三维点云测图

三维点云测图系统

为满足（机载、车载、地面激光等）多源点云数据在各个行业内的高效利用和有效拓展，我们公司经过多年在地形图、地籍图等测绘领域的生产实际，研发了一款基于稠密点云数据的采编入库一体化测图软件。该软件可进行海量点云的三维可视化，进行矢量采集、数据编辑、DLG质检、数据入库等操作；自动生成高程点、等高线、示坡线等地形要素；进行点云数据的切片展示、裁切处理；可根据点云生成灰度影像图；支持多种点云格式（las、bin、pts、ply、ptx、xyz）的导入；配备了国家标准编码的地物要素属性表，和符合最新图式要求的符号库和线型库系统，支持全要素地形图的测绘要求；支持多种矢量数据格式（dwg、dxf、cas、dgn、shp、mdb、gdb、mhdb）的导入导出；支持正射影像图的添加；支持土石方量的计算；支持表面平整度的检测等功能。该软件采用模块的结构设计，并可根据用户需求进行定制，软件灵活度高，可以广泛应用于国土、交通、电力、水利、林业、应急响应等行业和部门。

硬件配置要求：

1、64位window操作系统的PC机，内存大于等于8GB

2、独立显卡，显存大于或等于2GB

软件优势：

1、多种渲染方式（RGB色、全局高程色、高程循环色、分类颜色、强度色等）的支持；

2、支持三维倾斜摄影模型数据（OSGB）的加载与测图；

3、支持大数据量正射影像的加载、测图和区域自动提取功能；

4、基于高程或高度的点云数据实时切片功能；

5、基于直线交汇和面片提取原理的高精度测图方式；

6、强大的数据采编制图工具集；

7、房屋、围墙的自动提取功能；

8、点云转换为正射影像的功能；

主要功能：

1、海量点云数据的快速测图方式，支持200G大场景点云的测图功能，支持按

照RGB色、高程色、强度色等多种渲染方式。

高程渲染

强度渲染

类别渲染

2、支持las、laz、pts、bin、xyz、ply、ptx等多种点云数据的导入功能

3、点云数据高程循环色渲染

4、支持影像给点云的赋色功能

5、多种点云测图方式的支持：

基于直线交汇和面片提取原理的高精度测图方式

●房屋自动提取功能

●围墙内外墙自动提取功能

点云转换为影像的功能

6、完整DLG测图标准支持

系统提供了包含国家标准编码的地物要素表，以及符号库和线型库系统，并支持根据特定项目的要求对地物要素表进行添加、删除，修改要素的层、色、线型、线宽、属性项等特征。

7、测图数据的导入导出功能

支持dgn、dwg（cass模板）数据在软件的导入和导出功能，以及批量转换功能。

8、强大的采编制图工具集

9、参考文件及参考影像功能

支持多个矢量参考文件的导入、按范围显示以及工程管理功能

支持矢量参考文件元素插入主文件的功能，并支持参考文件与主文件的角色替换功能支持参考图像的导入、按范围显示、透明显示、背景修改、图像纠正和保存功能

10、DLG数据的质量检查模块，提供了完整的质检工具和自动处理工具

11、数据的打印输出功能

支持线划图数据打印输出，支持按范围、按图层等打印输出功能

支持各种影像图的打印输出，并支持按范围打印

立体测图案例

8.3.2分析要点立体测图的主要内容涉及资料准备、技术路线设定、定向建模、立体测图、接边、质量检查及数据提交等技术环节。 1数学基础（1）大地基准：该市地方独立坐标系。（2）投影方式：高斯克吕格投影，按3°分带计算平面直角坐标，中央经线107°。（3）高程基准：1985网家高程基准。（4）成图比例尺：1：2000数字线划图。（5）基本等高距：平地、丘陵地为1m，山地、高山地为2m。 2图幅分幅与编号 1；2000数字线划图，采用50cm×50cm正方形分幅。图幅编号采用图幅西南角坐标公里数取至整公里（如653-493）。图廓间的公里数加注带号和百公里数。 @#3平面精度图上地物点相对最近野外控制点的平面位置中误差不得大于表8-3-1的规定。 @#4高程精度图上高程注记点相对于最近野外高程控制点的高程中误差不得大于表8-3-2的规定 @#5像片控制点精度 5像片控制点精度像片控制点相对于最近基础控制点的平面位置中误差，平地、丘陵地、山地、高山地不超过0.2m；而对高程中误差，平地、丘陵地不超过0.1m，山地、高山地

