地面三維激光掃描配準技術綜述

劉忠喜 陳 凱

(1.福州消防支隊特勤三中隊，福建福州 350000;2.福建省福州市公安消防支隊，福建福州 350000)

1 概述

三維激光掃描技術又稱為“實景復制技術”，它的出現是測量領域繼GPS技術之后的又一項測繪新技術，并且已經成為獲取空間信息數據的重要技術手段[1]。

三維激光掃描技術，可以精確、方便、快捷的獲取物體表面的點數據。在各種大型的、大面積的、復雜的實體測量過程中，通過三維激光掃描技術可以快速、精確地將實體表面的點掃描到掃描儀中，并將這些三維數據完整的存儲到電腦中，繼而再經過去噪、配準、重采樣、特征提取、三維重構等操作，完成掃描實物的虛擬影像。

具備上述諸多優點，該技術在城市三維建模、文物保護、逆向工程、地形測量、建筑物變形監測、竣工測量等諸多領域具有很好的潛在應用價值。

隨著相關軟硬件技術的發展，特別是激光掃描數據后處理軟件系統的開發完善，該技術在可預見的將來將很有可能像全站儀和GPS一樣在測繪領域不可或缺。

目前地面激光三維掃描儀在發達國家已經形成了產業和規模，生產儀器的廠家也越來越多，儀器軟硬件性能也不斷的更新。如美國Trimble公司生產的 GS200、奧地利Riegl生產的LMS系列、加拿大Optech公司生產的ILRIS-3D、瑞士Leica公司的HDS系列、Station Scan以及美國Faro公司的Faro系列等等。這些掃描儀的出現，滿足了目前對于不同距離和不同精度掃描的需要。

2 地面三維激光掃描儀技術原理

2.1 地面三維激光掃描儀組成

地面三維激光掃描儀是一種集多種高新技術的新型測繪儀器。它采用非接觸式高速激光測量的方式，在復雜的現場和空間對被測物體進行快速掃描測量，直接獲得激光點所接觸的物體表面的三維坐標、色彩信息和反射強度信息[2]。地面三維掃描儀掃描的數據結果是由一個個離散的點組成的，因而被稱之為“點云數據”。

地面三維激光掃描儀系統主要由三部分組成，分別是掃描儀、控制器(計算機)和電源供應系統，如圖1所示。

激光掃描儀本身主要包括激光測距系統和激光掃描系統，同時也集成了CCD和儀器內部控制和校正等系統。在儀器內，通過一個測量水平角的反射鏡和一個測量天頂距的反射鏡同步、快速而有序地旋轉，將激光脈沖發射體發出的窄束激光脈沖依次掃描過被測區域，測距模塊測量和測量每個脈沖激光的水平角和天頂距，最后按空間極坐標原理計算出掃描的激光點在被測物體上的三維坐標。

圖1 地面三維激光掃描示意圖

2.2 地面三維激光掃描儀工作原理

地面三維激光掃描儀內部坐標系統(見圖2):X軸在橫向掃描面內，Y軸在橫向掃描面內并且與X軸垂直，Z軸與橫向掃描面垂直，構成右手坐標系。由圖2中邊角關系可以得到掃描點的坐標公式[3]:

圖2 地面三維激光掃描儀內部坐標系統

原始觀測數據經過計算機處理后，最終以點的三維坐標和附加信息的形式輸出。每個點的信息包括:點的三維坐標即(x，y，z)，點云的顏色信息即(R，G，B)，有些還有亮度等信息。

2.3 當前幾種主流的地面三維掃描儀

目前市場上有多種類型的儀器，盡管生產廠家及型號不同，但是儀器的基本組成部分及實現功能相似。下面是目前部分地面三維激光掃描儀及其主要的技術參數，見表1。

3 地面三維激光掃描配準技術

從三維激光掃描技術興起以來，在點云配準方面逐漸積累了大量的研究工作，目前點云配準的方法概括起來可以為以下三種:

第一種方法使用固定球等標靶進行公共點轉換，根據前后兩個視角觀測的三個或者三個以上的不共線的公共點進行配準。第二種方法是無合作目標配準，該理論以Besl和McKay提出的最近迭代算法(ICP算法)為基礎。第三種方法是測量設備絕對定位使用外部測量儀器獲得激光掃描儀在一個統一的外部坐標系下的中心坐標和軸向，直接給出不同測站間的坐標轉換參數。

表1 部分地面三維激光掃描儀及其主要的技術參數

這三種方法都有各自的適用范圍，筆者認為第一種方法適合掃描對象較小時，可以方便的對掃描對象進行建模，而保持比較高的相對配準精度，但是在大范圍內作業則會累積拼接誤差，造成最終精度不理想。第二種方法多用在點云的二次配準中，適應精度要求較高的掃描任務，但是存在容易誤配導致最終配準精度，且點云數據量大的情況下計算量十分巨大，對計算機硬件要求也較高。第三種方法應用在大型掃描對象的掃描作業中，該方法可以消除點云配準的積累誤差的影響，同濟大學程效軍教授課題組對此種方法進行了深入研究，并摸索出一套切實可行的作業方法[4-6]。

