一种基于LS-WTLS的稳健平面拟合方法

为了解决平面数据点位精度差异性及平面模型常数项解算精度较低的问题,提出了一种基于最小二乘-加权总体最小二乘(LS-WTLS)的稳健平面拟合方法。该方法采用加权最小二乘模型与稳健估计IGGⅢ方案相结合的方式对平面模型误差项参量进行解算,然后通过设置阈值剔除粗差数据,利用最小二乘法对平面模型常数项进行解算,以此进一步提高了平面模型各参量的解算精度。结果表明, 新方法相对于最小二乘(LS)法、总体最小二乘(TLS)法、LS-TLS法、IGGⅢ-LS-TLS法,其单位权中误差分别提高了53.6%, 195.0%, 47.5%和5.1%,平面拟合精度分别提高了49.4%, 179.3%, 48.7%和46.99%,表现出了良好的抗粗差干扰能力。该研究验证了新方法在平面拟合领域的优越性和可靠性。     

基于IGGⅢ方案的加权总体最小二乘点云球面拟合

为了减少测量粗差对球标靶拟合精度的影响,在加权总体最小二乘法基础上,针对地面3维激光扫描球标靶数据特点,采用了权函数IGGⅢ方案,自适应地修正拟合权阵,构建了新的点云球面拟合方法。利用新方法分别拟合了模拟球面数据、实际扫描球面数据。结果表明,该方法在同时考虑拟合模型系数矩阵误差与观测向量误差基础上,通过合理定义及优化拟合权阵,获得了更为精确的球面参量。其拟合评价指标均优于常规方法。     

圆柱度误差快速最优化评定方法

使用迭代重加权最小二乘算法(IRLS)进行圆柱度误差评定。经过实际计算将所得到的误差评定值与其他方法相比较,在测量数据点集满足"小误差、小偏差"两点假设的条件下,迭代重加权最小二乘法可以得到精确的最小区域解,但是在运算时间上由于受迭代次数的影响,对不同的误差限运算时间会相差很大。总体来说,迭代重加权最小二乘法实现简便,有较高的使用价值。     

遗传规划和最小二乘法在数据拟合中的应用

为了分析和预测数据,需要预先确定其拟合函数模型.最小二乘法是一种常用的对测量数据进行数据拟合的方法,但当拟合函数模型未知时,该方法即失效.提出了一种联合遗传规划和最小二乘法寻求拟合模型的方法.利用遗传规划方法只需给出数据点及允许误差即可得到匹配的拟合函数式,并可对复杂函数式合理地简化.以此结果作为最小二乘法的拟合函数模型,进一步估计其中的参数,实现了对测量数据的更精确拟合.文中给出了应用实例,说明了本方法的有效性.     

基于移动最小二乘法的点云数据孔洞修补算法

由于受到多种因素的综合作用,点云数据不完整,曲面上出现了一些孔洞,为了提高点云数据的孔洞修补精度,解决目前一些方法的局限性,提出基于移动最小二乘法的点云数据孔洞修补算法。首先对当前点云数据孔洞修补研究现状进行分析,并得到点云数据曲面上的孔洞数据,采用移动最小二乘法对点云数据孔洞进行修补,最后通过具体应用实例对其可行性进行测试。结果表明该方法可以对点云数据孔洞进行有效修补,能够获得比较理想的点云数据曲面重建效果。     

基于均匀圆阵的扩展信号二维方向角估计

直接利用均匀圆阵的阵列流形,建立对点信号和小角度扩展信号都适用的数学模型。根据系统数据矩阵不存在扰动和存在扰动两种情况,分别采用最小二乘(LS)法和加权总体最小二乘(WTLS)法估计单个扩展信号的二维方向角,并分析了最小二乘估计算法的数值稳定性。此方法充分利用了均匀圆阵的良好性能,不仅对信号类型,而且对系统扰动都具有顽健性。计算机仿真证明了此方法的有效性。     

基于最小二乘的时差定位算法

时差测量方程是非线性双曲线方程,可以通过引入中间变量将其转化为线性方程,对近年来国内外学者关于这种方法的时差定位算法进行了总结。当已知测量误差的先验信息时,可以采用两步加权最小二乘法和约束加权最小二乘法,当测量误差的先验信息未知时,还可以采用约束总体最小二乘的方法。在求解约束最小二乘问题时,采用常规的拉格朗日法计算复杂、运算量大,而采用高斯一牛顿法不仅可以大为降低运算量,还能提高解的精度和稳定性。此外,对约束加权最小二乘法和约束总体最小二乘法之间的关系进行了探讨,得到了它们等价性的条件。     