不超过0.2m 6技术路线及工艺流程本测区数字线划图采用“先内后外”的成图方法法进行生产。即利用航片和基础控制成果，进行野外像片控制测量，根据外业像控成果进行空三加密，在全数字摄影测量系统中恢复立体模型，采集居民地、道路、水系、地貌等地形要素，以图幅为单位回放纸图，进行野外调绘与补测。内业根据外业调绘成果和立体测图数据，对矢量数据进行编辑，保存分层建库数据，再进行数字地形图（制图数据）编辑，提交1：2000数字地形图成果。立体测图生产流程如图8-3-1所示。采用全数字摄影测量工作站进行立体测量，原则上采用空三导入的方法建立数字立体模型。空三导入时，应对各种定向数据进行检查，以消除系统和人眼视差产生的误差，发现问题应及时找出原因，否则不能进入下一工序作业。 @#7矢量数据采集基本要求 7矢量数据采集基本要求 1：2000数字线划图数据采集以图幅为单位进行，按《基础地理信息要索分类

(基本概念)点云三维重构文档

圆形标志点双目测量数据配准方法一．引言：针对三维测量系统的特点，我们可以利用人为制作的圆形特征点作为标志点，并将其紧附于待测物体表面。通过检测，可以得到若干标志点在不同视角下的三维坐标。然后依据标志点的空间几何不变性,得到不同标志点在不同视角下的匹配关系。通过若干标志点的匹配关系,进而求得不同视角下的坐标系变换关系,最终对整个三维数据进行配准。二. 标志点匹配：为了便于标志点的提取，标志点设置为外方内圆、外黑内白的样式。设置标志点时应尽量使得标志点位于两个视角的重叠区域，并且标志点处于无序状态，随机分布。 1. 用三维测量系统对实物进行测量,即可以得到不同视角下的点云数据,同时得到不同视角下的标志点的三维坐标数据（问题一）。假设在两个不同视角下得到的标志点集分别为： {}x i L l l L i i ,...,2,1,|=∈= {}y i M m m M i i ,...,2,1,|=∈= 2. 对于L 中的各点分别求出其中任意两点的距离，得到距离矩阵A ，其中 ?? ? ? ? ? ? ???????=-12 1 2321213 12 1......k k k k k k l l l l l l l l l l l l l l l l l l A 同理，我们也可以得到M 中各点任意两点的距离矩阵B 。 3. 由于在不同视角下,标志点之间的相互位置并没有改变,因而它们具有空间特征不变性,比如某两个标志点之间的距离并不会因为视角的改变而改变。这样,本文的匹配算法基于以下策略: i ）由于三维测量系统得到的点云误差不可避免都存在一定的误

差,因此本文认为,如果两个距离值的差值不超过δ(δ的值依三维测量系统本身的精度而定),那么可以认为这两个距离值是相等的。 ii ）对于不同视角下的同一个标志点（也就是所要求得的匹配点对），它们在各自视角下与其它标志点的距离值至少有若干个是相等的。如果相等的距离值数目超过N (N 视标志点在重叠区域的数量情况而定),那么可以认为这两个在不同视角下的标志点是一对匹配点。基于以上策略,我们可以得到在两个视角下获得的标志点三维数据点集的子集 {}n i P p p P i i , . .., 2,1,|=∈=和{}n i Q q q Q i i ,...,2,1,|=∈=，即可以得到n 对匹配点。三. 转换参数R 和T 的求取：三维数据配准技术的实质是把在不同的坐标系中测量得到的数据点云进行坐标变换,问题的关键是坐标变换参数R (旋转矩阵)和T (平移向量)的求取。假设在两个视角下获得的曲面测量三维数据点云具有部分重叠区域,那么重叠区域中的标志点在两个视角下的三维坐标显然也符合上面的转换关系。假设已经获得两个不同视角下的标志点匹配对{}n i P p p P i i ,...,2,1,|=∈=和 {}n i Q q q Q i i ,...,2,1,|=∈=，i p 和i q 都是13?的向量，则在两视角下测得的三维数据点之间的坐标转换关系R (旋转矩阵)和T (平移向量)，应该使下面的函数最小： ∑=+-=n i i i T Rp q E 1 2 )( (1) 对于(1)式，采用SVD 矩阵分解算法，步骤如下： 1). 对于空间点集{}n i P p p P i i ,...,2,1,|=∈=和{} n i Q q q Q i i ,...,2,1,|=∈=分别计算p 和q ，其中 ∑==n i i p n p 11 (2) ∑==n i i q n q 1 1 (3)

