LiDAR基本的原理和相關(guān)的技術(shù)

1、LiDAR基本的原理技術(shù)主要內(nèi)容一、機(jī)載LiDAR原理,技術(shù)與應(yīng)用二、機(jī)載LiDAR與光學(xué)影像的聯(lián)合處理三、基于光學(xué)成像和激光雷達(dá)技術(shù)的移動 測量系統(tǒng)四、地面LiDAR及在文物保護(hù)中的應(yīng)用五、結(jié)束語一、機(jī)載LiDAR原理激光是具有大功率、高度方向性的光束。激光回波測距的原理是由激光器發(fā)射激光并接收回波，加上一個能記錄激光發(fā)射和接收時間點的計時器，就很容易的通過以下公式得到距離：ClockTargetReturnSensor Head激光回波測距原理Result:XYZ Pos. in WGS84 坐標(biāo)系GPS & INSPosition.Distance機(jī)載LiDAR數(shù)據(jù)采集原理由回波測距測量

2、距離、由POS系統(tǒng)測量飛機(jī)姿態(tài)和激光束掃描角度，即可以獲得激光束在地面撞擊點的三維坐標(biāo)。該裝置安置在衛(wèi)星、飛機(jī)和汽車上，分別為星載、機(jī)載和車載激光雷達(dá)。地面LiDAR無需POS系統(tǒng)。機(jī)載LiDAR掃描原理上述激光測距系統(tǒng)，只能測量單點的三維空間坐標(biāo)。要進(jìn)行面狀測量，必須要加入掃描裝置主要由三種類型的掃描原理搖擺掃描鏡（oscillating mirror) ，為Leica ，Optech采用旋轉(zhuǎn)多棱鏡（rotating polygon) ，為Riegl 和IGI采用光纖掃描（fiber scanning)，僅為TopoSys的Falcon系統(tǒng)采用優(yōu)點：掃描角度可以調(diào)節(jié)較高的數(shù)據(jù)獲取航高缺點：扭

3、矩、加速度、機(jī)器磨損引起誤差掃描條帶兩邊的點密集，而中間的點少機(jī)載LiDAR掃描原理-擺動掃描鏡兩個擺動方向而產(chǎn)生對于地面的雙向掃描，在地面上形成Z形掃描線 比較適合于精度要求不太高，而測量面積又比較大的應(yīng)用場合設(shè)備要經(jīng)常進(jìn)行檢校，使用時間過長后，精度受影響較大機(jī)載LiDAR掃描原理-擺動掃描鏡密度最不均勻情況密度最均勻情況旋轉(zhuǎn)正多面體掃描鏡只有一個旋轉(zhuǎn)方向，其每個表平面都按同一方向掃描，在地面形成單向掃描平行線優(yōu)點：掃描點是均勻分布的旋轉(zhuǎn)較扭矩式磨損少，設(shè)備能保持長期的可靠性和穩(wěn)定性缺點：視場角不可調(diào)節(jié)不適合較高的航高獲取數(shù)據(jù)機(jī)載LiDAR掃描原理-旋轉(zhuǎn)正多面體掃描儀 機(jī)載LiDAR掃描原理

4、-旋轉(zhuǎn)正多面體掃描儀 點云數(shù)據(jù)分布均勻優(yōu)點：是發(fā)射光路和接受光路一一對應(yīng)，激光發(fā)射頻率不受航高視場角約束點云數(shù)據(jù)密度均勻（同旋轉(zhuǎn)正多面體掃描儀 ）缺點：掃描角固定數(shù)據(jù)獲取范圍小要求飛機(jī)平臺低速飛行機(jī)載LiDAR掃描原理-光纖掃描儀激光束固定的纖維線陣 3rd返回 從地面1st 返回 從樹頂2nd 返回 從樹枝1st (僅一次) 從地面返回機(jī)載LiDAR多次回波信息-樹木機(jī)載LiDAR多次回波信息-房屋3rd返回 從地面1st 返回 從房頂2nd 返回 從房檐1st (僅一次) 從地面返回傳統(tǒng)遙感傳感器是地表的二維成像全數(shù)字波形分析概念離散回波記錄連續(xù)波回波記錄機(jī)載LiDAR分類事實上，機(jī)載Li

