1.2.2 点云数据的坐标配准研究现状

目前国内外对点云数据的坐标配准进行的研究比较多，已经有成熟的软件，如Cyclone 6.0软件，它的拼接精度达到2～3mm；Polyworks软件的拼接精度则更高。目前最常用的坐标配准算法主要有四元数配准算法，六参数或七参数配准算法，迭代最近点法（ICP）。

四元数配准法，从空间变换的角度看，配准就是从一个坐标系到另一个坐标系的刚体变换，需要解决旋转矩阵R和平移向量T的问题。1986年Faugeras和Hebert提出了用四元数概念进行配准，应用一组四元数表示三个旋转参数。提出点集到点集的坐标系匹配的近似方法（PSTPS）。该类方法的优势在于它可以直接求解刚性变换而不需要一个初始的位姿估计，处理过程是严密的数学解算过程，不需要迭代。该方法已经广泛地应用于众多领域的三维激光扫描数据的配准中。

六参数（或七参数）配准算法需要解决三个旋转参数、三个平移参数、一个尺度参数的问题。在两个三维直角坐标系中，通过坐标轴的旋转与平移，实现三个坐标轴与参考坐标系的轴向一致，以及两个坐标系原点重合。与普通测量中的小角度旋转不同，这里的旋转是大角度旋转，计算旋转参数的过程较复杂，通过测量平差求出六个参数。与四元数配准法不同，它是一种非严密的数学方法，可以通过增加配准数据的约束条件来提高计算的精度。

迭代最近点法又称为ICP配准法，1992年Besl和Mckay提出了ICP方法，它的思路是首先假设得到一个初始的位姿估计，再从一个扫描点集中选取一定数量的点，并在相邻的扫描点集中寻找出这些点的对应点。通过对这些对应点对间的距离最小化来求得一个变换，通过严密解算重新计算最近点点集，迭代计算直到目标函数值不再变化，才停止迭代。ICP方法主要用于自由形态曲面和表面的三维形状的配准。ICP搜索最近点的方法有点到点的最近点搜索法、点到面的最近点搜索法、点到投影的最近点搜索法。Besl和Mckay对ICP的迭代收敛方面做了改进，也称为ICP加快算法AICP（Accelerated Iterative Closest Point）。

国内翟瑞芳等从摄影测量的角度，用影像匹配的方法在影像上找到同名点，再映射到空间方，同时利用空间相似变换和相对定向分别剔除空间方和像方的粗差，可获得相邻坐标系空间相似变换参数，将相邻的坐标系的点统一到同一个坐标系，这种方法在不需要人工干预的情况下获得较高精度。2005年郑德华提出基于建筑物点线面几何特征约束的配准方法（GFC），实质是在六参数配准模型中增加不等线性约束条件，建筑物表面的三维激光扫描数据存在严格的点、线、面的几何特征，针对建筑物的这些几何特征，可以列出约束条件式。由此得到GFC配准方法的数学模型主要有误差方程组、模型参数约束条件和不等线性约束条件组成，通过测量平差求出六个参数，完成坐标纠正。何文峰提出了基于平面特征的深度图像配准方法，先对每幅深度图像作一个基于平面的分割，从而提取出其中的平面特征，在两幅相邻的分割后的深度图像中指定若干组对应的平面特征，利用四元数法可以计算出这两个坐标系之间的变换。采用四元数配准算法，需要进行严密的数学解算，同名点的选择至关重要，采用特征面到特征面的配准算法，先通过分割算法，找出对应的特征面，再根据特征面计算纠正参数，完成坐标纠正。对于特征明显的目标物，这种方法也可行，但对于特征不明显的目标物或分割不精确的特征面，这种方法的误差比较大。