郭燕，袁希平，甘淑，李繞波

(1.昆明理工大學(xué) 國(guó)土資源工程學(xué)院，云南 昆明 650093； 2.滇西應(yīng)用技術(shù)大學(xué)，云南 大理 671006；3.云南省高校高原山地空間信息測(cè)繪技術(shù)應(yīng)用工程研究中心，云南 昆明 650093)

1 引 言

以激光掃描為代表的主動(dòng)采集方式和以?xún)A斜攝影為代表的被動(dòng)采集方式為現(xiàn)實(shí)世界的三維數(shù)字化提供了直接有效的手段[1]。其中，激光掃描獲得的三維點(diǎn)云具有準(zhǔn)確的位置信息(X，Y，Z)和強(qiáng)度信息(I)，傾斜攝影獲得的二維影像具有反映地物表面紋理的光譜(R，G，B)信息。三維激光點(diǎn)云與二維影像的融合是當(dāng)前攝影測(cè)量與遙感領(lǐng)域的一個(gè)研究熱點(diǎn)[2～4]。目前，針對(duì)三維點(diǎn)云與二維影像的融合，應(yīng)用需求較為突出的為機(jī)載LiDAR點(diǎn)云與航空影像[2，4，5]及車(chē)載激光點(diǎn)云與全景影像[3]的融合。而基于即時(shí)定位與地圖構(gòu)建(Simultaneous Localization and Mapping，SLAM)技術(shù)的手持移動(dòng)式激光掃描儀(Handheld Mobile Laser Scanners，HMLS)作為目前新興的便捷式測(cè)量設(shè)備，具有機(jī)載/車(chē)載移動(dòng)測(cè)量系統(tǒng)和地面激光掃描系統(tǒng)不可比擬的優(yōu)勢(shì)：機(jī)動(dòng)靈活、無(wú)須依賴(lài)GNSS信號(hào)定位。將SLAM激光點(diǎn)云與影像數(shù)據(jù)進(jìn)行融合既是對(duì)攝影測(cè)量與遙感應(yīng)用領(lǐng)域的重要補(bǔ)充，也是兩類(lèi)數(shù)據(jù)優(yōu)勢(shì)互補(bǔ)進(jìn)而提高點(diǎn)云應(yīng)用價(jià)值的重要手段。

激光點(diǎn)云與影像的配準(zhǔn)是二者融合的先決條件。目前，三維點(diǎn)云和二維光學(xué)影像的配準(zhǔn)方法主要分為四類(lèi)[2，6]：①基于特征匹配的2D-3D配準(zhǔn)算法；②基于區(qū)域的2D-2D配準(zhǔn)算法；③基于硬件標(biāo)定的方法；④基于影像多視密集匹配生成影像點(diǎn)云與激光點(diǎn)云的3D-3D配準(zhǔn)算法。其中，方法四直接將三維激光點(diǎn)云和二維影像的配準(zhǔn)轉(zhuǎn)化為2個(gè)三維點(diǎn)集的空間配準(zhǔn)問(wèn)題，不僅克服了三維激光點(diǎn)云和二維光學(xué)影像之間特征差異大的問(wèn)題[6]，而且突破了單張影像與點(diǎn)云配準(zhǔn)的局限，實(shí)現(xiàn)數(shù)據(jù)三維立體化，保證對(duì)象空間結(jié)構(gòu)的完整性。目前，二維影像密集匹配生成三維點(diǎn)云大多運(yùn)用由計(jì)算機(jī)視覺(jué)領(lǐng)域發(fā)展起來(lái)的運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)(Structure from Motion，SfM)算法，該算法只與攜帶有場(chǎng)景數(shù)據(jù)信息的影像本身有關(guān)，并不依賴(lài)于相機(jī)類(lèi)型、相機(jī)的拍攝位置、方向和幾何信息[7]，它是通過(guò)具有一定重疊度和不同視角的影像進(jìn)行重建物體三維結(jié)構(gòu)。本文針對(duì)手持式三維激光掃描儀ZEB-HORIZON及其內(nèi)置ZEB-CAM相機(jī)同步采集到的激光點(diǎn)云和影像數(shù)據(jù)，將二維影像數(shù)據(jù)通過(guò)SfM技術(shù)生成三維密集影像點(diǎn)云，再將影像點(diǎn)云與SLAM激光點(diǎn)云進(jìn)行3D-3D的配準(zhǔn)。