基于三维激光扫描技术的点云拼接与三维重构

龙源期刊网 https://www.360docs.net/doc/c912256463.html, 基于三维激光扫描技术的点云拼接与三维重构作者：黄凌潇来源：《科学与财富》2017年第06期摘要：为了提高测量目标物的精度与便捷性，本文提出一种基于三维激光扫描技术的点云拼街与三维重构方法，对空间信息进行可视化表达，即进行三维建模，基于Leica C10三维激光扫描仪，对目标物进行三维扫描，分两站扫描得到点云数据后，运用Cyclone进行点云拼接与重构，试验显示，可以极大提高测量精度与便捷性。关键词：三维激光扫面技术；点云拼接；三维重构前言三维激光扫描技术是一种先进的全自动高精度立体扫描技术，又称为“实景复制技术”，是继GPS空间定位技术后的又一项测绘技术革新。传统的大地测量方法，如三角测量方法，GPS 测量都是基于点的测量，而三维激光扫描是基于面的数据采集方式。三维激光扫描获得的原始数据为点云数据。点云数据是大量扫描离散点的结合。三维激光扫描的主要特点是实时性、主动性、适应性好。三维激光扫描数据经过简单的处理就可以直接使用，无需复杂的费时费力的数据后处理；且无需和被测物体接触，可以在很多复杂环境下应用；并且可以和GPS等集合起来实现更强、更多的应用。三维激光扫描技术作为目前发展迅猛的新技术，必定会在诸多领域得到更深入和广泛的应用。 1、三维激光扫描仪工作原理三维激光扫描仪的主要构造是由一台高速精确的激光测距仪，配上一组可以引导激光并以均匀角速度扫描的反射棱镜。激光测距仪主动发射激光，同时接受由自然物表面反射的信号从而可以进行测距，针对每一个扫描点可测得测站至扫描点的斜距，再配合扫描的水平和垂直方向角，可以得到每一扫描点与测站的空间相对坐标。如果测站的空间坐标是已知的，那么则可以求得每一个扫描点的三维坐标。以Leica C10三维激光扫描仪为例，该扫描仪是以反射镜进行垂直方向扫描，水平方向则以伺服马达转动仪器来完成水平360度扫描，从而获取三维点云数据。地面型三维激光扫描系统工作原理：三维激光扫描仪发射器发出一个激光脉冲信号，经物体表面漫反射后，沿几乎相同的路径反向传回到接收器，可以计算日标点P与扫描仪距离S，控制编码器同步测量每个激光脉冲横向扫描角度观测值α和纵向扫描角度观测值β。三维激光扫描测量一般为仪器自定义坐标系。X轴在横向扫描面内，Y轴在横向扫描面内与X轴垂直，Z轴与横向扫描面垂直。获得P的坐标。

无人机影像匹配点云滤波处理与三维重建

西南交通大学硕士研究生学位论文第Ｖ页目录第１章绪论…………………………………………………………………………………．１１．２国内外研究现状……………………………………………………………………２１．２．１点云数据获取研究现状……………………………………………………．２１．２．２点云数据滤波和分类研究现状……………………………………………．４１．２．３建筑物三维重建研究现状…………………………………………………．６１．３论文的主要内容和结构……………………………………………………………９第２章无人机影像匹配点云………………………………………………………………１０２．１无人机影像匹配点云提取关键技术……………………………………………．．１０２．１．１相机标定……………………………………………………………………１０２．１．２ＰＯＳ辅助空中三角测量……………………………………………………１１２．１．３影像匹配点云提取…………………………………………………………１２２．２无人机影像匹配点云精度评估…………………………………………………．．１７２．２．１精度评定方法………………………………………………………………１７２．２．２精度评估实验………………………………………………………………１８２．３本章小结…………………………………………………………………………．．２１第３章改进形态学滤波算法的点云数据滤波……………………………………………２２３．１改进的数学形态学滤波算法……………………………………………………．．２２３．１．１渐进窗口尺寸的形态学滤波算法…………………………………………２３３．１．２虚拟格网对点云数据组织方式的改进……………………………………２６３．２基于改进的形态学滤波算法实验………………………………………………．．２７３．２．１关键参数设置………………………………………………………………２８３．２．２滤波实验与分析……………………………………………………………２８３．３本章小节…………………………………………………………………………．．３４第４章基于参数化技术的三维重建………………………………………………………３５４．１参数化三维建模技术……………………………………………………………．．３６４．２基于ＣｉｔｙＥｎｇｉｎｅ参数化建模……………………………………………………．３６