5、DAR系統(tǒng)有陸地和海洋之分。海洋LiDAR是為了測量海底地形而研制的，主要為國外的軍方使用，我們通常說的機(jī)載LiDAR主要操作于陸地上，為獲取陸地DEM數(shù)據(jù)而研制的。 LIDAR系統(tǒng)的操作平臺主要為飛機(jī)。一般航攝飛機(jī)、直升機(jī)都可以搭載LIDAR。美國NASA開始在衛(wèi)星上搭載LiDAR，他們發(fā)射的ICEsat衛(wèi)星上就有LiDAR系統(tǒng)。激光雷達(dá)針對大氣應(yīng)用：大氣圈層結(jié)構(gòu)航空測繪應(yīng)用：地形測量地面激光雷達(dá)：近地面三維建模在測繪領(lǐng)域中，所談的機(jī)載激光雷達(dá)大部分指用于地形測繪用的機(jī)載激光雷達(dá)系統(tǒng)機(jī)載LiDAR研究背景和意義機(jī)載LiDAR是新型航空傳感器。在對地觀測領(lǐng)域，其最初目的是為獲取高精度數(shù)字表面模

6、型。經(jīng)一定處理，獲得剔除植被、人工建筑等以后的數(shù)字地面模型。應(yīng)用已經(jīng)擴(kuò)大到基礎(chǔ)測繪、林業(yè)管理、管線選線、島礁測繪、困難地區(qū)測繪等領(lǐng)域機(jī)載LiDAR系統(tǒng)直接獲取高精度的數(shù)字表面模型，還可以同時獲取回波、強度等數(shù)據(jù)為目標(biāo)識別、分類提供輔助數(shù)據(jù)。機(jī)載LiDAR系統(tǒng)可以攜帶航空多光譜CCD相機(jī)，具備了同時獲得多光譜CCD影像的能力，為后續(xù)應(yīng)用提供了豐富的數(shù)據(jù)資源。數(shù)據(jù)的密度每平米1個點或更多(0.4xo.4m)數(shù)據(jù)的精度垂直精度可以達(dá)到5-15cm平面精度可以達(dá)到10-75cm數(shù)據(jù)的分布掃描帶重疊區(qū)域數(shù)據(jù)密度高一個掃描內(nèi)點的間距很小，而掃描線之間點的間距卻較大采樣模式和地形起伏對數(shù)據(jù)的分布也有影響噪聲

7、系統(tǒng)誤差高的及低的局外點(粗差)空洞機(jī)載LiDAR數(shù)據(jù)特點LiDAR獲得的水平和垂直精度和眾多因素有關(guān)，主要的有內(nèi)外兩種因素：GPSIMU（POS）系統(tǒng)和激光系統(tǒng)本身都有自身的精度限制，此為內(nèi)因。外因主要與航線設(shè)計、飛行條件、大氣條件、地形起伏因素和植被覆蓋有關(guān)。在給定系統(tǒng)誤差的情況下，LIDAR獲得的三維坐標(biāo)精度可以看做是地形和植被覆蓋的函數(shù)。 機(jī)載LiDAR數(shù)據(jù)精度影響因素LeicaASL50飛行高度和精度、掃描角度關(guān)系常見參數(shù)：飛行高度：依據(jù)測區(qū)地物反射率水平精度、垂直精度回波次數(shù)/是否有全波形數(shù)字化儀強度信息量化級別：一般8 - 12bits發(fā)射和掃描頻率：發(fā)射頻率200 - 400K

