(19)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 20221084189 9.4 (22)申请日 2022.07.18 (71)申请人 南昌工程学院 地址 330000 江西省南昌市高新区天祥大 道289号 (72)发明人 万程辉　白鹏军　 (51)Int.Cl. G06T 17/00(2006.01) G06T 19/20(2011.01) G06T 7/11(2017.01) G06T 7/62(2017.01) G06T 7/73(2017.01) (54)发明名称 远程地面激光扫描技术提取监测对象表面 同名特征点的方法 (57)摘要 本发明公开了一种远程地面激光扫描技术 提取监测对象表面同名特征点的方法， 它涉及测 绘工程、 水利工程及岩土工程技术领域。 外业获 取监测对象不同时期点云数据； 内业将不同周期 监测变形区域统一到同一工程坐标系； 建立八叉 树空间索引， 根据线性回归算法拟合平面， 提取 网格内平 面点云重心为平面特征点； 把不同周期 变形区域表面点云与首期点云表面平面特征点 利用ICP算法匹配， 比较识别变形位置转换前后 同名特征点的坐标变化， 求出不同周期监测变形 区域的位移量与倾斜度， 对关键变形区域进行表 面特征的变形分析， 获得变形趋势。 本发明克服 点云散乱无序、 减少点云匹配误差， 监测结果精 度高， 可应用实时滑坡监测、 塔吊安全监测、 古建 筑保护修复。 权利要求书4页 说明书11页 附图3页 CN 115147551 A 2022.10.04 CN 115147551 A 1.远程地面激光扫描技术提取监测对象表面同名特征点的方法， 其特征在于， 分为外 业和内业， 其 步骤为： (1)外业： 利用远程 地面三维激光扫描仪在固定测站上获取不同时期的点云数据； (2)内业： ①将不同周期点云数据导出， 进行点云数据处 理与分析； ②对不同周期扫描的点云数据， 利用扫描靶标拟合点云中心的空间后方交会方法建立 统一的监测坐标系； ③对扫描区域内点云 建立八叉树空间索引； ④根据线性回归算法拟合平面； ⑤提取网格内平面 点云重心为平面特 征点； ⑥对不同周期扫描的非监测范围稳定区域点云数据， 利用迭代最近点(ICP)拼接算法 统一工程 坐标系； ⑦识别提取的平面同名特征点， 利用特征点直方图的方法， 识别提取的平面特征点对 应变形位置的平面特征点为同名监测点， 对扫描监测体的关键变形区域进 行表面特征的变 形分析； ⑧将不同周期变形区域的平面特征点与首期监测的变形区域平面特征点进行ICP算法 匹配， 使不同周期变形区域表面点云与首期点云表面点云重合， 对不同周期同名特征点在 匹配前后的坐标变化进行比较分析， 通过识别的同名特征点坐标前后变化快速求出不同周 期监测变形区域的位移量与倾 斜度， 获得监测体表面 不同平面特 征位置的变形趋势。 2.根据权利要求1所述的远程地面激光扫描技术提取监测对象表面同名特征点的方 法， 其特征在于， 所述的步骤 ②对不同周期扫描的点云数据， 利用扫描靶标拟合点云中心的 空间后方交会方法建立统一的监测坐标系： 利用精密扫描平面靶标点云拟合圆心的原理为： 设拟合的圆心坐标为(x0， y0， z0)， R为 已知靶标半径， (A， B， C)为靶标拟合平面法矢量， 每个球面点拟合后估值与实际值的差值 为： ei(x0， y0， z0)＝A(xi‑x0)2+B(yi‑y0)2+C(zi‑z0)2‑R2    (1)差值平方和为： E(x0， y0， z0)＝∑ei(x0， y0， z0)2    (2)E为x0， y0， z0的函数， 令E分别对x0， y0， z0求偏导 数， 令其值为0， 即可求出(x0， y0， z0)； 已知3个靶标中心坐标(x， y， z)建立三维空间后方交会方程， 可求得远程地面三维激光 扫描中心坐标(Xs， Ys， Zs)： 其中式(3)左边是目标坐标系统下的坐标， 右边(下标为S)表示原坐标系统下坐标； [Δ X ΔY ΔZ]T＝T[Xs Ys Zs]T为平移因子， 其意义是参考点旋转后的坐标； μ为尺度因子； T为 坐标转换旋转矩阵， ΔX、 ΔY、 ΔZ、 μ、 α、 β、 γ为7参数， 后3个称为旋转参数或角度参数； 当靶标数大于3个权　利　要　求　书 1/4 页 2 CN 115147551 A 2时， 利用最小二乘 原理求出最优地 面三维激光扫描中心坐标(Xs， Ys， Zs)。 3.根据权利要求1所述的远程地面激光扫描技术提取监测对象表面同名特征点的方 法， 其特征在于， 所述的步骤 ③首先依据点云最小包围盒确立八叉树根节点， 然后将八叉树 根节点沿XYZ方向等分为8个小立方体作为子节点， 对所有节点及所包含的点云进行分割， 直到立方体边长小于规定的阈值时停止 。 4.根据权利要求1所述的远程地面激光扫描技术提取监测对象表面同名特征点的方 法， 其特征在于， 所述的步骤 ④将包围盒 内分割的点云， 利用线性回归算法拟合平面特征点 云： 针对扫描获取表 面点云分区后， 对每个 分区三维点云数据进 行提取， 将数据集按比例8： 2随机分成训练集和 测试集两组点云， 对训练集的点云数据集建立线性回归方程组： 式(5)中(x， y， z)为测试数据集点云数据； (A， B， C)为平面单位法向量， 且A2+B2+C2≠1； D 为坐标原点到平面的距离； 建立好平面回归 模型参数 方程组后， 建立回归 模型的损失函数： 式(6)为残差平方和， 是衡量回归模型误差的函数， 函数值越小， 说明拟合平面的效果 越好， 设定损失函数 的阈值， 不断对给定的训练集点云数据进行线性回归分析直至损失函 数降至指定阈值。 5.根据权利要求1所述的远程地面激光扫描技术提取监测对象表面同名特征点的方 法， 其特征在于， 所述的步骤 ⑤网格内平面特征点计算： 根据立方体网格内平面特征点云， 提取平面特 征点云的重心作为平面特 征点T(cx， cy， cz)： 式(7)为满足拟合平面特 征点云坐标(xi,yi,zi)(i＝1， 2， 3…n)。 6.根据权利要求1所述的远程地面激光扫描技术提取监测对象表面同名特征点的方 法， 其特征在于， 所述的步骤 ⑦通过考虑其k邻域中法线方向之间所有的相互作用， 然后以 步骤③提取的点云为基础首先建立最大正方体包围盒， 包含所有点云， 通过调整不同的k邻 域搜索半径不断地以正方体包围盒的方式分割点云， 根据提取特征点法线的方向对数据进 行归类， 点云稀疏的位置 建立大的包围盒， 点云密集的位置建立小的包围盒， 对监测位置进 行重点分割， 将相同k邻域半径的包围盒的重心 点连接起来拟合平面， 依次类推直到 建立的 包围盒中包含一个特征点为止， 根据法线方向和k邻域半径以及监测区域可以将变化明显权　利　要　求　书 2/4 页 3 CN 115147551 A 3