内场景下三维线框模型的构建方法.论文主要研究内容如下:(1)基于LOAM(Lidar Odometry And Mapping,LOAM)的3D激光点云制图研究.传统常用的点云配准方法大多存在初始位置要求高,技术方法复杂等问题,本文将SLAM技术引入到室内三维场景点云的制图中.论文分析了LOAM算法的基本原理,采用该算法完成了室内3D点云的配准,对配准后点云数据的精度进行了评价.通过将实测结果与实验结果对比的方法对配准结果进行分析,实验结果表明,LOAM算法能够较好的实现点云的制图,获得较高质量的三维点云数据.(2)基于SOR与MLS的点云去噪平滑研究.针对SLAM点云数据中存在的离群点噪声和"双壁"伪像等问题,对比研究了SOR算法和MLS算法的基本原理,采用SOR算法与MLS算法相结合的方法对SLAM点云进行去噪与平滑.首先采用基于SOR的方法设置邻域点数量(k)和标准差倍数(n),去除点云中误差较大的离群噪声点,通过实验优选k,n组合取值,得出k=30,n=2时去噪效果较好;然后采用基于MLS的算法进行点云平滑,进一步去除点云数据中较小的不规则噪声,并对点云进行平滑.实验结果表明,该方法能有效去除点云噪声,降低点云厚度.(3)室内环境三维线框模型的重建.基于区域增长算法进行SLAM点云面片分割,将分割后点云分类为顶面,地面,墙壁,门窗等,确定墙面,门窗等边界点,并对提取的边界点进行直线拟合等处理.同时,对分割后墙体面片点云进行平面拟合,通过拟合平面的关系确定墙体公共交点与交线,最终构建室内场景的三维线框模型.通过与实际测量模型对比分析,提取线框模型的中误差为0.015m.该线框模型通过进一步的人工编辑处理,可在一定程度上满足多种应用场景的需求.

展开