8、Hz，掃描頻率一般為幾十Hz掃描角度：最大可達(dá)75，實用中，一般為45機(jī)載LiDAR的重要參數(shù)常見參數(shù)：翻滾角度補償（Roll Compensation）POS：常用的有Applanix、IGI、Honeywell等公司從產(chǎn)品，定姿精度0.0025 - 0.005之間激光點分布模式：均勻分布或Z字形分布數(shù)據(jù)存儲設(shè)備：一般商業(yè)系統(tǒng)支持10小時以上的連續(xù)飛行光斑直徑（用毫弧度表示）：決定水平精度。1000米相對航高時，對應(yīng)地面直徑一般在10cm - 50cm不等激光安全等級：影響最低航高。安全等級越低，對人的危險越大，飛行的最低航高也越大機(jī)載LiDAR的重要參數(shù)飛行數(shù)據(jù)記錄數(shù)據(jù)處理可視化處理數(shù)據(jù)預(yù)

9、處理和質(zhì)量檢測Orthoimage + DTM or DSMDSMDTM機(jī)載LiDAR數(shù)據(jù)一般處理流程（含車載）地面LiDAR獲得的數(shù)據(jù)格式和數(shù)據(jù)性質(zhì)和機(jī)載、車載完全一樣。但地面無需POS系統(tǒng)，因此處理步驟相對簡單航線設(shè)計飛行控制數(shù)據(jù)存儲目前的數(shù)據(jù)處理軟件，大多數(shù)是設(shè)備生產(chǎn)廠家根據(jù)自己的設(shè)備而開發(fā)的，沒有象遙感數(shù)據(jù)處理那樣的通用平臺。芬蘭Terrasolid公司的軟件是一個商業(yè)化的軟件，但是必須在Microstation上運行優(yōu)點：研發(fā)較早，有成熟的用戶基礎(chǔ)，商品化程度高缺點：二次開發(fā)產(chǎn)品、沒有強大的算法支持隊伍，人員單?。辉趪鴥?nèi)市場雖有用戶基礎(chǔ)，但相對于遙感軟件、GIS軟件，還相當(dāng)薄弱其它國

10、外軟件，基本上不具備商品化LiDAR數(shù)據(jù)處理軟件2006年，國家十二五863的第一年，以武漢大學(xué)牽頭、聯(lián)合國內(nèi)相關(guān)優(yōu)勢單位的技術(shù)力量，獲得目標(biāo)導(dǎo)向類資助，從底層開始，研發(fā)具有自主知識產(chǎn)權(quán)的機(jī)載LiDAR數(shù)據(jù)處理軟件。周期三年;經(jīng)過3年的研發(fā)，已經(jīng)具備商品化、產(chǎn)業(yè)化的條件。已經(jīng)在包括陜西測繪局、甘肅測繪局、北京東方道邇等單位在內(nèi)的LiDAR數(shù)據(jù)加工部門推廣使用.我國自主研發(fā)的LiDAR數(shù)據(jù)處理軟件機(jī)載LiDAR數(shù)據(jù)的多視角與多專題可視化生產(chǎn)作業(yè)工程的管理和數(shù)據(jù)批處理用戶二次開發(fā)插件無縫集成航線設(shè)計以及航線管理器機(jī)載LiDAR數(shù)據(jù)的整體平差與拼接處理機(jī)載LiDAR數(shù)據(jù)濾波自動濾波、分類及相應(yīng)的人工

11、編輯工具機(jī)載LiDAR點云數(shù)據(jù)與影像的配準(zhǔn)/融合分類基礎(chǔ)測繪應(yīng)用模塊（包括：基于點云的DEM和等高線生產(chǎn)、POS數(shù)據(jù)預(yù)處理/正射影像生成模塊）基于點云的植被結(jié)構(gòu)參數(shù)提取基于點云的建筑物提取和三維建模波形數(shù)據(jù)分析與處理、基于點云數(shù)據(jù)的簡單三維線劃圖生成 共110個功能武大自主研發(fā)LiDAR數(shù)據(jù)處理軟件軟件整體界面數(shù)據(jù)檢校檢校目的：主要消除激光掃描坐標(biāo)系與IMU坐標(biāo)系坐標(biāo)軸不平行（安置角誤差）引起點云數(shù)據(jù)的坐標(biāo)偏移誤差安置角誤差示意圖數(shù)據(jù)檢校檢校方法：利用相互平行和相互交叉的航線，以及不同航高（高低行高）的點云數(shù)據(jù)重疊區(qū)域同名地物的坐標(biāo)不一致性實現(xiàn)設(shè)備安置角誤差的改正。檢校飛行航線數(shù)據(jù)檢校-以翻滾

