技术特征：
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：e
i
(x0，y0，z0)＝a(x
i-x0)2+b(y
i-y0)2+c(z
i-z0)
2-r2ꢀꢀꢀꢀ
(1)差值平方和为：e(x0，y0，z0)＝∑e
i
(x0，y0，z0)2ꢀꢀꢀꢀ
(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；[δx δy δz]
t
＝t[x
s y
s z
s
]
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
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(c
x
，c
y
，c
z
)：式(7)为满足拟合平面特征点云坐标(x
i
,y
i
,z
i
)(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
的特征点识别出来，以描述监测对象的几何特征；算法过程如下所述：首先确定k值，选取点pq并确定其k邻域，记录点集状态，然后选取邻域内的两点p1、p2，并求出各自的法线n1、n2，以n1、n2任意一点为原点定义局部坐标系计算单位向量u、v、w，在uvw坐标系中求出特征三元组，将pq邻域查询完毕，并将点集全部遍历，最后输出点集的所有特征三元组，其中，单位向量uvw建立规则如下：特征三元组(α,φ,θ)创建过程如下：计算完中心邻域内n个点之间的所有三元组特征后，将每个特征值分成b等分，形成一个b3维的直方图，每一维代表了其中某个值的某一范围区间，再去统计出现在各个子区间的频率。7.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
⑧
对不同周期平面特征点的坐标变化进行比较，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再次进行icp算法匹配，根据欧式空间最小距离，在设置的搜索半径内的获取同名点对，计算所有同名点对的距离中误差；考虑空间转换参数(δr)与点位坐标误差(δt)；a
′
＝(r+δr)a+(t+δt)
ꢀꢀꢀꢀ
(10)其中：其中：其中：式中α、β、γ分别表示点沿x、y、z轴方向的旋转角度，t
x
、t
y
、t
z
分别表示点集沿x、y、z方向的平移量；利用整体最小二乘方法表示为约束最优化问题的最小范数求解转换参数，利用两点间
距离公式计算变形结果及配准误差：‖[δr δt]‖
f
＝min
ꢀꢀꢀꢀ
(11)其中p1(x0，y0，z0)和p2(x1，y1，z1)分别为第1期和不同周期对应平面特征点坐标；利用整体最小二乘方法表示为约束最优化问题的最小范数使得同名点对尽可能完全重合从而确定不同周期的同名特征点，然后利用两点间距离公式和倾斜度公式求得监测对象的位移量和倾斜度变化，获得监测体表面识别的不同特征位置的变形趋势；监测体表面识别的不同特征点在不同周期与第一个周期的坐标差值为：其中(x0，y0，z0)为第一个周期特征点坐标，(x
i
，y
i
，z
i
)为在不同周期对应同名特征点坐标；监测对象的倾斜度为：其中k为倾斜度，f为轴向偏移距离
△
，l为监测对象对应轴向距离。
技术总结
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。筑保护修复。筑保护修复。
技术研发人员：万程辉 白鹏军
受保护的技术使用者：南昌工程学院
技术研发日：2022.07.18
技术公布日：2022/10/3