針對(duì)手持式激光掃描儀ZEB-HORIZON獲取的數(shù)據(jù)在配套軟件GeoSLAM Hub中自動(dòng)生成的真彩色點(diǎn)云紋理效果不好的問(wèn)題，本文對(duì)SLAM激光點(diǎn)云與其內(nèi)置影像進(jìn)行融合，具體工作為：將該儀器內(nèi)置相機(jī)ZEB-CAM獲得的影像通過(guò)SfM技術(shù)生成三維密集影像點(diǎn)云，然后對(duì)影像點(diǎn)云與采集到的激光點(diǎn)云進(jìn)行3D-3D的配準(zhǔn)，再通過(guò)K-D樹(shù)搜索最鄰近點(diǎn)對(duì)并將影像點(diǎn)云的RGB信息賦予激光點(diǎn)云，最終生成紋理清晰、視覺(jué)效果好的三維真彩色激光點(diǎn)云。

2 手持式激光掃描儀及其數(shù)據(jù)采集

2.1 儀器特征及其主要參數(shù)

本文選用英國(guó)GeoSLAM系列的ZEB-HORIZON手持式三維激光掃描儀，該儀器由激光掃描頭、飛螢8S運(yùn)動(dòng)相機(jī)ZEB-CAM、電池等組成(如圖1)，其系統(tǒng)主要指標(biāo)及參數(shù)見(jiàn)表1。ZEB-HORIZON手持式三維激光掃描儀通過(guò)采用SLAM算法將二維激光掃描數(shù)據(jù)與慣性測(cè)量單元(Inertial MeasurementUnit，IMU)數(shù)據(jù)結(jié)合，生成精確的三維點(diǎn)云。作為一款移動(dòng)便捷、采集高效的新興三維激光掃描設(shè)備，可廣泛應(yīng)用于室內(nèi)外各種場(chǎng)景的研究中。例如，文獻(xiàn)[8][9]使用該儀器的數(shù)據(jù)集來(lái)估算樹(shù)木位置、胸徑和樹(shù)高等有關(guān)森林調(diào)查信息；文獻(xiàn)[10]對(duì)比了該儀器與另外五種新興的掃描儀在森林中單株樹(shù)木的數(shù)據(jù)采集情況；文獻(xiàn)[11]驗(yàn)證了在復(fù)雜的森林環(huán)境中該儀器數(shù)據(jù)能滿足土地測(cè)量精度標(biāo)準(zhǔn)；文獻(xiàn)[12]將該儀器用于小區(qū)平立面測(cè)量，并驗(yàn)證了特征點(diǎn)誤差在 2 cm以?xún)?nèi)，可滿足立面測(cè)量的要求；文獻(xiàn)[13]使用該儀器對(duì)地下車(chē)庫(kù)進(jìn)行測(cè)試，獲取平面圖并進(jìn)行精度驗(yàn)證，表明該儀器能夠滿足城市地下空間普查圖件的繪制要求。

圖1 ZEB-HORIZON手持移動(dòng)式激光掃描儀

ZEB-HORIZON手持移動(dòng)式激光掃描儀主要指標(biāo)及參數(shù) 表1

2.2 數(shù)據(jù)采集

手持式三維激光掃描儀ZEB-HORIZON數(shù)據(jù)采集無(wú)須架站、搬站，儀器開(kāi)機(jī)后便可工作。本文選取某校園內(nèi)一處景觀石及其底座作為研究對(duì)象(如圖2)，考慮到點(diǎn)云密度、精度與數(shù)據(jù)采集時(shí)的掃描距離、掃描時(shí)間、移動(dòng)速度、周?chē)h(huán)境等因素密切相關(guān)，為保證最終獲得高密度、高精度的SLAM激光點(diǎn)云。此次數(shù)據(jù)采集情況如下：①工作人員手持掃描儀，行走速度較緩，尤其是在拐彎進(jìn)入新環(huán)境時(shí)；②掃描時(shí)距離掃描對(duì)象約 0.3 m～1.5 m，全程掃描時(shí)間約 7 min；③掃描路線最終形成閉合回路；④掃描對(duì)象周?chē)?10 m內(nèi)沒(méi)有移動(dòng)車(chē)輛和人。數(shù)據(jù)采集完成后，通過(guò)在配套的GeoSLAM Hub軟件中將geoslam點(diǎn)云格式轉(zhuǎn)換為通用的las點(diǎn)云格式，并加載ZEB-CAM相機(jī)同步獲取的視頻數(shù)據(jù)，可自動(dòng)生成真彩色激光點(diǎn)云。但由于激光掃描頭以360°*270°旋轉(zhuǎn)方式采集點(diǎn)云，而ZEB-CAM相機(jī)只在行進(jìn)方向的170°內(nèi)獲取視頻影像，通過(guò)配套軟件自動(dòng)生成的真彩色激光點(diǎn)云(如圖6)明顯存在“源”字和正面、背面底座的石碑模糊不清、景觀石的頂部顏色呈現(xiàn)錯(cuò)誤的黃色等問(wèn)題。因此，有必要通過(guò)后期處理來(lái)對(duì)該儀器獲取的點(diǎn)云顏色效果進(jìn)行改善和優(yōu)化。