12、角為例翻滾角繞飛行方向（X軸）旋轉(zhuǎn)，其誤差未消除時，觀測得到的水平地表與真實水平地表存在大小與翻滾角相近的夾角，兩者間高差 與點和航帶中心的水平距離r成線性關(guān)系，如圖1所示（實線代表真實水平地表）。因此，對同航高來回飛行的兩航帶，其同名水平地表間高程差是 的兩倍。由圖2對翻滾角改正值有：圖1 翻滾角影響圖2 翻滾角與航帶間高差關(guān)系示意圖原理選擇同航高來回飛行的兩條帶數(shù)據(jù)通過航帶管理器獲取點云的航帶號信息選擇重疊區(qū)平地拉一剖面翻滾角誤差導(dǎo)致的航帶間高差量測剖面到航帶中心的距離r量測航帶高程差h由得到翻滾角檢校值利用檢校值改正點云檢校改正后兩航帶高差基本消除自主軟件用于數(shù)據(jù)檢校-以翻滾角為例自主軟

13、件用于基礎(chǔ)測繪的實際生產(chǎn)成果以敦煌數(shù)據(jù)為例沙丘DEM沙漠河道DEM敦煌市郊DSM敦煌市郊DEM自主軟件用于三維矢量建模-三維樹木精細(xì)模型三維樹木精細(xì)模型（加入樹葉和樹干紋理，添加光照）。這是我們的成果這是TerraSolid樹建模模塊的成果基于EM（方差極大算法）的全波形數(shù)據(jù)波形分解：decomposition of full-wave form data with Expectation MaximumLiDar 數(shù)據(jù)處理試驗研究SLICER data (NASA) 使用的數(shù)據(jù)是SLICER在一片植被覆蓋地區(qū)采集到的，SLICER的波形數(shù)據(jù)是.dat格式的二進(jìn)制文件，每一個波形有600個采樣

14、，采樣間的距離為米。在數(shù)據(jù)里還有激光發(fā)射的方位角、傾斜角，檢測到的最高物體表面的經(jīng)緯度和高程等信息。Peak detected by SLICER algorithmDetected by our algorithmmore comparison二、機(jī)載LiDAR與光學(xué)影像的聯(lián)合處理目的、意義機(jī)載LiDAR點云數(shù)據(jù)具有較高的高程精度，但缺乏光譜、紋理信息單片或單景高分辨率影像具有較高的平面精度，但是缺乏高程信息必須立體相對，才能獲得高程。在困難地區(qū)，即使有立體相對也難以獲得較高的高程精度融合LiDAR點云和高分辨率光學(xué)影像，是三維可視化、地物三維提取、三維線劃圖（3D DLG）提取的有效途徑攝

15、影測量LIDAR系統(tǒng)被動式測量主動式測量采用覆蓋整個攝影區(qū)域逐點采樣間接獲取地面三維坐標(biāo)直接獲取地面三維坐標(biāo)獲取高質(zhì)量的灰度影像或多光譜數(shù)據(jù)能夠識別比激光斑點小的物體，如輸電線等軟硬件經(jīng)多年發(fā)展已比較成熟 新技術(shù)需不斷發(fā)展，具有很大發(fā)展?jié)摿衫玫膫鞲衅黝愋秃芏?多光譜，線陣CCD)可供選擇傳感器類型較少飛行計劃相對簡單飛行計劃相對復(fù)雜，要求較苛刻相同的飛行高度下飛行帶寬較寬，覆蓋面積大飛行帶寬較窄，容易形成漏飛區(qū)域受天氣影響理論上能全天候采集數(shù)據(jù)，實際上背景反射越弱，測距效果越好數(shù)據(jù)處理自動化程度低，特別是處理航片時需要人工干預(yù)容易實現(xiàn)數(shù)據(jù)處理自動化GPS(INS可選)，GPS/INS數(shù)據(jù)采

