买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉大学申请的专利适用于森林环境的多站地基激光扫描点云配准方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119648758B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411665109.7，技术领域涉及：G06T7/33；该发明授权适用于森林环境的多站地基激光扫描点云配准方法及系统是由梁欣廉;王晓晨设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本适用于森林环境的多站地基激光扫描点云配准方法及系统在说明书摘要公布了：本发明属于激光扫描技术领域，公开了一种适用于森林环境的多站地基激光扫描点云配准方法及系统。首先，本发明把原始三维点云转换到二维距离图像中，基于连续性约束提取树干并查找树干根点位置。其次，构建三角形描述子，扫描中描述各树干间的空间关系，并存储在一个哈希表中。利用哈希表的搜索操作查找对应的三角形对，计算扫描间的相似性，提取三维变换参数。把待求的扫描站位姿作为节点，把相对变换作为因子约束，通过因子图优化获取整体一致性最优的扫描站位姿参数。最后，以因子图优化后的转换参数作为初值，使用ICP方法对其优化调整，通过深度优先策略推导出各扫描站在统一坐标系中的位姿，转换局部点云到统一坐标系，实现全局点云配准。

本发明授权适用于森林环境的多站地基激光扫描点云配准方法及系统在权利要求书中公布了：1.一种适用于森林环境的多站地基激光扫描点云配准方法，其特征在于，包括以下步骤： 步骤1：生成距离影像； 步骤2：树干点连续性约束； 从列方向进行距离连续性约束，提取其中的稳定部分点云； 步骤3：树干点方向约束； 利用连续性约束提取出的树干点中仍存在部分密集枝叶及零星的地面片段，聚类划分点云簇，随后利用各簇的几何特性来去除枝叶及地面点，并保留树干点； 步骤4：构建三角形描述子； 利用三角形来描述离散树干位置之间的相对关系；多个三角形组合成三角网，用于描述树干在扫描中的整体分布；三角形数量取决于扫描样地的尺寸以及树干密度； 步骤5：三维点云粗配准； 通过哈希表的高效搜索操作，查找三角形匹配对，计算扫描站匹配对间的相似度，若相似度满足阈值，则输出扫描点云对的粗配准参数； 步骤6：因子图优化； 引入因子图优化方法，建模多站相对变换之间的不一致性，经整体优化后获得全局一致的变换参数； 步骤7：点云精配准及位姿估计； 使用因子图优化后的相对位姿变换参数作为初值，通过基于点对点的ICP方法进行优化；通过优化后的变换参数推导各扫描站在统一坐标系下的位姿，并转换所有扫描站点云到统一坐标系，形成整体一致的全局点云； 所述树干点连续性约束： 1定义搜索步长Step，像素差异阈值Rdiff，分组像素数阈值Segth三个参数，分别设置为15像素，0.03m，和100个像素； 2针对距离图像中的每一列，从第一个点出发，在搜索步长Step范围内比较搜索点与当前点之间的像素值差异，若小于预设的阈值Rdiff，则搜索点与当前点划分为同一组；反之，则新建分组； 3重复上述操作，直到完成访问距离图像中的所有像素； 4统计各分组中的像素数量，若超过预设阈值Segth则保留，对该分组中的像素标记为1，反之则丢弃，对此分组中的像素标记为0； 5遍历所有的像素，若标记为1，则保留对应的扫描点，反之，标记为0，则丢弃该扫描点； 所述树干点方向约束： 1利用欧氏距离聚类，对步骤2中提取的点云数据进行处理，划分为不同点云簇； 2对每个点云簇进行主成分分析PCA，计算线性Lλ、平面性Pλ、分散性Sλ三个参数，描述点云簇在空间中的几何分布，通过公式2定义； 式中，λ1＞λ2＞λ3是降序排列的特征值，对应表示在特征向量方向的变化程度； 3树干点在空间中表现为线性分布，即其具有较大的线性Lλ，而地面点具有较大的平面性Pλ，枝叶点具有较大的分散性Sλ；因此，利用此特性对提取的点云簇类型进行判断，若某一点云簇满足条件Lλ＞0.95，则认为此点云簇为树干；使用几何约束前后的点云簇分布； 4利用提取出的树干点云簇，提取对应的树干位置；其平面位置x,y为点云簇的中心，z分量则选择为树干的根点，即树干与地面的交点，底部黑色点即为提取出的树干位置； 所述构建三角形描述子： 1筛选三角形； 1针对任意一个树干位置，以其为中心，搜索10个近邻点； 2任意挑选两个近邻点，与当前点组合为三角形； 3若构建的三角形为等腰等边三角形，则去除；反之，若三边各异，则保留； 4重复上述操作，遍历所有的树干位置； 2哈希表存储 1使用“除留余数法”构建一个哈希函数，通过公式3定义； hl1,l2,l3＝mod[modl1*m,N+l2*m,N]+l33 式中，l1,l2,l3为任意三角形的边长，且降序排列l1＞l2＞l3；m是一个大素数，N代表了哈希表的大小； 2针对三角网中的每个三角形执行上述操作，使得每个三角形均能投影到哈希表中的唯一索引； 3对样地中的所有TLS扫描均投影到哈希表对应位置；若遇到哈希冲突，则使用链接法进行处理； 所述因子图优化： 1因子图建模 针对某一森林样地，进行多站TLS扫描；随后，以每站扫描在统一坐标系下的待求位姿作为节点，以相邻站间的粗变换作为因子约束，建立因子图模型； 2全局优化 综合考虑因子图中的所有节点与约束，转换为一个在贝叶斯估计框架下的最小二乘问题；降低各相对变换间的不一致性，求解最优的扫描站位姿与相对变换。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉大学，其通讯地址为：430000 湖北省武汉市武昌区八一路299号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。