选取均匀分布的10个标定板作为地面LiDAR扫描和低空影像重建点云的同名标定板，剩余8个标定板用于检验模型精度。手动提取标定板中心坐标，以地面LiDAR扫描点云为基准，采用由粗到精的点云配准方法，将低空影像（UAV1）重建点云配准到地面LiDAR扫描点云坐标系，完成空地异源点云融合（见图4.8）。从视觉效果上看，低空影像重建点云与地面LiDAR扫描点云实现了准确融合；低空影像重建点云弥补了地面LiDAR扫描点云的空缺，如沟壑和建筑屋顶；地面LiDAR扫描点云弥补了低空影像对建筑物墙面重建点云的缺失。
图4.8 空地异源点云融合结果
图4.9为空地异源点云融合的局部细节效果图。目视效果上，地面LiDAR扫描点云和低空影像重建点云配准效果较好，两者在地物的空间表达上互补，增强了地物细节的表达能力。
表4.1为利用地面LiDAR扫描点云标定低空影像（UAV1）重建点云得到的转换参数，出于测绘安全考虑，本研究所涉及的所有坐标系均为用户局部坐标系。
图4.9 空地异源点云融合的局部细节效果图
为进一步评估融合点云的模型精度，本研究以转换后的低空影像重建点云坐标系为参考，以剩余8个标定板为对象，评估转换后的点云模型精度。表4.2为剩余8个标定板的转换坐标。
表4.1 空地联合标定参数(www.xing528.com)
表4.2 空地联合标定结果
图4.10为任意两点测距的相对误差。结果表明，低空影像重建点云与地面LiDAR扫描点云融合后，其测距相对误差小于±0.20%，稍优于本书第2章中对影像重建点云评估结果的±0.50%。
图4.10 空地融合点云的测距相对误差
本书在第2章中指出，三维重建效果受限于影像纹理的复杂情况，影像纹理越复杂，重建出点云的能力越强。图4.11为多层次低空影像点云与地面LiDAR描点云融合的重建结果，除左1建筑物的屋顶（圈出部分）重建完整外，其他建筑屋顶均未重建出完整点云。本书在第2章讨论部分指出，提高影像分辨率是解决该类问题的一种有效方法，因此，对实验区的建筑物进行了多层次低空影像重建并与地面LiDAR扫描点云融合。由图4.11可见，高分辨率UAV2影像重建结果保证了所有建筑屋顶信息的完整性，通过UAV1+UAV2的点云融合弥补了UAV1影像对建筑屋顶重建缺失的问题；UAV1+UAV2+TLS是在上述融合点云的基础上，加入了地面LiDAR扫描的墙面点云，获取了建筑物完备的三维点云。
图4.11 多层次低空影像重建点云与地面LiDAR扫描点云融合的重建结果
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