建筑物三维图形测绘方法

建筑物三维图形测绘一、三维建筑图从平面图测绘过渡到三维建筑图（可衍生出平面图、立面图、剖面图、轴测图、效果图等）测绘，应注意其异同之点，并按其特点采取相应的测绘方法。平面图主要测定地物的“平面特征点”：直线两端点、圆弧起、中、终点、矩形角点等，据此就可画出平面图形，例如测定墙角点，取点不论高低，都能代表外墙的平面特征点。测绘三维图时，平面图测定点位的规则大部分仍应遵守，但应增加新的测绘规则，例如有时特征点的取点位置有三维的规定，除了平面位置，还有高低的规定，例如墙脚点、屋檐点、门窗角点等，可以称为“三维特征点”。测绘三维建筑图的目的一般有两种：（1）简体三维模型—测绘建筑物外形，例如外墙、屋檐、女儿墙、斜屋盖的轮廓线等。由此形成能简略代表各种建筑物外形的各种立面图、轴测图、透视图、外观效果图、数字化城市的三维地形图等；（2）精细三维模型—测绘建筑物外形、内部结构和细部构造，除了可以形成上述的各种简体模型以外，还可以形成建筑物的详细外观的三维效果图、各层平面图、建筑剖面图、室内效果图、建筑细部详图等，用于个别特殊建筑、历史性建筑的保护和资料存档。测绘三维建筑图必须了解建筑物的基本结构和细部构造（有关参考资料如：《房屋建筑工程基本知识》、《建筑施工技术》、《AutoCAD建筑图形设计与天正建筑Arch工程实践》等），根据其结构控制和构造特点测定其相应的特征点，并要求对所采集的点位信息具有一定的代表性和可检核性。例如，同一墙面的墙脚点、同一屋盖的屋檐点应为同高，平面和立面上应符合结构要求等。二、房屋建筑的结构和特征点测定房屋建筑基本结构大致分为：承重墙结构、框架结构、混合结构。对于承重墙结构，外墙及内承重墙为测定的主体；对于框架结构，柱列及外墙为测定的主体。据此，拟合“建筑轴线”，作为控制和检核。混合结构为承重墙结构和框架结构的混合，墙和柱为测定的主体。房屋建筑细部构造有：墙壁、柱梁、屋盖（屋面、屋顶）、门窗、台阶、楼梯、地坪、楼板、天花板、建筑装饰等，其特征点测定各有规则。数据采集原则为：采集特征信息，避免冗余采集，应有必要的检核。（1）墙壁墙壁有外墙、内墙、承重墙、隔墙、窗间墙、山墙、墙墩、女儿墙、围墙、装饰墙。外墙的基部有勒脚或装饰性的须弥座等，外墙外有散水、明沟等附属结构物。墙壁的角点是建筑物的重要特征点，墙壁的三维表达必须有基底点（墙脚点，墙与室外地坪或散水的交点）和顶点，因此，墙壁的角点至少测定代表墙顶和墙底的上下两点。一堵墙壁的基底点和顶点必须有多点验证其标高的一致性。同一墙面上的各点应验证其共面性。墙墩为墩与墙的结合，墩的棱线必须测定。门洞、窗洞、通气孔为墙体的空缺部分，应测定洞口在墙面的角点（矩形的洞口如果不能测定4点则至少测3点），作为门窗等定位的依据之一。平屋顶的外围一般有一圈女儿墙，测定的特征点应能表达女儿墙的高度和厚度。围墙和装饰墙往往有各种附属的构件、透漏或图案，应测定若干特征点作适当的表达。墙体的厚度必须作为重要的构建参数测定。墙体测定是构建建筑物主体和拟合建筑轴线的重要依据，因此在测定墙体时应有对建筑物的整体概念和对建筑轴线分布的概念。

基于三维点云处理技术的工件识别和匹配

Computer Science and Application 计算机科学与应用, 2019, 9(12), 2303-2313 Published Online December 2019 in Hans. https://www.360docs.net/doc/c912256463.html,/journal/csa https://https://www.360docs.net/doc/c912256463.html,/10.12677/csa.2019.912256 Parts Identification and Matching Based on 3D Point Cloud Processing Technology Rongrong Chen School of Automation, Southeast University, Nanjing Jiangsu Received: Nov. 20th, 2019; accepted: Dec. 3rd, 2019; published: Dec. 10th, 2019 Abstract In the field of automatic sorting, machine vision technology plays a decisive role. This paper uses a method based on 3D point cloud processing technology to identify and match workpieces, so as to sort out the target workpieces from the messy workpiece piles on the production line. Firstly, a dense point cloud is collected by using a laser sensor to obtain three-dimensional point cloud data of the identified area. Secondly, after denoising and filtering the point cloud data, it calculates the normal vector of the denoised point cloud, and then performing the voxelgriddownsampling to ob-tain key points and reduce the calculation amount. Thirdly, the histogram feature descriptor of the normal direction is calculated for the key point, thereby it obtains the descriptor associated with point cloud of the target and point cloud of the scene. It uses the K-tree structure search algorithm to find a similar descriptor based on the Euclidean distance, and added to the association set. Fourthly, the clustering algorithm is called to obtain a local point cloud set matching the target point cloud in the scene based on the Hough voting algorithm, and then the target point cloud is matched with the locked local point cloud set using the classical point cloud matching algorithm ICP. Finally, the global hypothesis verification algorithm is used to filter out the wrong points to reduce the error rate and to calibrate the identified targets for visual output. Compared with the general algorithm, the me-thod is more efficient and improves the time and accuracy of recognition. Keywords 3D Recognition, ICP, Machine Vision, Point Cloud Technology, Point Cloud Matching 基于三维点云处理技术的工件识别和匹配陈荣荣东南大学自动化学院，江苏南京收稿日期：2019年11月20日；录用日期：2019年12月3日；发布日期：2019年12月10日