圖2 試驗(yàn)研究對(duì)象(手機(jī)拍攝)

3 激光點(diǎn)云與內(nèi)置影像的融合

3.1 本文技術(shù)流程

本文對(duì)手持式激光掃描點(diǎn)云與內(nèi)置影像進(jìn)行融合生成真彩色激光點(diǎn)云的技術(shù)流程主要包含以下幾個(gè)步驟：①激光點(diǎn)云和影像點(diǎn)云的獲?。虎邳c(diǎn)云的前期處理；③點(diǎn)云的配準(zhǔn)；④紋理映射。如圖3所示。

圖3 本文的技術(shù)流程圖

3.2 基于SfM技術(shù)生成影像點(diǎn)云

基于立體像對(duì)的SfM方法可對(duì)普通非量測(cè)相機(jī)拍攝的具有重疊度的影像進(jìn)行處理，且不依賴(lài)于相機(jī)拍攝位置、影像尺寸及拍攝焦距等，可實(shí)現(xiàn)處理過(guò)程自動(dòng)化，不需要較多的專(zhuān)業(yè)知識(shí)和測(cè)量控制。SfM方法是利用高效的特征匹配算法從多張影像中尋找出像對(duì)間的一系列同名點(diǎn)，跟蹤同名點(diǎn)從一幅影像到另一幅影像，通過(guò)迭代光束平差法自動(dòng)求解出相機(jī)的位置、姿態(tài)以及場(chǎng)景的幾何形態(tài)等信息，并采用非線性最小二乘算法不斷優(yōu)化[14]。SfM算法的過(guò)程大致分為三步[15]：①尋找同名點(diǎn)。如運(yùn)用尺度不變特征變換(Scale Invariant Feature Transform，SIFT)算法進(jìn)行特征匹配尋找同名點(diǎn)；②估計(jì)相機(jī)位置和同名點(diǎn)坐標(biāo)。根據(jù)一系列的同名點(diǎn)，通過(guò)迭代光束平差法可自動(dòng)估算出相機(jī)的位置和姿態(tài)以及稀疏點(diǎn)云的三維坐標(biāo)；③生成密集點(diǎn)云?；谝勋@得的稀疏點(diǎn)云通過(guò)密集匹配算法，進(jìn)而形成密集的影像點(diǎn)云數(shù)據(jù)。

目前許多商業(yè)軟件均可實(shí)現(xiàn)基于SfM技術(shù)生成三維影像點(diǎn)云，如Context Capture，AgisoftPhotoscan，SfM-PMVS，Pix4D等。本文利用Context Capture軟件將二維影像生成三維影像點(diǎn)云。將ZEB-CAM相機(jī)獲取的同步視頻數(shù)據(jù)轉(zhuǎn)換為具有高重疊度的二維有序影像照片，依據(jù)照片選取原則，選取影像清晰、特征明顯的影像照片共101幅，影像分辨率為3820*2160，焦距為 3 mm，感應(yīng)器尺寸為 7.81 mm。通過(guò)在Context Capture軟件中進(jìn)行自動(dòng)化的解算和密集匹配便可生成高密度的三維影像點(diǎn)云。由SfM技術(shù)生成的影像點(diǎn)云是由數(shù)字彩色影像解算出來(lái)的，因此點(diǎn)云被賦予影像的真彩色，具有顏色屬性(RGB值)。而LiDAR點(diǎn)云只具有強(qiáng)度屬性信息，本身不能表現(xiàn)真彩色點(diǎn)云。SfM點(diǎn)云的真彩色屬性使得點(diǎn)云數(shù)據(jù)更具有立體感和真實(shí)感，且顏色屬性更便于區(qū)分不同地物的點(diǎn)云[7]。