在無合作目標配準理論方面，1992年Besl和McKay提出了經典的ICP(Iterative Closest Point)算法，它以四元數配準算法為基礎，運用Faugera和Hebert提出的方法計算新的最近點集，通過迭代計算，直到殘差平方和所構成的目標函數值不變[7]。該算法奠定了無合作目標的點云數據配準的基礎，但是傳統的ICP算法有兩點不足:

1)配準點集中的一個必須是另一個的子集;

2)使用一個點集的所有點進行點對搜索，尋找同名點對耗時長，效率低，甚至還會引進錯誤的點對。

針對傳統ICP算法存在的不足，很多學者提出了相應的改進ICP算法，如Chen和Medioni等人提出點到面搜索的精確配準方法[8]，Turk和Levoy提出一種基于重疊區域三角面片的改進的ICP算法[9]。Ristic M和Brujic D在文獻[10]中提出將測量數據點和參考曲面之間最短距離計算簡化為測量數據點和三角網格頂點之間的距離計算。文獻[11]作者Yonghuai Liu則提出深入挖掘對應條件中的約束條件，并將約束條件總結為三種約束條件，并且通過這種方法提高對應點對的正確率，從而提高點云匹配精度的思想。羅先波等在文獻中提出一種點對點的配準算法，通過求點到三角面片最近距離的方法，提高點的一一對應性，來提高配準精度[12]。

這些算法大體上可以分為兩類:

一類是在傳統的點到點算法基礎上附加各種約束條件以過濾錯誤點對。如使用距離約束排除錯誤點對、應用被測物體表面的特征不變量(曲率、矩不變量、球諧函數不變量等)以確定正確的同名點對等等。另一類廣泛應用的ICP改進算法稱之為基于點到面距離的ICP算法。如Chen等提出的利用點到相應的切平面的最小二乘距離的改進方法，Fan等人提出的利用B樣條曲面的最短距離確定對應點集[13]。

眾所周知，坐標轉換過程參加轉換的點對不一定要多，關鍵是要保證點對的質量。理想的搜索算法將在減少點對搜索時間基礎上，提高點對一一對應的質量。在搜索算法上，我們可以采用某種采樣策略既減少參加點對搜索的點數，又做到保證點對符合坐標轉換的要求(點的點位精度和分布)。在點對的取舍上，我們可以采用邊長、距離和方位角等條件作為篩選條件，除去不符合的條件點對進而篩選出高質量的點對。這樣我們就可以兼顧搜索時間和點對質量。這將是接下來我們努力的方向。

4 結語

地面三維激光掃描儀是一種集多種高新技術的新型測繪儀器。它采用非接觸式高速激光測量的方式，在復雜的現場和空間對被測物體進行快速掃描測量，直接獲得激光點所接觸的物體表面的三維坐標、色彩信息和反射強度信息。廣泛應用于數字文物、數字考古、地形勘測、虛擬現實、數字城市、城市規劃、數字娛樂、逆向工程等諸多的領域，存在不可估量的應用價值。

數據配準技術是點云預處理技術的關鍵技術，配準過程做得好，可以簡化后處理過程，提高數字建模的精度，對于應用精度高的應用領域有著重要的意義。

本文通過對前人研究成果的研讀，總結前人的理論成果，進而分析當前點云數據配準技術的發展情況，指出配準技術中的研究方向，有一定的理論指導意義。

[1] 史友峰，高西峰.三維激光掃描系統在地形測量中的應用[J].山西建筑，2007，33(12):347-348.

[2] 辛培建，韋宏鵠.三維激光掃描技術中的點云拼接精度問題探討[J].山西建筑，2012，38(7):219-221.

[3] Yuriy Reshetyuk.Investigation and Calibration of Pulsed Timeof-Flight Terrestrial Laser Scanners[D].Licentiate Thesis in Geodesy，Royal Institute of Technology(KTH)，2006.

[4] 李巧麗.基于點云數據的塑像三維建模[D].上海:同濟大學碩士學位論文，2009:33.

[5] 周行泉.云數據的縮減與配準技術研究[D].上海:同濟大學碩士學位論文，2010:17-20.

[6] 官云蘭.地面三維激光掃描數據處理中的若干問題研究[D].上海:同濟大學博士論文，2008:16-21.

[7] Besl P J，McKay N D.A method for registration of 3D shapes[J].IEEE Transcactions on Pattern Analysis and Machine Interligence，1992，14(2):239-256.

[8] Chen Y，Medioni G.Object Modeling by Registration of Multiple Range Images[J].Image and Virsion Computing，1992，10(3):145-155.

[9] Turk G，Levoy M.Zippered polygon meshes from range images computer graphics. Proceedings SIGGRAPH. http://wwwgraphics.stanford.edu.

[10] Ristic M，Brujic D.Efficient Registration of NURBS Geometry[J].Image and Vision Computing，1997，15(12):925-935.

[11] Yonghuai Liu.Constraints for closest point finding[J].Pattern Recognition Letters，2008，29(7):841-851.

[12] 羅先波，鐘約先，李仁舉.三維掃描系統中的數據配準技術[J].清華大學學報(自然科學版)，2004，44(8):1104-1106.

[13] Fan K C，Tsai T H.Optimal Shape Error Analysis of the Maching Image for a Free-form Surface[J].International Journal of Robotic and Computer Integrated Manufacturing，2001，17(3):215-222.