16、樣率低GPS+INS(價格昂貴)，GPS/INS數(shù)據(jù)采樣率高傳統(tǒng)攝影測量與LIDAR系統(tǒng)比較影像和點云數(shù)據(jù)的配準(zhǔn)融合高分辨率遙感影像與點云數(shù)據(jù)，配準(zhǔn)是第一步機(jī)載LiDAR三維離散點的半隨機(jī)分布特性，導(dǎo)致影像特征點與機(jī)載LiDAR特征點難于對應(yīng)經(jīng)尺度分析，當(dāng)影像分辨率遠(yuǎn)小于機(jī)載LiDAR點云點間距時，利用點特征配準(zhǔn)基元，LiDAR點云密度限制配準(zhǔn)精度，無法體現(xiàn)高分辨率遙感影像水平精度的優(yōu)勢我們提出利用多次回波和全波形分析方法提取點云線特征、并用線特征替代點特征的方法進(jìn)行點云數(shù)據(jù)和影像的配準(zhǔn)方法特點基于共線方程的2D-3D數(shù)據(jù)直接配準(zhǔn)的嚴(yán)格配準(zhǔn)模型在配準(zhǔn)基元中，適當(dāng)引入未知輔助參量，與配準(zhǔn)變換模型

17、參數(shù)聯(lián)合解算不僅限于LiDAR點云數(shù)據(jù)與同機(jī)獲取的攝影測量遙感影像數(shù)據(jù)的配準(zhǔn)考慮傳感器系統(tǒng)的誤差影響線特征表示點特征LiDAR數(shù)據(jù)的空間直線特征，用該直線上任意不重合的AB兩點表示，直線上任意一點P，引入?yún)?shù) ，都可用AB兩點表示。配準(zhǔn)模型示意圖單片（左）和多片（右）航空遙感影像與LiDAR點云數(shù)據(jù)配準(zhǔn)的示意圖配準(zhǔn)變換模型 假設(shè)無系統(tǒng)誤差前提下的共線方程配準(zhǔn)變換模型：參數(shù)解算每引入一個配準(zhǔn)控制點，就引入一個未知參數(shù)，單片只需解算一組航空影像外方位元素。對于一組配準(zhǔn)基元點、線對應(yīng)組合可建兩個方程，同時引入一個未知數(shù)，因此對于n組點、線組合觀測值，在假設(shè)傳感器系統(tǒng)誤差為零的情況下滿足，觀測值方程如

18、下：參數(shù)解算參數(shù)解算對配準(zhǔn)轉(zhuǎn)換參數(shù)以及引入的參數(shù)進(jìn)行泰勒公式展開線性化，建立法方程，迭代運算，求解未知數(shù)。迭代的過程也是影像上點對應(yīng)的值計算得到LiDAR空間對應(yīng)點不斷靠近真值的過程。配準(zhǔn)結(jié)果檢查（目視和統(tǒng)計）多片沙市數(shù)據(jù)（配準(zhǔn)精度1個影像像素左右，10個檢查點）注意水體邊緣，點云與影像的疊加配準(zhǔn)結(jié)果檢查（目視和統(tǒng)計）單片敦煌數(shù)據(jù)（配準(zhǔn)精度1個影像像素左右，10個檢查點）配準(zhǔn)結(jié)果：點云與光學(xué)影像疊加湖北長陽敦煌莫高窟敦煌月牙泉真正射影像生成技術(shù)傳統(tǒng)正射影像利用DTM糾正了傳感器的傾斜和由地形起伏引起的投影差，但是高大地物引起的投影差仍然存在，真正射影像通過應(yīng)用DSM克服了這些缺陷由地形起伏引起