3.3 點(diǎn)云去噪與平滑

由于SLAM算法是利用傳感器獲取空間數(shù)據(jù)進(jìn)行不斷解算和匹配的，因此激光點(diǎn)云會(huì)存在厚度大、噪聲多的問(wèn)題；而影像點(diǎn)云會(huì)存在密集匹配誤差，即使沒(méi)有空洞，點(diǎn)云表面也會(huì)呈現(xiàn)局部凹凸不平、覆蓋不均勻。直接將兩類(lèi)點(diǎn)云進(jìn)行匹配會(huì)嚴(yán)重影響ICP算法的正確收斂。為了提高配準(zhǔn)的可靠性和效率，需要對(duì)兩類(lèi)原始點(diǎn)云進(jìn)行必要的處理。包括：①根據(jù)激光點(diǎn)云強(qiáng)度渲染、影像點(diǎn)云RGB渲染來(lái)裁剪出相同的研究區(qū)域。②對(duì)點(diǎn)云進(jìn)行去噪與平滑。根據(jù)文獻(xiàn)[16]，采用統(tǒng)計(jì)濾波(Statistical Outlier Removal，SOR)算法去除噪聲和離群點(diǎn)，采用移動(dòng)最小二乘(Moving Least Squares，MLS)平滑點(diǎn)云。其中，統(tǒng)計(jì)濾波本質(zhì)是通過(guò)統(tǒng)計(jì)點(diǎn)云區(qū)域內(nèi)點(diǎn)的分布密度來(lái)判別離群點(diǎn)，該算法的濾波質(zhì)量由鄰域點(diǎn)的數(shù)目k和標(biāo)準(zhǔn)差倍數(shù)λ決定，本文中設(shè)置k為30，λ為2可得到較好的濾波結(jié)果。其次，通過(guò)采用移動(dòng)最小二乘的方法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行平滑，去除較小不規(guī)則噪聲、降低點(diǎn)云整體粗糙度，減小點(diǎn)云厚度，從而實(shí)現(xiàn)點(diǎn)云的平滑。以半徑 0.03 m計(jì)算點(diǎn)云平滑前后的粗糙度：激光點(diǎn)云粗糙度由 0.005 5降到 0.001 4，影像點(diǎn)云粗糙度由 0.001 5降到 0.001 0。點(diǎn)云平滑效果較好。③為了降低后期點(diǎn)云存儲(chǔ)量和工作處理量，以及保證點(diǎn)云細(xì)部特征較好地保存下來(lái)，對(duì)平滑后的影像點(diǎn)云和激光點(diǎn)云采用八叉樹(shù)降采樣算法進(jìn)行抽稀，使兩類(lèi)點(diǎn)云點(diǎn)密度保持在同一數(shù)量級(jí)。處理完的激光點(diǎn)云數(shù)量為 6 794 605，影像點(diǎn)云數(shù)量為 6 830 213，點(diǎn)云最小間距約為 0.001 m，屬于高密度點(diǎn)云。點(diǎn)云處理前后局部放大效果如圖4所示。

圖4 點(diǎn)云處理前后局部放大圖

3.4 激光點(diǎn)云與影像點(diǎn)云3D-3D的配準(zhǔn)

激光點(diǎn)云與影像在本質(zhì)上屬于異維異質(zhì)數(shù)據(jù)，在同名點(diǎn)自動(dòng)匹配方面存在一定困難。通過(guò)將影像生成影像點(diǎn)云并與激光點(diǎn)云進(jìn)行粗配準(zhǔn)和精配準(zhǔn)，從而實(shí)現(xiàn)點(diǎn)云3D-3D的高精度匹配，將大大降低了點(diǎn)云與影像的配準(zhǔn)難度。

(1)粗配準(zhǔn)和精配準(zhǔn)。若是沒(méi)有粗配準(zhǔn)提供較好的迭代初始位置，精配準(zhǔn)ICP算法往往會(huì)陷入局部最優(yōu)解，而得不到全局最優(yōu)解。由于本文選取的研究對(duì)象底座的拐角處有缺損，為更好地用于配準(zhǔn)和精度測(cè)算，實(shí)驗(yàn)前已在4個(gè)拐角處粘貼 3 cm*3 cm的標(biāo)靶。因此，本文通過(guò)在Cloud Compare軟件中手動(dòng)選取4個(gè)標(biāo)靶中心點(diǎn)作為匹配點(diǎn)進(jìn)行粗配準(zhǔn)，既能保證配準(zhǔn)精度同時(shí)配準(zhǔn)速度快。通過(guò)粗配準(zhǔn)，兩類(lèi)點(diǎn)云能獲得較好的迭代初始配準(zhǔn)位置，采用經(jīng)典的最鄰近迭代ICP算法[17]進(jìn)行精配準(zhǔn)。