【CN109859256A】一种基于自动对应点匹配的三维点云配准方法【专利】

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910189213.6 (22)申请日 2019.03.13 (71)申请人大连理工大学地址 116024 辽宁省大连市高新园区凌工路2号 (72)发明人刘斌　张松　牛晓嫘　 (74)专利代理机构大连东方专利代理有限责任公司 21212 代理人姜玉蓉　李洪福 (51)Int.Cl. G06T 7/33(2017.01) G06T 7/37(2017.01) (54)发明名称一种基于自动对应点匹配的三维点云配准方法(57)摘要本发明公开了一种基于自动对应点匹配的三维点云配准方法，包括以下步骤：采用深度映射方法提取模型的局部几何特征、获得模型中点集的深度矩阵；采用卷积自编码器对深度矩阵进行降维处理提取特征矩阵；根据特征矩阵采用迭代处理方式选取匹配点；采用RANSAC算法对两个点云进行配准。该方法可以直接找到两个点云中的匹配点，并且根据匹配点进行配准，同时本方法不需要预配准，不受点云初始位置的影响；相比现有技术，本方法的鲁棒性和精确度都有大幅度提高。除了点云的整体配准，本方法还可以实现子集配准和公共部分配准，现有技术无法实现上述功能。权利要求书1页说明书5页附图3页CN 109859256 A 2019.06.07 C N 109859256 A

1.一种基于自动对应点匹配的三维点云配准方法，其特征在于包括以下步骤：采用深度映射方法提取模型的局部几何特征、获得模型中点集的深度矩阵；采用卷积自编码器对深度矩阵进行降维处理提取特征矩阵；根据特征矩阵采用迭代处理方式选取匹配点；采用RANSAC算法对两个点云进行配准。 2.根据权利要求1所述的方法，其特征还在于：采用深度映射方法提取模型的局部几何特征具体采用如下方式：获取模型中每个点的相邻点集合，采用PCA算法根据相邻点集合计算该点的法向量，垂直于法向量方向构建圆盘映射面，在圆盘映射面上均匀选取映射点，以映射点为起点沿法向量方向往模型表面发射映射线，将每个映射线的长度作为该映射点处的深度值，将深度值保存在该点对应的深度矩阵中。 3.根据权利要求1所述的方法，其特征还在于：采用卷积自编码器对深度矩阵进行降维处理提取特征矩阵具体方式为：构建卷积自编码器的网络模型，将卷积自编码器分为编码器和解码器，在编码器中设置三个卷积层和三个池化层，在解码器中设置三个反卷积层和三个上采样层，在三维模型中采集多个深度矩阵作为训练样本，利用训练样本对自编码器进行训练获得自编码器模型；将深度矩阵输入到训练好的自编码器模型中、得到对应的特征矩阵，并对特征矩阵进行中心化处理。 4.根据权利要求1所述的方法，其特征还在于：根据特征矩阵采用迭代处理方式选取匹配点采用如下方式：计算特征矩阵每一行的平均值，将三个平均值作为该点的一个三维特征坐标，在参考点的特征坐标周围收集临近点作为匹配的候选点，对所有的候选点进行迭代处理，每次迭代中将候选点的特征矩阵与参考点的特征矩阵对应位置做差值、并求平均差值，将平均差值最小的候选点作为该参考点的匹配点。 5.根据权利要求4所述的方法，其特征还在于：采用RANSAC算法对两个点云进行配准采用如下方式：采用RANSAC算法将两个点云依次迭代、在其中一个点云中随机抽取一定数量的参考点，采用迭代处理方式在另一个点云中寻找这些参考点的匹配点，根据匹配点计算两个点云的配准矩阵，利用配准矩阵对点云进行配准、并计算配准后的两个点云之间的误差，对上述过程进行迭代，选取误差最小的一次迭代结果作为最终的配准结果。 6.根据权利要求4所述的方法，其特征还在于：所述参考点的匹配点采用如下算法获取：设点云A中有一点p，点云B中与p匹配的点是q，对特征矩阵的每一行计算平均值得到该点的特征坐标V f ，将V f 作为该点的索引坐标，对每个点的索引坐标构建k -d树，找出与点p特征坐标距离在1以内的所有点设为点集C，对点集C中的每一个点，计算其特征矩阵F ′与点p 的特征矩阵F之间的差异值s，计算公式为：其中n h 和n w 分别代表特征矩阵的行数和列数，i和j代表遍历矩阵中元素的计数器，设定s<设定阈值，查找最小差异值s即为点p的匹配点。权　利　要　求　书1/1页2CN 109859256 A

