基于深度图像的模型重建技术是当前计算机图形学研究的热点,如何快速实现深度图像的精确配准是大场景模型重建的关键问题。文中针对地面三维激光扫描深度图像的特征配准展开研究,分别介绍了标签配准、手工配准及特征面配准的原理与软件实现。可为理论、工程研究提供参考。

点云配准是地面三维激光扫描数据处理的重要环节。面向地形起伏较小的场景,提出了一种基于投影分布熵的地面激光点云自动配准方法,利用信息熵对点云投影分布的集中程度进行描述,并寻找点云间的最佳分布进行粗配准,以此作为迭代最邻近点算法的初始值进行精配准。相对于基于特征的自动配准方法,该方法主要关注点云整体分布的一致性。实验表明,该方法具有较高的稳定性和成功率,尤其在点云场景出现较大视角变化或包含较多重复、对称结构时具有良好的配准结果。

采空区传统监测方法存在观测数据量少、无法或难以监测无人空区、不能定量观测空区垮落等缺点。采空区三维激光扫描仪可以有效、全面地扫描采空区的三维形态，但是由于矿山现场粉尘、水汽及仪器本身等的影响，获取的点云存在着各种噪声，并且由于现场地面可能会发生变形，前后两次扫描的点云并不能够完全重叠，这为点云的后续利用带来很大麻烦。为此，根据采空区点云的实际情况，提出了基于KD Tree的点云去噪方法和基于点云特征的配准方法，实验表明该方法可以有效地去除点云中存在的噪声及对点云进行配准，为后续的点云利用提供了数

正态分布变换(NDT)算法是一种应用在同时定位和地图生成(SLAM)中的点云配准算法。针对地面激光扫描(TLS)数据的特点，改进了NDT 算法，提出了一种基于SURF 的NDT 配准算法，使之能应用在TLS 中。该算法首先建立点云和图像间的映射关系把点云影像化；利用加速稳健特征(SURF)算法提取图像的特征点并找出特征点对；根据映射关系找到相应的三维特征匹配点，求出变换矩阵，完成点云初始配准。在NDT 算法中，设置初始矩阵为单位矩阵，对点云体素化并使用概率分布函数对点云精细配准。实验结果证明，该