(2)配準(zhǔn)結(jié)果分析。激光點(diǎn)云與最鄰近影像點(diǎn)云點(diǎn)之間的距離可以反映兩類(lèi)點(diǎn)云的配準(zhǔn)程度[18]。通過(guò)計(jì)算，配準(zhǔn)后激光點(diǎn)云與最鄰近影像點(diǎn)云點(diǎn)之間的距離平均值為 0.003 4 m，標(biāo)準(zhǔn)差為 0.012 7 m，RMS為 0.008 5 m。配準(zhǔn)后激光點(diǎn)云與最鄰近影像點(diǎn)云點(diǎn)之間的距離分布情況如圖5所示，兩類(lèi)點(diǎn)云最鄰近點(diǎn)之間的距離基本集中在 0.02 m以?xún)?nèi)(圖中藍(lán)色區(qū)域)，極少數(shù)點(diǎn)之間的距離稍遠(yuǎn)為 0.02 m～0.14 m(圖中綠色、紅色區(qū)域)。分析其原因?yàn)椋孩賵D中藍(lán)色區(qū)域地物形狀較為規(guī)則，點(diǎn)云密度高，點(diǎn)云配準(zhǔn)效果好；②圖中零星的綠色區(qū)域是稀疏、散亂的草叢，配準(zhǔn)效果較差；③圖中紅色區(qū)域處于景觀石頂部(高約 2 m)，數(shù)據(jù)采集時(shí)手持掃描儀進(jìn)行掃描，高度稍高采集時(shí)間相對(duì)較少，在激光點(diǎn)云進(jìn)行統(tǒng)計(jì)濾波處理時(shí)便形成空洞，故配準(zhǔn)效果差。

圖5 配準(zhǔn)后最鄰近點(diǎn)之間的距離分布情況圖(俯視)

3.5 基于K-D樹(shù)搜索的紋理映射

將影像點(diǎn)云的RGB信息映射到對(duì)應(yīng)的激光點(diǎn)云上以生成真彩色激光點(diǎn)云，是對(duì)點(diǎn)云和影像兩類(lèi)數(shù)據(jù)的優(yōu)勢(shì)互補(bǔ)。不同于大多數(shù)將二維影像的紋理映射到三維網(wǎng)格表面的紋理映射方法，本文直接在兩個(gè)三維點(diǎn)集中對(duì)點(diǎn)進(jìn)行紋理映射。具體操作為：以源點(diǎn)云(激光點(diǎn)云)為基準(zhǔn)，通過(guò)K-D樹(shù)在目標(biāo)點(diǎn)云(影像點(diǎn)云)中建立k近鄰搜索，計(jì)算點(diǎn)間的歐氏距離，找出源點(diǎn)云中每個(gè)點(diǎn)在目標(biāo)點(diǎn)云中距離最近的點(diǎn)，將最近點(diǎn)的顏色賦予源點(diǎn)云[19]，得到具有光譜信息的三維激光點(diǎn)云。

4 試驗(yàn)結(jié)果分析

與儀器配套軟件GeoSLAM Hub自動(dòng)生成的真彩色激光點(diǎn)云(如圖6)相比，本文生成的點(diǎn)云的顏色信息更豐富、紋理細(xì)節(jié)更明顯、視覺(jué)效果更好(如圖7、圖8所示)，而且在不改變激光點(diǎn)云數(shù)量、點(diǎn)云精度的同時(shí)，使點(diǎn)云屬性既保留了空間信息和強(qiáng)度信息，也具備了光譜信息。