基于三维点云的重建技术研究

工学硕士学位论文基于点云的三维重建技术研究蔡宽哈尔滨工业大学 2010年6月

国内图书分类号：TP391.41学校代码：10213国际图书分类号：681密级：公开工学硕士学位论文基于点云的三维重建技术研究硕士研究生：蔡宽导师：唐好选副教授申请学位：工学硕士学科、专业：计算机科学与技术所在单位：计算机科学与技术学院答辩日期：2010年6月授予学位单位：哈尔滨工业大学

Classified Index：TP391.41 U.D.C.:681 Dissertation for the Master Degree in Engineering STUDY ON3D RECONSTRUCTION BASED ON POINT CLOUD Candidate：Cai Kuan Supervisor：Associate Prof.Tang Haoxuan Academic Degree Applied for：Master of Engineering Specialty：Computer Science and Technology Affiliation:School of Computer Science and Technology Date of Defence：June,2010 Harbin Institute of Technology Degree-Conferring-Institution：：

哈尔滨工业大学工学硕士学位论文 -- IV 摘要三维重建技术是计算机视觉、逆向工程、虚拟现实等研究领域中的一个重要问题，是计算机图形学的重要组成部分。随着科学技术的不断发展，传统的基于图像的三维重建方法由于在精确度上、重建速度上、算法适用性上都有着不可避免的缺陷，已很难满足人们对高精度、真实感三维模型建模和绘制的要求，而基于点云的三维重建技术可以直接通过物体表面离散点简单快捷地重构出高度真实的三维模型，因此已成为当前三维重建技术研究的热点，也是其中的重点和难点。本文采用基于点的三维重建技术，对物体进行三维网格表面重建。通过三维激光扫描仪采集物体表面点云，接着对采样点云进行简化处理，进而对简化后的点云采用网格前沿生成算法进行三角网格化，从而恢复出具有真实感的三维物体网格表面模型。为了减少用于三角网格化的点的数量，本文首先对散乱点云进行简化处理。针对点云简化过程中常用的K 近邻搜索算法的搜索效率不能适应海量空间散乱点云这一问题，提出了一种可控参数K 近邻快速搜索算法。通过以测点X、Y、Z坐标值为中心，每隔步长个点搜索与中心坐标值差值小于偏移量的点，取交集中的前K 个点建立测点的K 近邻，然后采用法向精度法对散乱点云进行简化，使得在曲率变化大的地方保留了较多的点，而曲率变化小的地方保留了较少的点，为后续的三角网格化操作打下了良好的基础。在得到简化后的三维物体表面点后，由于这些点是离散分布的，所以需要对点云进行三角网格化。针对以往的散乱点云空间直接三角剖分算法比较少且生成的网格质量和算法效率普遍不高的问题，本文提出一种改进的网格前沿生成算法。首先建立候选点的搜索标准，并生成一个初始三角形，然后不断沿着初始三角形的边界搜索扩展边的最佳候选点，并判断最佳候选点是否是扩展边的前面和后面一些边的最佳候选点，以此生成物体的三维网格表面模型。最后，本文依据所提出的算法及标准设计并实现了一个空间散乱点云三维重建系统，进一步验证了所提算法的可行性和有效性。

三维测图倾斜流程

EPS地理信息工作站倾斜摄影三维测图操作手册北京山维科技股份有限公司 2017年7月

倾斜摄影三维测图 1、创建工程文件 1.1启动软件启动软件需要在eps的文件夹下需找到eps图标。第一次打开前请右键点击eps.exe图标---点击属性---兼容性---在兼容模式前打勾---在以管理员身份运行前打勾。如图：

1.2工作台面定制在使用三维测图中我们必须要定制的模块是三维浏览（3DView），使用倾斜摄影制图还需要定制倾斜摄影三维测图模块。若要定制全部的三维测图，需要将点云三维测图和垂直摄影三维测图一同定制。 1.3新建工程制定完工作台面后便可以在已制定模块下进行绘图制作。初次使用时请点击工程下的新建选项，在弹出窗口中选择需要的模板，填写工程名称并且选择需要存放的路径。 1.4打开工程

