迭代计算转换参数，其中，七参数转换模型为： LlN 丄Ut)UbLlt)4 Λ rVJ Ij 4/y
[0047]
[0048] 其中，j = l，2，...，p ;p代表同名点，包括人工靶标点和所述点云数据的匹配对的 总数；i代表第i个扫描站点或人工靶标点；m代表尺度因子，Y代表参考坐标系统中的坐标 向量；X代表人工革G标点或扫描站点坐标系统中的坐标向量；ΔΧ为平移向量；R为旋转矩 阵，由（ω, Φ, κ )三个旋转角表示，其中七参数分别包括三个旋转参数、三个平移参数和 一个尺度参数。
[0049] 其中，所述构筑物几何模型拟合单元用于根据点云进行二次型拟合，依据行列式 方法对构筑物几何模型进行判断和拟合，二次型表示为：
[0050]
[0051] 其中，M是对称系数矩阵；xk是单个点的坐标向量（k = 1，2. ..，η) ;η代表点的个 数；m是系数向量；α为尺度参数；
[0052] 根据二次型估计结果，利用点云数据自动建立构筑物的3D模型，所述构筑物的3D 模型包括椭圆柱体、球体、平面体、圆锥体、椭球体或圆柱体。
[0053] 由上述技术方案可知，本发明所述的基于地面三维激光扫描的构筑物精细变形监 测方法具有如下优点：
[0054] (1)同时将靶标点和点云匹配对作为同名点进行基准转换，提高转换精度；
[0055] (2)根据点云对典型构筑物表面进行几何形状的自动判断，并自动进行3D建模；
[0056] (3)根据不同形状采取不同分割算法的基础上进行3D变形展示，更精细化的表示 局部细节。
【附图说明】
[0057] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 这些附图获得其他的附图。
[0058] 图1是本发明实施例一提供的基于地面三维激光扫描的构筑物精细变形监测方 法的流程图；
[0059] 图2是本发明实施例一提供的基于地面三维激光扫描的构筑物精细变形监测方 法的另一种流程图；
[0060] 图3是本发明实施例二提供的基于地面三维激光扫描的构筑物精细变形监测系 统的结构示意图。
【具体实施方式】
[0061] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是 本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员 在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0062] 图1和图2示出了本发明实施例一提供的基于地面三维激光扫描的构筑物精细变 形监测方法流程图，参见图1和图2,所述基于地面三维激光扫描的构筑物精细变形监测方 法包括：
[0063] 步骤101 :利用GPS或全站仪布设人工靶标点，建立靶标点监测网。
[0064] 在本步骤中，以全站仪、GPS和/或若干靶标球/面为工具，分别以大坝、桥梁和隧 道为被测物体，分别采集不同时刻的观测数据，建立变形监测网。
[0065] 通常一个测站往往不能完全扫描到构筑物的整个表面，在同一时刻分别布设若干 个测站。其中，以全站仪构建高精度的局部变形监测网；如果扫描站距离被测物体距离较 远，扫描仪配套的靶标球/面不足以高精度拟合靶标中心时，则启用改造后的靶标面。将构 筑物以外的点云进行删除后，下一步将不同扫描站的数据转换至同一参考坐标系统Y。
[0066] 步骤102 :利用地面三维激光扫描仪采集不同时刻的构筑物表面的点云数据。
[0067] 在本步骤中，布设多个地面三维激光扫描仪扫描站点，在对被测物体扫描过程中， 往往出现个别测站由于摆设位置佳，距离适中，获取数据精度高。相反，有些扫描站受实际 地理位置的限制，扫描获取的数据精度差些。因此可以将位置好、扫描精度高的某个扫描 站，作为主扫描站点，其余不是最佳位置的扫描站作为辅助扫描站点。根据几何关系或者特 征点将各个扫描站的点云分成块，每个块内的点云通过最小二乘进行拟合，估计出块点，并 建立起不同扫描站点的块点之间的一一对应关系，得到点云数据的匹配对。
[0068] 步骤103 :将靶标点监测网采集的数据和地面三维激光扫描仪采集的数据转换至 同一参考坐标系。
[0069] 在本步骤中，把块点和人工靶标点同时作为同名点，将人工靶标点采集的数据和 不同扫描站点的点云数据一次性转换至参考坐标系统中，根据七参数转换模型，通过严格 的高斯-海尔摩特模型进行迭代计算转换参数，其中，七参数转换模型为：
[0070]
[0071] 其中，j = l，2，...，p ;p代表同名点，包括人工靶标点和所述点云数据的匹配对的 总数；i代表第i个扫描站点或人工靶标点；m代表尺度因子，Y代表参考坐标系统中的坐标 向量；X代表人工革G标点或扫描站点坐标系统中的坐标向量；ΔΧ为平移向量；R为旋转矩 阵，由（ω, Φ, κ )三个旋转角表示，其中七参数分别包括三个旋转参数、三个平移参数和 一个尺度参数。
[0072] 根据泰勒展开，对上述函数进行线性化。通过拉格朗日算子，进行最小误差的解 算：
[0073]
[0074]
[0075] ；
[0076] 其中，A和B分别为未知参数和观测值的雅克布矩阵；Q11为观测值的协因子矩阵； w为闭合差；χ°为参数的估计值；Siu为起始估计值的改正值；和f分别为第一次迭代后 的参数估计值和改正值。依次迭代，直到第i次迭代向量S xVj、于某个阈值时，迭代停止。
[0077] 最小二乘算法对粗差比较敏感，虽然可以提前将含有粗差的观测值剔除，但是不 易实现，因此，采用Hampel函数进行稳健估计，将可能含有粗差估计量的权重不断降低，来 尽量降低粗差对数学模型的影响。来自地面三维激光扫描技术的三个初始观测值（距离d、 水平角P和垂直角Θ)精度不同，为了提高数据处理的精度，通过最优不变二次无偏估计 进行方差分量估计。通过迭代计算，得到未知参数的估计值和精度。
[0078] 步骤104 :利用上述同一参考坐标系中的数据对构筑物几何模型进行判断和拟 合。
[0079] 在上述步骤利用人工靶标点完成不同扫描站点的点云数据的坐标统一后，利用坐 标转换后的点云数据对构筑物几何模型进行判断和拟合。一般地，典型构筑物表面往往是 规则的，对于规则物体表面，根据坐标转换后的点云数据进行二次型拟合，依据行列式方法 对构筑物几何模型进行判断和拟合，二次型表示为：
[0080]
[0081] 其中，M是对称系数矩阵；xk是单个点的坐标向量（k = 1，2. ..，η) ;n代表点的个 数；m是系数向量；α为尺度参数；
[0082] 利用最小二乘算法，用高斯-海尔模特模型进行解算，得到未知参数的解。通过行 列式方法来判定物体的几何形状。由于典型构筑物的表面一般呈规则的形状，因此某个特 定形状的构筑物可以由一个统一的数学模型表示，建立起模型库。
[0083] 根据二次型估计结果，利用点云数据自动建立被测物体的3D模型。所述构筑物的 3D模型包括椭圆柱体、球体、平面体、圆锥体、椭球体或圆柱体。
[0084] 步骤105 :根据拟合得到的构筑物的几何模型进行点云数据的分割，将点云数据 分割成若干个块，每个块拟合成一个代表点。
[0085] 在本步骤中，将不同时刻的扫描数据依据二次型估计算法建立的统一框架模型， 针对估计形状为椭圆柱体、球体、平面体、圆锥体、椭球体或圆柱体的构筑物，将整个构筑物 表面分成若干块Cr i, Ci):
[0086