几何引导的自适应视线-曲面求交用于激光雷达相机融合空间定位

《ISPRS International Journal of Geo-Information》:Geometry Guided Adaptive Ray-Surface Intersection for LiDAR Camera Fusion Spatial Localization

【字体: 大 中 小 】 时间:2026年08月27日 来源:ISPRS International Journal of Geo-Information 3.2

编辑推荐:

  在激光雷达(LiDAR)与相机融合测量中,传统最近邻反投影方法受限于离散点云采样,在稀疏点云条件下难以准确恢复图像测量点对应的空间位置。复杂工业环境中的目标常呈现多样化局部几何结构,单一曲面模型难以有效描述不同表面特征。研究人员提出一种几何引导的自适应视线(r

  
在激光雷达(LiDAR)与相机融合测量中,传统最近邻反投影方法受限于离散点云采样,在稀疏点云条件下难以准确恢复图像测量点对应的空间位置。复杂工业环境中的目标常呈现多样化局部几何结构,单一曲面模型难以有效描述不同表面特征。研究人员提出一种几何引导的自适应视线(ray)-曲面(surface)求交测量方法,以视线到连续曲面求交取代传统的图像到离散点映射。该方法由图像测量点与相机光心构建空间视线,通过最近投影点反投影提取局部邻域点;基于曲率(curvature)与法向矢量统计特征将局部曲面分为平面、曲面、多平面与散点四类,并分别采用RANSAC平面拟合、移动最小二乘(MLS)曲面拟合、体素辅助平面搜索或基于象限的双线性面片拟合自适应构建曲面模型;随后通过射线-模型求交获得三维坐标。实验在5–20 m范围的工业设备仓库多类目标上展开,结果表明所提方法将平均测量误差由最近邻方法的5.63 cm降至1.81 cm;当点云密度降至25%时,平均绝对误差仅增加26.5%,而最近邻与插值方法分别增加92.6%与58.7%,证明了该方法在稀疏点云下LiDAR-相机融合测量的有效性与鲁棒性。
研究背景与动机
在大型设备装配车间等复杂工业环境中,防止悬挂机械或机械臂与固定/半固定设备(如电气柜、加工机械)碰撞是保障生产安全的核心需求。传统全站仪效率低、单目视觉缺深度、现有LiDAR-相机融合多采用“点云投影+图像最近邻搜索”范式,其本质仍依赖离散采样点;在稀疏点云下,图像测量点的真实空间位置通常位于相邻采样点之间,最近邻映射会引入显著偏差,而工业设备外壳、线缆等几何形态多样,进一步放大误差。为此,研究人员在《ISPRS International Journal of Geo-Information》发表研究,提出将“图像点→离散点”转化为“视线→连续曲面”求交的新范式:由图像点与其对应相机光心唯一确定空间视线,求交于局部重建的连续几何表面而非离散点云,从而克服离散采样限制。
主要关键技术方法
研究人员采用北醒Horn-X2 Pro LiDAR与大恒MER2-231-41GM/C相机,以南方NTS-382R10全站仪为真值,基于Chen等人一体化外参标定法(平均重投影误差1.78像素)对齐坐标系。方法流程为:扇形区域搜索与内接边界框(IBB)提取图像-点云重叠有效区;由针孔模型从图像测量点(u,v)与光心构造视线r(t)=t·d;以最近投影点反投影三维点为中心、半径r提取邻域点云;通过协方差矩阵特征值计算曲率κ=(λ0+λ1)/λ2、法向矢量集及法向方向熵H与峰数Np、法向角标准差σθ,依阈值κτ=0.08、Hτ=2.5、στ=70°将局部面分为Plane、Curve、Mul_Plane、Mass四类;对四类分别用RANSAC平面拟合+Alpha Shape边界约束、MLS二次曲面拟合、体素化+RANSAC多平面候选+最近交面选取、KNN四象限控制点双线性面片拟合,最终解射线-模型方程得三维坐标。
研究结果
4.1 几何引导目标分类实验:在厂房墙面(Plane)、门框角(Mul_Plane)、乱堆物(Mass)、球面(Curve)上统计曲率与法向分布,验证κτ=0.08可分离低/高曲率组,H区分Plane/Curve(H<2.5为Plane),σθ区分Mul_Plane/Mass(σθ>70°为Mul_Plane),分类策略成立。
4.2 测量精度比较:以全站仪相对距离为真值,所提方法平均误差1.81 cm,优于最近邻5.63 cm与插值法3.46 cm。
4.3 稀疏点云密度下精度稳定性:原密度至75%、50%、25%随机下采样,所提方法平均误差由1.81 cm增至1.92 cm(+6.1%)、2.05 cm、2.29 cm(+26.5%);最近邻达10.85 cm(+92.6%),插值达5.49 cm(+58.7%),证明稀疏条件鲁棒性最优。
4.4 不同几何测量策略精度比较:对10标记点分别强制四种策略,自适应选模平均误差最低,固定Mass策略在原密度下(1.80 cm)与自适应(1.81 cm)相当但随密度下降恶化更快。
4.5 自适应与固定Mass策略跨密度对比:25%密度时固定Mass误差4.37 cm(+142.8%),自适应仅2.29 cm(+26.5%)。
4.6 跨场景泛化:室外同参数实验,所提方法平均误差3.14 cm,仍低于最近邻4.21 cm、插值6.30 cm。
4.7 分类阈值敏感性:κτ∈0.05–0.15、Hτ∈2.0–3.0、στ∈60°–80°波动仅引起少量模糊边界重分类,默认参数稳定。
讨论与结论翻译
讨论部分指出,该方法将视线-连续曲面求交替代离散点对应,按Plane/Curve/Mul_Plane/Mass自适应选模,在5–20 m工业场景将平均误差由5.63 cm降至1.81 cm;25%密度下误差仅增26.5%,远优于最近邻(92.6%)与插值(58.7%)。原密度下固定Mass(1.80 cm)与自适应(1.81 cm)相当,但稀疏时固定Mass恶化至4.37 cm(+142.8%)。研究以相对距离误差评价,契合工业防碰撞需求,绝对坐标精度受外参标定与坐标注册影响留待未来工作;后续将拓展动态场景与多传感器融合。
结论:研究人员提出几何引导自适应视线-曲面求交LiDAR-相机融合测量框架,以射线-连续面求交克服离散点云限制;基于曲率、法向熵等特征分四类并自适应选用RANSAC平面、MLS曲面、体素辅助多平面、双线性面片四种模型;工业库房5–20 m实验表明平均误差1.81 cm,25%点云密度下误差增幅26.5%,显著优于基准方法,验证了在稀疏点云复杂工业表面的精度与鲁棒性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号