改进移动曲面最小二乘拟合的Lidar数据滤波优化

机载激光雷达已允许快速生成大面积区域的高分辨率数字高程模型,但是自动识别密集建筑物或茂密植被所覆盖区域的地面点与非地面点还比较困难。提出了一种移动曲面拟合最小二乘迭代算法自动快速对Lidar数据进行滤波,该方法采用移动窗口加权迭代最小二乘法来选择种子点,基于自适应阈值,逐步对非地面点和地面点进行滤波和分类。在四个研究区域进行的试验表明,新的滤波方法可以将市区和茂密植被覆盖的地面和非地面点分开。对于Ⅰ类误差,新算法的错误范围是4.08%～9.40%,对于Ⅱ类误差,错误范围是2.48%～7.63%,对于总误差,错误范围是5.01%～7.40%。     

工业机器人的局部标定

以ABB公司的IRB120工业机器人和激光位移传感器组成的数据采集系统为研究对象,通过对实验系统底座平面上数据点的采集和处理,来标定机器人与激光位移传感器之间的齐次变化矩阵。以采集到的数据点在机器人坐标系中位于同一个平面上为标定原理,利用最小二乘法拟合平面方程,得到机器人需要标定的各个参数及平面参数。在最小二乘优化处理过程中,通过对不同优化结果的分析对比,最终得到最优解,并为以后该系统在数据采集中的应用提供依据。     

融合强阈值三角网与总体最小二乘曲面拟合滤波

机载LiDAR点云数据滤波是LiDAR数据后处理过程中的关键步骤。在分析三角网滤波与曲面拟合滤波特点的基础上,提出了一种由粗到精的处理思想用于LiDAR点云数据滤波。该方法通过强阈值三角网算法进行II类误差优先的粗分类,获取可靠性较高的初始地面点,以粗分类结果作为先验信息进行种子点选取,引入总体最小二乘算法完成曲面拟合,设置自适应阈值实现不同区域灵活处理,最终得到较为精细的地面模型。使用ISPRS测区数据及Niagara数据进行实验,与经典滤波算法及传统曲面拟合方法进行对比,实验结果证明,该方法较传统算法能够得到更加可靠的滤波结果,对各种地形的适应性较强,具备较高的实用价值。     

采用加权最小二乘准则的影像仪自动对焦方法

针对影像测量领域中自动对焦方法存在的对焦准确性不高、对焦过程复杂等问题,提出了一种采用加权最小二乘准则的自动对焦方法.首先,根据不同种类图像清晰度评价函数的评价特性,选定对焦过程中所用的图像清晰度评价函数.其次,在图像清晰度评价函数的基础上进行两阶段对焦,即粗对焦阶段与精对焦阶段.然后,分析了加权最小二乘准则中加权系数的确定原则并给出了其具体确定方法.最后,对精对焦阶段所得清晰度评价值进行归一化处理,采用加权最小二乘准则进行高斯曲线拟合求取极值,极值位置即最终正焦平面.实验结果表明:在步距为0.1mm的条件下,该方法与现有的洛伦兹(Lorent)、Gauss拟合方法相比,对焦误差由0.05 mm降低到0.02 mm,有效地提高了现有曲线拟合法的对焦准确性.     

电力线激光点云的分割及安全检测研究

为了进行高压输电线路安全检测分析，基于机载激光雷达（LiDAR）电力走廊数据，提出了一种基于密度的空间聚类方法（DBSCAN）的电力线激光点云单条分割提取算法。通过该方法可以实现输电走廊中单条电力线的快速分割提取。首先对电力线点云在x-O-y平面上投影，对投影后的激光点采用最小二乘法进行直线拟合；其次通过计算输电走廊长度，采用经验参量进行电力线点云分段；再次对分段点云在投影平面内进行DBSCAN聚类；最后将分段聚类结果类别归一化，得到单条电力线激光点云数据。结果表明，采用该方法能够在只需经验参量分段宽度的情况下，快速准确地对电力线激光点云进行分割提取，并根据分割结果进行电力线与电力走廊地物距离计算，判断危险点类型及距离。所提出的方法具有较高的提取与测量精度，能够有效地应用于电力线安全检测分析。     

