Trimble RealWorks点云拼接精度进阶技巧
简介
Trimble RealWorks
Trimble RealWorks的全自动配准功能十分强大，且容易上手。即使是新手，按照数据配准的流程来操作，往往就会得到令人满意的数据配准精度。但在个别对数据配准精度有特别高要求的项目中，有没有其他方法能将数据配准的精度再提高一些？（此处不考虑在外业数据采集时使用标靶球和标靶纸。）
答案是有的，但这需要一些对点云拼接原理的理解和RealWorks软件的进阶的操作技巧。
1、分辨不佳的对应数据
两组点云数据之间的对应关系越精准，数据拼接的效果越好。外业中常用的标靶球和标靶纸是一种人工对应。假设两个相邻测站，测站A和测站B都同时包含标靶球1号、2号和3号，它们各自拟合出的相同标靶球的球心坐标就是对应。数据拼接的误差就是这3组球心坐标的差。
无人工标靶的数据中，对应关系变成了数据的重叠部分。数据重叠的越多，越容易得到较好的拼接结果，但是重叠部分的数据质量也不容忽视。因为在云对云拼接中，所有的点云数据都会被暂时抽稀，然后一一对应。也就是说，优质的和不佳的数据都会参加计算。尽可能地删除不佳的点云数据，增加了优质的点云数据的比重，拼接的数据就会更加精准。
以这次的案例数据为例：
现场照片
现场树木的点云是不佳的数据，因为树叶和细小的树枝会被风吹的一直摆动。所以扫描的结果会有较大的不同。
树木的两次扫描数据
红框内的树叶和树枝的数据看似完整，其实偏差较大。较为粗壮的树干部分则没有受到风的影响。
车辆的多次扫描数据
现场最常见的可移动物体一般为车辆。同一位置，前后停放的不同外形的车辆会造成数据重叠（上图红色箭头指出的部分）。这些数据虽然重叠，计算得出的对应误差也很小，但不是正确的数据拼接。
点云
较远处的扫描数据由于激光的特性，被测物体的点云的精度和它离开扫描仪的距离成正比。所以离开扫描仪较远的数据也建议舍弃，一般在数据导入时设置过滤的范围。
2、剔除不佳的对应数据
在剔除不佳的对应数据前，需要先在RealWorks里建立测站点云，并且在配准模块里完成过配准。建立测站点云时一定要保证数据的完整性，不可以抽稀数据，所以采样类型要选择“步长采样”，步长设置为1。
创建文件夹
切换到“分析&建模”模式，在工作空间内创建一个新的文件夹，用于放置需要删除的点云。
剔除不佳的对应数据
需要剔除的不佳对应数据
通过“分割”功能，把噪点数据和不佳的对应数据剔除。这一步需要考虑剔除数据的作业时间，结合实际需求，适当剔除。
点云对比
不佳的对应数据剔除前后对比
数据剔除完毕
TZF里移除点云
接下来选中需要剔除的点云，把它们从TZF里移除。
弹窗
期间软件会有2次弹窗提示，全都选择“好”
删除原有TZF，重新提取TZF
回到“配准”模式，此时软件还是显示未删除不佳对应点前的状态。需要删除原有的TZF，重新再把TZF提取一次。
重新提取TZF后的界面
不佳的配准数据剔除完成，可以开始精化数据配准。
3、重新进行精化配准
配准误差-未删除不佳的对应数据
配准误差-删除不佳的对应数据
删除了部分不佳的对应数据后，点云的配准误差减少了约0.8mm， 配准精度有大约40%的提升。
4、总结
Trimble RealWorks 专为点云处理和分析设计而成。该软件提供一套完整的解决方案。可从几乎所有 3D 激光扫描仪引入数据，并进行有效的配准、分析、建模和创建可交付成果。
a.提供点云全自动配准功能。
b.专为点云处理设计的工具和工作流程，显著提高工作效率。
c.使用包含配准、地表创建、面与面比较和建模功能的业内全面的点云处理工具集，为各类项目做好准备。
