机载与车载LiDAR点云自动配准：实证方法与应用

本文探讨了一种新颖的机载LiDAR（Light Detection and Ranging，即激光雷达）与车载LiDAR点云的自动配准方法，由张靖、沈欣和姚璜三位专家共同研究。在当前城市三维数据采集中，机载激光扫描（ALS）和车载激光扫描（MLS）扮演着关键角色，但各自存在局限性，例如无法完全捕捉目标的顶部表面和所有立面信息。为了弥补这一不足，点云间的精确配准是至关重要的，这有助于融合两种数据源，从而获得更全面的三维模型。 作者们提出了一种创新算法，该算法分为两个主要步骤。首先，通过自动化技术识别并提取点云中的地面和立面区域，这是基于点云的特性，利用它们的平坦度特征进行区分。接着，利用候选点的可靠度判断，进行方向加权的增量式 closest point registration (ICP，迭代最近点算法)。这种方法强调了在选择配准点时对方向信息的权重，以提高配准的精度。 实验部分，作者们选择了 Dundas 地区的真实 ALS 和 MLS 数据进行测试，结果显示他们的算法能有效地消除这两种数据源之间的几何偏差，证明了其在实际应用中的可行性和有效性。此外，论文引用了相关领域的分类号 P231，表明了研究的专业性和针对性，以及与激光雷达、点云处理和配准技术的紧密关联。 这项研究对于提高城市三维建模的精度和完整性具有重要意义，为机载和车载LiDAR数据的融合处理提供了一种先进的自动化解决方案，适用于地理信息系统（GIS）、城市规划、遥感等领域。通过这篇首发论文，作者们不仅贡献了一个实用工具，也推动了LiDAR技术在城市测绘中的进一步发展。