基于改进DPC和特征分区的点云去噪算法

针对三维激光扫描仪获取到的点云数据存在的多尺度混合噪声将严重影响后续的三维模型重建的问题,提出了一种基于改进的密度峰值聚类算法(DPC)和特征分区的点云去噪算法。首先通过改进的DPC算法去除远离点云主体的大尺度噪声;然后利用主成元分析法(PCA)和曲面变分获取点云法矢及曲率信息,同时采用邻域传播法调整法矢方向并根据曲率对点云进行划分,对特征区域点云与平坦区域点云分别采取自适应双边滤波和正交整体最小二乘平面拟合的方法进行光顺去噪。实验结果表明:在包含混合噪声的bunny与block模型下,利用该算法去噪后点云数据最大误差分别为0235mm和0157mm,平均误差分别为0029mm和0009mm,均能取得较好的去噪效果,且降低了去噪参数设置的复杂性。     

一种改进的ICP激光点云精确配准方法

传统迭代最近点(Iterative Closest Point,ICP)算法在进行点云配准时,若点云初始位置相差较大时,容易陷入局部最优,同时,该算法无法解决部分重叠的点云的配准问题。鉴于此,提出了一种改进的ICP激光点云精确配准方法。首先通过对两片点云的主成分分析并矫正主轴方向以完成初始配准,获得一个较好的初始位置。然后利用2次搜索最近距离来获取各点的概率值,并将其嵌入到最小二乘函数中来改进ICP算法,以达到对部分重叠的点云进行配准的目的。实验结果表明,在不同重叠度的数据下,提出的方法的配准误差分别为0.307 8 mm、0.287 2 mm;运行时间仅为4.4 s、4.2 s。该方法可以对初始位置相差较大且具有部分重叠的点云进行精确配准,同时提高运行效率并对噪声具有相应的鲁棒性。     

基于地形相关和最小二乘曲线拟合的单光子激光数据处理技术

单光子激光测高已然成为激光测高领域的发展趋势。面对高重频、剖面式单光子激光数据,在参考国内外激光点云数据处理算法和对单光子激光数据特点精确分析的基础上,提出了一种基于地形相关和最小二乘曲线拟合的单光子激光数据处理方法。使用NASA（National Aeronautics and Space Administration）的机载激光雷达MABEL（Multiple Altimeter Beam Experimental LiDAR）的实际飞行数据进行了实验,并通过模拟仿真的方法对实验结果做了验证。结果表明,此方法能有效地剔除噪声,试验区的整体精度能达到97.8%。     

基于主成分分析与曲面拟合的激光点云滤波去噪

为了消除激光点云采集时点云中的噪声点，避免噪声尤其是一些孤立离群点对点云数据质量的影响，将散乱的、含有噪声点云变成规则的、高精度的点云，采用了基于主成分分析与曲面拟合进行点云去噪的方法，首先提出了点云区域的主成分分析计算方法，在主成分分析的法向量进行粗去噪，而后去噪后的点云进行曲面拟合，最后根据点到曲面的距离进行了点云的滤波，得到滤波后的点云。结果表明，该方法去噪效果精度高，尤其针对散乱点云，去噪效果明显，最佳滤波性能误差仅为0.018mm。该研究为散乱激光点云的去噪滤波提供了参考。     

机载激光雷达电力线提取的布料模拟法

为了实现长距离直线型机载激光雷达电力线提取,提出了一种基于布料模拟的长距离机载激光雷达电力线提取方法,在数据预处理的基础上,通过模拟布料下落过程,分析布料与对应机载雷达点云之间的作用,确定布料由重力下降后所停留的位置作为相近高度的电力线点云,然后在xOy平面内拟合直线,利用点到拟合直线的距离对电力线条数进行奇偶判断,通过点在直线两侧判断,实现单根电力线的提取。结果表明,所提出的方法对长距离电力线的提取精度达到98.9%,具有较高的自动化程度,且对局部点云缺失不敏感。该研究在电力线智能巡检及输电廊道空间结构自动分析领域具有良好的工程应用价值。     

改进贪婪投影三角化算法的激光点云快速三维重建

通过三维激光扫描仪获取的点云数据具有密度大、精度高等特点。本文针对贪婪投影三角化算法在对采集的大量点云数据进行三维重建时耗时长,重构的模型表面不够光滑,存在细小孔洞的问题,提出一种改进的点云三维重建算法。该方法首先用体像素网格滤波算法对点云进行下采样;然后使用移动最小二乘算法对输入的点云进行平滑及重采样,并且使用八叉树来代替KD树进行近邻域搜索;最后使用基于移动最小二乘算法的点云法线估计的贪婪投影三角化算法对点云进行重建。经过实验验证,该方法可以缩短重建时间,减少孔洞,并构建出平滑、点云拓扑结构更为准确的模型。