19、的投影差及人造地物引起的投影差，如左圖所示LIDAR技術(shù)的發(fā)展為真正射影像生產(chǎn)提供了高精度的DSM。通過DSM對影像進(jìn)行正射糾正，可以消除地物引起的投影差，但是同時出現(xiàn)了新的問題在糾正后的真正射影像中，由于未檢測出遮擋區(qū)域，高大地物附近出現(xiàn)了重影現(xiàn)象傳統(tǒng)正射影像 出現(xiàn)重影的真正射影像真正射影像生成技術(shù)真正射影像生成技術(shù)遮擋檢測的方法有z-buffer基于角度的遮擋檢測 基于角度和高度的投影光線跟蹤算法檢測等通常檢測出來的遮擋區(qū)域灰度值都賦值為0，最終的結(jié)果影像中所有區(qū)域都要求是可見的，所以需要對遮擋區(qū)域進(jìn)行補償，遮擋區(qū)域丟失的信息需要從相鄰重疊區(qū)域的影像中獲取，如下圖示遮擋區(qū)域影像數(shù)據(jù)獲取示意

20、圖真正射影像一般正射影像墻面可見真正射影像中，遮擋去除、墻面消失 真正射影像陰影消除傳統(tǒng)正射影像墻面LiDAR數(shù)據(jù)建筑物檢測和重建整個流程分為兩大部分1.從LiDAR數(shù)據(jù)中檢測建筑物腳點2.由建筑物腳點提取建筑物邊緣特征線，并重建模型建筑物檢測具有多次反射LIDAR數(shù)據(jù)預(yù)處理（消除大誤差）消除樹叢（利用多次反射）分治實現(xiàn)線性預(yù)測法DEM檢測刪除地面點清除噪聲和碎片得到建筑物點實際工程實驗結(jié)果實驗區(qū)點云數(shù)據(jù)高程著色自動檢測建筑區(qū)域人工勾畫和自動檢測建筑區(qū)域?qū)Ρ龋z測率可達(dá)90%）屋頂結(jié)構(gòu)的分解 利用離散點均值平移屋頂法向統(tǒng)計分析和競爭優(yōu)化的屋頂改正方法實現(xiàn)屋頂結(jié)構(gòu)的分解測試數(shù)據(jù)先檢測 搶點多1m

21、間距點云測試結(jié)果非常復(fù)雜建筑物結(jié)構(gòu)分解國內(nèi)沙市數(shù)據(jù)屋頂自動檢測和分割結(jié)果線特征提取PcPn針對LiDAR數(shù)據(jù)特點的準(zhǔn)確邊緣點檢測算法線特征提取點云數(shù)據(jù)點云數(shù)據(jù)的直線特征檢測屋頂拓?fù)浣Y(jié)構(gòu)重構(gòu)利用線、面特征的互補特性的BSP合并分裂的拓?fù)渖煞椒ɑ谶吔缱粉櫤涂焖僖?guī)則化的模型生成天津10Km2全自動建模（800MB點云）運行約10小時， 計算機(jī) 2G內(nèi)存，雙核CPU XP 系統(tǒng) 在進(jìn)行電力線路設(shè)計時，通過LIDAR數(shù)據(jù)可以了解整個線路設(shè)計區(qū)域內(nèi)的地形和地物要素的情況。尤其是在樹木密集處，可以估算出需要砍伐樹木的面積和木材量。在進(jìn)行電力線搶修和維護(hù)時，根據(jù)電力線路上的LIDAR數(shù)據(jù)點和相應(yīng)的地面裸露

22、點的高程可以測算出任意一處線路距離地面的高度，這樣就可以便于搶修和維護(hù)。LIDAR電力線應(yīng)用點云中電力線的三維顯示LIDAR電力線應(yīng)用通過人工勾選電力線LIDAR電力線應(yīng)用勻質(zhì)的架空電力線在自身重力作用下呈懸鏈線狀態(tài)。懸鏈線是一種曲線，其的形狀因與懸在兩端的繩子因均勻引力作用下垂之形相似而得名。適當(dāng)選擇坐標(biāo)系后，懸鏈線的方程是一個雙曲余弦函數(shù)，其公式為： y = a*cosh(x/a)其中 a 是一個常數(shù)。懸索橋、雙曲拱橋、架空電纜都用到懸鏈線的原理。架空電力線的懸鏈線模型自動計算剖面顯示電力線架空電力線的懸鏈線模型自動計算在斷面坐標(biāo)系下通過鼠標(biāo)點擊的點自動擬合懸鏈線架空電力線的懸鏈線模型自動