圖6 GeoSLAM Hub軟件生成的真彩色激光點(diǎn)云

圖7 本文方法生成的真彩色激光點(diǎn)云

圖8 本文方法生成的真彩色激光點(diǎn)云局部放大圖

為檢查影像點(diǎn)云的RGB信息是否準(zhǔn)確地映射到激光點(diǎn)云上，考慮到此次試驗(yàn)的點(diǎn)云為高密度點(diǎn)云，將試驗(yàn)結(jié)果的真彩色激光點(diǎn)云分別以RGB、intensity渲染，直接手動(dòng)裁剪出“源”字和正面、背面石碑區(qū)域的點(diǎn)云。如圖9～圖11，圖中(a)(b)分別為以RGB、intensity渲染進(jìn)行裁剪的示意圖；(c)為疊加的兩個(gè)裁剪框及其中心點(diǎn)，黃色為RGB渲染的，紅色為intensity渲染的；(d)(e)為疊加裁剪到的點(diǎn)云，(d)為RGB圖層置上，(e)為intensity圖層置上。從圖中可以直觀反映出真彩色激光點(diǎn)云的RGB與intensity有不同程度的位置偏差，再通過(guò)計(jì)算兩個(gè)裁剪框中心點(diǎn)坐標(biāo)(X，Y，Z)的位置偏差量(如表2)來(lái)量化點(diǎn)云的RGB與intensity的空間位置偏差，從而反映出本試驗(yàn)生成真彩色激光點(diǎn)云時(shí)光譜信息(R，G，B)的映射效果。

圖9 “源”字裁剪的情況

圖10 正面石碑裁剪的情況

圖11 背面石碑裁剪的情況

裁剪框中心點(diǎn)坐標(biāo)及其位置偏差量(單位/cm) 表2

設(shè)以RGB渲染得到的裁剪框中心點(diǎn)坐標(biāo)為(XRGB，YRGB，ZRGB)，以intensity渲染得到的裁剪框中心點(diǎn)坐標(biāo)為(XI，YI，ZI)，則兩中心點(diǎn)坐標(biāo)的空間距離為：

(1)

根據(jù)式(1)可計(jì)算出“源”字和正面、背面石碑三個(gè)區(qū)域的點(diǎn)云在以RGB、intensity渲染下的裁剪框中心點(diǎn)的空間距離分別為 2.04 cm、1.20 cm、0.93 cm，平均值為 1.39 cm，從而估算出真彩色激光點(diǎn)云的RGB相對(duì)于intensity存在的空間位置偏差量為 1.39 cm，也就是影像點(diǎn)云的RGB信息映射到激光點(diǎn)云上有 1.39 cm的空間位置偏差。根據(jù)表2可得到，點(diǎn)云的RGB與intensity存在的最大位置偏差量為 1.55 cm，最小為 0.12 cm，Z坐標(biāo)的偏差量相比X、Y坐標(biāo)的偏差量大，“源”字比正面、背面石碑的偏差量大。分析其原因?yàn)椋涸诖峙錅?zhǔn)選擇特征點(diǎn)匹配時(shí)，選擇景觀石底座4個(gè)拐角上的標(biāo)靶中心作為匹配點(diǎn)，而4個(gè)點(diǎn)都在同一水平面上，造成垂直方向上缺少匹配點(diǎn)，且“源”字距離匹配點(diǎn)相對(duì)較遠(yuǎn)，點(diǎn)云紋理映射受前期配準(zhǔn)結(jié)果的影響，導(dǎo)致點(diǎn)云的RGB信息在垂直方向上的映射效果不如水平方向上。但從彩色點(diǎn)云的整體紋理效果看，RGB信息映射效果還是較為可觀。

5 結(jié) 論

本文針對(duì)手持式激光掃描儀ZEB-HORIZON的顯著優(yōu)勢(shì)以及自動(dòng)生成的真彩色激光點(diǎn)云紋理效果不好的問(wèn)題，創(chuàng)新地將儀器內(nèi)置相機(jī)獲得的二維影像通過(guò)SfM技術(shù)生成三維密集影像點(diǎn)云，并將影像點(diǎn)云與采集到的激光點(diǎn)云進(jìn)行融合，最終生成的真彩色激光點(diǎn)云不僅保留了空間信息和強(qiáng)度信息，還增加了光譜信息。與該儀器配套軟件GeoSLAM Hub自動(dòng)生成的真彩色激光點(diǎn)云相比，本文生成的點(diǎn)云紋理信息更豐富、視覺(jué)效果更好，RGB信息映射到激光點(diǎn)云上的空間位置偏差小，且該方法簡(jiǎn)單、高效。試驗(yàn)表明本文方法用于生成真彩色激光點(diǎn)云是可行有效的。同時(shí)，真彩色激光點(diǎn)云豐富的光譜信息將對(duì)點(diǎn)云后期的特征提取、分割與分類(lèi)、模型構(gòu)建等應(yīng)用起到重要的輔助作用，將極大地提高點(diǎn)云的應(yīng)用價(jià)值。