若已有工程可以使用打开选项打开已有工程，在弹出窗口中选择路径并选择自己需要打开的工程，对工程命名好后点击打开，或在右边最近项目下选择最近打开过的工程。

2、倾斜摄影模型生成 2.1生成倾斜摄影模型进入到eps三维测图软件之后，我们发现与eps的基础平台相比在菜单栏多出了三维测图菜单选项。制图前需要先生成实景表面模型dsm文件。点击三维测图菜单下拉菜单中的osgb数据转换，在弹出窗口中输入倾斜摄影数据目录和元数据文件，若不是第一次生成数据则需要手动清除先前路径，注意在存放路径不能出现空格、特殊字符等。在倾斜摄影数据目录处选择包含多个瓦片数据存放的文件夹，在元数据出选择对应的xml文件，点击确定,生成dsm文件。

2.2、加载倾斜摄影模型生成dsm文件后点击三维测图下拉菜单下的加载本地倾斜模型加载刚生成的dsm文件。也可以点击加载网络倾斜模型加载存放在共享数据库中的文件。点击后出现弹出窗口，在弹出窗口中选择刚刚生成存放在与瓦片数据同一目录下的dsm 文件（与osgb生成时倾斜摄影目录位置相同）。点击打开。（下边的图不对）

立体测图步骤归纳

立体测图工作流程一、准备数据原始照片 Pos数据像控点坐标相机检校文件二、利用pix4d进行空三加密 POS数据一般格式如下图，从左往右依次是相片号、经度、维度高度航向倾角旁向倾角相片旋角控制点文件，控制点名字中不能包含特殊字符。控制点文件可以是TXT或者CSV。 1建立工程并导入数据 1.1建立工程打开pix4dmapper，选项目 -新建项目，在弹出来的对话框中设置工程的属性，如下图所示，选上航拍项目，不勾植被和倾斜项目，然后输入工程名字，设置路径（工程名字以及工程路径不能包含中文）。新建项目选上，然后选择下一步Next。

2.1加入影像点添加图像，选择加入的影像。影像路径可以不在工程文件夹中，路径中不要包含中文。点Next。 3.1.设置影像属性 ?图像坐标系设置POS数据坐标系，默认是WGS84（经纬度）坐标。 ?地理定位和方向

设置POS数据文件，点从文件选择POS文件。 ?相机型号设置相机文件。通常软件能够自动识别影像相机模型。确认各项设置后，点Next进入下一步。然后点击Finish完成工程的建立。 2快速处理检查这一步可以不做，只是起到一个检查作用。快速处理出来的结果精度比较低，所以快速处理的速度会快很多。因此快速处理建议在飞行现场进行，发现问题方便及时处理。如果快速处理失败了，那么后续的操作也可能出现相同结果。点运行，选择本地处理。设置如下图，初步处理和快速检测选上，其他不选，点开始，等待软件运行完，可以查看快速处理得到的成果（一张的影像拼图），检查快速处理质量报告。质量报告主要检查两个问题，Dataset以及Camera optimization quality。

基于无人机倾斜实景模型的EPS裸眼三维测图1500地形图采集案例分享

基于无人机倾斜实景模型的EPS裸眼三维测图1500地形图采集案例分享基于无人机倾斜实景模型的GIS数据采集，已经广泛用于基础测绘、不动产确权、农村宅基地、旧城改造等各类业务，以其高效便捷，低外业工时，成果丰富等优势深得大家关注。但是，用于采集1：500大比例尺地形图，成果是否可以满足精度要求？是个大家一直比较关心的问题。济南市勘察测绘研究院采用无人机倾斜摄影建模并进行1：500比例尺地形图采集做了实际的生产项目，项目成果顺利通过山东省质检站验收。现将商河县1：500比例尺测图项目情况在此分享，希望对大家的生产能有参考帮助。1 项目概述项目来源济南市规划局于2017年10月发布了招投标公告，济南市勘察测绘研究院成功中标，承担2017年度商河县29平方千米1:500比例尺地形图修测工作。项目概况商河县县城：西至商中河、银河路和西外环路，东至S316省道，北至滨河路，南至新城街。成果要求成果数据建库以及输出DWG格式数据。 2 生产工艺像控点布设· 布点策略：区域网布点· 像控点间距：400米以内，对于大面积耕地或特殊困难地区像控点间距进行适

当放宽· 像控点布设数量：460个无人机影像数据采集· 设备：多旋翼无人机；· 组织：2个作业班组，6名飞控手；· 航飞分区：以硬化路面为分界线，划分29个子测区；· 航摄时间：上午9:00至下午16:00之间；· 相对航高：100米左右；· 航飞重叠率：航向重叠度为75%，旁向重叠度为65%；· 航飞数据检查：照片成像清晰，无大面积云影、烟和反光、污点等缺陷，满足影像质量要求，可直接用于实景三维建模环节。实景三维建模· 作业环境：ContextCapture软件；· 建模分区：整个测区划分为25个建模单元进行生产；· 输出成果：实景三维模型数据和正射影像数据。数据采集与编辑在EPS 软件平台三维测图模块加载实景三维模型和正射影像数据，采用二三维联动一体化测图模式进行数据的采集和更新。外业调绘外业调绘内容（1）部分线状悬空的地物，如电力线等，实景三维建模难度大，难以从模型中准确辨别其走向和连接关系。（2）由于地物遮挡造成的实景三维模型的局部变形、模糊，导致少量地物要素难以准确采集的情况。（3）部分地物的属性信息，如检修井的属性信息、路名、企事业单位等注记信息。内业编辑整理结合外业调绘成果，进行数据编辑整理。数据质检基于EPS质检模型进行图面、精度、空间与属性的检查。成果输出输出DWG成果；输出MDB成果。