23、計算三.基于光學(xué)成像和激光雷達(dá)技術(shù)的移動道路測量系統(tǒng)系統(tǒng)組成GPSIMU全景相機(jī)激光掃描設(shè)備同步設(shè)備存儲設(shè)備里程計全景數(shù)據(jù)激光掃描數(shù)據(jù) 系統(tǒng)中的激光掃描儀只做線掃描，在移動道路測量系統(tǒng)行進(jìn)過程中，才能得到三維激光點云。 現(xiàn)階段，系統(tǒng)采集實驗速度為20km/h。在技術(shù)成熟后，車速可提高。激光點云 系統(tǒng)在一條道路上進(jìn)行動態(tài)掃描，得到全景影像數(shù)據(jù)、激光掃描數(shù)據(jù)、整個系統(tǒng)的定位定姿數(shù)據(jù)，將這些數(shù)據(jù)融合處理得到整個場景的激光點云，點云可根據(jù)高程的變化生成偽彩色點云，如左側(cè)圖所示，也可反投到全景影像上獲取真彩色信息，生成真彩色點云，如右側(cè)圖所示。數(shù)據(jù)融合顯示數(shù)據(jù)融合顯示應(yīng)用：添加虛擬三維物體 選擇一個點建

24、立局部坐標(biāo)系加入三個虛擬的老虎模型在別的地方查看加入的虛擬模型應(yīng)用四：影像導(dǎo)航選中的影像曝光點影像跳轉(zhuǎn)結(jié)果選中的平面特征影像跳轉(zhuǎn)結(jié)果影像跳轉(zhuǎn)結(jié)果Main stepTriangulationSmoothing Hole filling Decimating Model merging Laser scanning technology has been widely used in the model reconstruction for ancient buildingsA spherical projection based on triangulation algorithm is dev

25、eloped to process the dataPoint cloud of Cave No. 158 四. 地面LiDAR及在文物保護(hù)中的應(yīng)用Working flowGeometric data gatheringPoint cloud data processingTexture preprocessingTexture mappingResults3D ModelingMappingPreprocessingshootingLaser ScanningModelingObjectPoint CloudSurface ModelRaw ImageTextureTextured Mode

26、l作業(yè)流程(Working flow)Method:3D Laser ScanningInstrument: Leica HDS 6000Leica Scan Station2Industry Laser Scanner for MachanicsGeometric data acquiring3.2 Geometric data acquiringHDS6000 ScanStation 2Working with Leica stafferPoint cloudPattern of the painting can be represented by the point cloud inte

27、nsity. Point cloud data processingSteps:RegistrationGenerate TINReduce noiseEdit meshSimplifyTools:Geomagic StudioPolyworksSelf-developed tool 3.2 Point cloud data processingTIN of a statuary in 196 caveModel of a statuary in 196 caveTIN of 285 caveModel of 285 caveCamera: Canon EOS-1Ds Mark IIIPhot

28、os are stored in Camera Raw format. Preprocessing can adjust the color temperature, tone, exposure, saturation, etc. to approximately uniform the color between photos.Texture preprocessing Texture mapping(2D to 3D)Platform:ModelPaint - a self-developed tool, special for texture mapping on irregular,

29、 complex object.Main steps:Geometric alignment between texture and modelTexture blendingControl Points Assignment Robust Least Square resolve Camara ParametersProject Whole Image to ModelSemi-Automatic Adjust of small inaccuracy mappingTexture mapping alignmentControl points on textureCorresponding

30、points on modelModel with TextureTexture mapping alignmentMesh patch based texture MappingAfter mapping using camera parameterThere still has wrong mapping need to refine weighted distortion image according control points Mapping RefineBefore mapping refine- inaccuracy mapping, mismatchedAfter mapping refine- accuracy mapping, matchedPrecondition:1. Textures Overlap 2. Textures Precisely MappingProcessing:1. Region of Interest Finding2. Decomposition of Image into Frequency Space 3. Blend in Frequency SpaceTexture blendingBrighterDa