利用组合惯导的gps信息及四元素来拼接雷达获取的点云，利用四元数求旋转矩阵，利用gps获取经纬坐标，并将其投影到墨卡托坐标系中计算平移，提高点云拼接的精度，供大家参考！

三维激光扫描仪能快速、大量的获取点云数据,完成实景复制。但通常需要多测站扫描才能完成外业数据采集,内业数据处理还需完成点云的拼接,将所有数据转换到同一个坐标系下。点云拼接主要是基于靶球或者同名点进行,针对同名点的点云拼接方式,同名点识别影响因素较多的问题,因此提出基于灰度图的拼接方式。实验对两种拼接方式进行对比,计算拼接精度,得出灰度图拼接精度明显优于点云控制点的拼接。灰度图拼接数据精度高,能够满足隧道测量的基本要求。

TrimbleRealWorks安装文件 直接安装版本

python点云拼接样例数据，使用说明及python拼接源码请参考：https://blog.csdn.net/suiyingy/article/details/124343913。

PCL（Point Cloud Library）是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。

针对采用点云配准法对植物三维模型重建的运算时间长、配准精度对参数要求高等问题，提出一种基于点云拼接法的植物三维模型重建算法。首先将转盘水平放置于地面上，利用Kinect获得转盘轴线相对于摄像头的位置信息，将植物放置于转盘上并以60°等间隔旋转转盘并对植物进行6次图像采集；然后将彩色和深度图像数据融合得到植物点云，并对原始点云进行背景去除、离群点去除等操作获得理想的点云；最后将来自6个视角的点云分别绕轴旋转相应的角度，从而将点云拼接到一起。实验证明所提出算法的重建效果与点云配准算法的重建效果相似，并且本文算法的运算时间大为减少，具有较高的工程实用价值。

为了减小激光三维扫描仪多传感器点云拼接误差的影响，提出了一种以圆柱体作为标准物体逐层修正拼接误差的简便方法。对标准物体扫描且拟合出各截面圆心坐标，并利用圆柱体实际半径值求得截面真值圆函数，将每层测量数据向真值圆函数进行平移刚性变换，求得该层的拼接误差和修正值。为了减小随机误差的影响，利用多次重复测量求得平均修正值，并用求出的平均修正值分别对圆柱体、长方棱柱体和石膏人体模特的不同位置的扫描结果进行了修正验证实验。从截面图的直观观察和定量数据测量两方面比较了修正前后的点云拼接效果，结果表明，修正后点云拼接更加光滑平顺，数据测量相对误差有显著降低。

基于C++语言，建立工程文件，编写opencv点云拼接操作代码

此文件是将多个velodyne雷达进行点云拼接的launch文件,可以直接运行,有需要的同学可以自取.

针对如何方便快捷且准确地获取物体完整面形三维点云数据的问题,提出一种利用旋转台参数标定结果辅助实现多视角三维点云粗拼接的新方法。该方法将一个二维标定靶作为坐标系转换桥梁,仅需两个位置的坐标系关系,即可建立转台转角和不同局部测量坐标系之间的非线性模型,实现对多个测量视角下三维点云的粗配准,为最近点迭代(ICP)算法提供了良好的初值,增加了ICP算法的稳健性。实验表明该方法操作简便、快捷、易实现,拼接后点云误差不大于0.12 mm。