三维点云测图

三维点云测图系统为满足（机载、车载、地面激光等）多源点云数据在各个行业内的高效利用和有效拓展，我们公司经过多年在地形图、地籍图等测绘领域的生产实际，研发了一款基于稠密点云数据的采编入库一体化测图软件。该软件可进行海量点云的三维可视化，进行矢量采集、数据编辑、DLG质检、数据入库等操作；自动生成高程点、等高线、示坡线等地形要素；进行点云数据的切片展示、裁切处理；可根据点云生成灰度影像图；支持多种点云格式（las、bin、pts、ply、ptx、xyz）的导入；配备了国家标准编码的地物要素属性表，和符合最新图式要求的符号库和线型库系统，支持全要素地形图的测绘要求；支持多种矢量数据格式（dwg、dxf、cas、dgn、shp、mdb、gdb、mhdb）的导入导出；支持正射影像图的添加；支持土石方量的计算；支持表面平整度的检测等功能。该软件采用模块的结构设计，并可根据用户需求进行定制，软件灵活度高，可以广泛应用于国土、交通、电力、水利、林业、应急响应等行业和部门。硬件配置要求： 1、64位window操作系统的PC机，内存大于等于8GB 2、独立显卡，显存大于或等于2GB 软件优势： 1、多种渲染方式（RGB色、全局高程色、高程循环色、分类颜色、强度色等）的支持； 2、支持三维倾斜摄影模型数据（OSGB）的加载与测图； 3、支持大数据量正射影像的加载、测图和区域自动提取功能； 4、基于高程或高度的点云数据实时切片功能； 5、基于直线交汇和面片提取原理的高精度测图方式； 6、强大的数据采编制图工具集； 7、房屋、围墙的自动提取功能； 8、点云转换为正射影像的功能；

主要功能： 1、海量点云数据的快速测图方式，支持200G大场景点云的测图功能，支持按照RGB色、高程色、强度色等多种渲染方式。高程渲染强度渲染

立体测图流程总结

立体测图流程总结文件编码（GHTU-UITID-GGBKT-POIU-WUUI-8968）

立体测图工作流程一、准备数据原始照片 Pos数据像控点坐标相机检校文件二、利用pix4d进行空三加密 POS数据一般格式如下图，从左往右依次是相片号、经度、维度高度航向倾角旁向倾角相片旋角控制点文件，控制点名字中不能包含特殊字符。控制点文件可以是TXT或者CSV。 1建立工程并导入数据建立工程打开pix4dmapper，选项目 -新建项目，在弹出来的对话框中设置工程的属性，如下图所示，选上航拍项目，不勾植被和倾斜项目，然后输入工程名字，设置路径（工程名字以及工程路径不能包含中文）。新建项目选上，然后选择下一步Next。加入影像点添加图像，选择加入的影像。影像路径可以不在工程文件夹中，路径中不要包含中文。点Next。

3.1.设置影像属性图像坐标系设置POS数据坐标系，默认是WGS84（经纬度）坐标。地理定位和方向设置POS数据文件，点从文件选择POS文件。相机型号设置相机文件。通常软件能够自动识别影像相机模型。确认各项设置后，点Next进入下一步。然后点击Finish完成工程的建立。

2快速处理检查这一步可以不做，只是起到一个检查作用。快速处理出来的结果精度比较低，所以快速处理的速度会快很多。因此快速处理建议在飞行现场进行，发现问题方便及时处理。如果快速处理失败了，那么后续的操作也可能出现相同结果。点运行，选择本地处理。设置如下图，初步处理和快速检测选上，其他不选，点开始，等待软件运行完，可以查看快速处理得到的成果（一张的影像拼图），检查快速处理质量报告。质量报告主要检查两个问题，Dataset以及Camera optimization quality。 Dataset(数据集)：在快速处理过程中所有的影像都会进行匹配，这里我们需要确定大部分或者所有的影像都进行了匹配。如果没有就表明飞行时相片间的重叠度不够或者相片质量太差。 Camera optimization quality（相机参数优化质量）：最初的相机焦距和计算得到的相机焦距相差不能超过5%，不然就是最初选择的相机模型有误，重新设置。