基于分层式优化 GICP 的古建筑
空地异构点云稳健配准策略

地球信息科学学报 · 2026 · 28(7): 2110 起 闽南古建筑 / TLS + UAV / 异构点云配准 FPFH / SAC-IA / 分层式 GICP 案例:厦门南岳祖庙、南靖惟德堂

本文面向闽南古建筑空地协同数字化中的异构点云配准难题,提出一种融合多尺度预处理、FPFH 鲁棒粗配准和分层式优化 GICP 精配准的稳健策略。研究针对 TLS 难以获取屋顶信息、UAV 难以覆盖室内精细结构,以及两类点云在采样密度、噪声特性和尺度分布上差异显著的问题,通过双尺度体素化与 SOR 去噪降低数据异质性,再利用 FPFH + SAC-IA 建立无先验粗配准,最后以“由宽至窄”的动态阈值 GICP 先对齐建筑主体、再精修高曲率燕尾脊与屋脊细节。实验表明,该方法能够有效消除结构重影和局部滑动残差,为古建筑高保真数字孪生与科学修复提供可靠点云底座。

古建筑数字化 异构点云 点云配准 GICP FPFH 空地协同
↓ 向下滚动阅读

01 · 研究背景与问题

古建筑点云融合的核心难点,是“空地异构”和“结构对称”

闽南古建筑具有燕尾脊、剪瓷雕、屋脊曲线和复杂装饰构件等鲜明特征,是重要历史档案与文化纽带。完整数字化通常需要地面激光扫描和无人机摄影测量协同完成,但两类点云在覆盖范围、密度分布、噪声模式和几何细节表达上存在显著差异,直接配准容易产生错位、重影或局部最优。

TLS 与 UAV 优势互补

TLS 适合室内、立面和精细局部,UAV 适合屋顶和高处结构;只有融合两者,才能形成完整古建筑三维点云。

异构点云差异显著

UAV 点云受影像匹配影响噪声更强,TLS 点云密度高且局部精度好,两者采样机制和尺度分布不同。

对称结构诱发误配准

古建筑中轴对称、墙面大面积平坦、燕尾脊高曲率并存,传统 ICP 容易产生“双眼皮”重影或陷入局部最优。

32 站
南岳祖庙 TLS 采集站数
4.95×10⁶
案例一 TLS 预处理点数
5.4×10⁵
案例一 UAV 点数
10×
近似密度差异

02 · 稳健配准策略

多尺度预处理解决数据异质性,分层 GICP 解决宏微观对齐

研究提出的策略包括三个阶段:第一,多尺度体素化与 SOR 去噪,分别服务于粗配准和精配准;第二,基于 FPFH 特征与 SAC-IA 的鲁棒粗配准,解决无先验位姿问题;第三,分层式优化 GICP 精配准,先对齐主体再细化局部高曲率构件。

P1
多尺度体素预处理

基础尺度用于特征提取与粗配准,可平滑 UAV 高频噪声并拉平异源点云密度差异;精细尺度用于后续 GICP 精配准,以保留屋脊、檐口、燕尾脊等关键几何细节。统计离群点剔除用于减少漂浮噪声和异常点干扰。

Voxel Downsampling Multi-scale SOR Noise Reduction
F2
FPFH 鲁棒粗配准

FPFH 通过编码查询点与邻域点之间的局部拓扑几何关系,提取具有旋转、平移不变性的特征直方图。结合 SAC-IA 在特征空间中搜索对应关系,可在无先验位姿条件下建立初始对齐,并降低对称结构导致的错误匹配风险。

FPFH SAC-IA Feature Matching Initial Alignment
H3
Huber 损失抑制异常对应

在粗配准变换质量评估中引入 Huber 损失函数,使小残差保持二次惩罚、大残差转为线性惩罚,从而降低边缘噪声、遮挡伪影和局部错配对全局位姿估计的影响。

Huber Loss Outlier Robustness Symmetry Ambiguity
G4
GICP 精配准:从点到点走向局部概率曲面

GICP 将每个点的邻域视为局部高斯分布,以协方差描述局部曲面几何,并通过最小化马氏距离求解最优刚体变换。相比传统 ICP,GICP 更能表达平面、边缘和曲面之间的局部结构差异。

GICP Gaussian Surface Mahalanobis Distance Covariance
L5
分层式优化:由宽至窄的动态阈值

第一阶段采用宽阈值,使大面积墙面、立面等高可靠宏观结构主导误差下降,实现建筑主体快速对齐;第二阶段收紧距离截断阈值,剔除远距离误匹配点,使优化重点转向燕尾脊、屋脊和檐口等高曲率局部细节,消除滑动残差和“双眼皮”重影。

Hierarchical Optimization Wide-to-Narrow Dynamic Threshold Fine Alignment

为何需要分层 GICP?

  • 单一宽阈值容易保留远距离误匹配,导致局部细节滑动。
  • 单一窄阈值可能过早丢失对应关系,陷入局部最优。
  • 宽阈值先保证主体对齐,窄阈值再聚焦微观细节。
  • 适合古建筑“宏观平面 + 微观高曲率构件”的混合结构。

对照实验设置

  • 本文算法:多尺度体素 + FPFH + SAC-IA + 分层式 GICP。
  • 对照 A:标准 GICP 替代分层 GICP。
  • 对照 B:SHOT + SAC-IA + 点到面 ICP。
  • 对照 C:质心对齐 + NDT + 点到面 ICP。
  • 对照 D:单尺度体素 + FPFH + 分层式 GICP。

03 · 实验结果与效果评估

在复杂闽南古建筑中实现毫米级甚至亚毫米级配准

研究以厦门南岳祖庙和南靖惟德堂为案例进行验证。定性结果显示,本文方法下 UAV 与 TLS 点云能够无缝交织,燕尾脊、屋脊等局部切片未出现明显结构分层;定量结果表明,相较标准 GICP 和其他粗精配准组合,分层式优化策略显著降低残差并提升效率。

6.3 mm
南岳祖庙 RMSE
0.9 mm
惟德堂 RMSE
31.634 s
案例一本文耗时
127.144 s
案例二本文耗时
案例 本文算法表现 与对照方法比较 解释
厦门南岳祖庙 RMSE 为 6.3 mm;8 对同名特征点平均点位误差 7.5 mm。 相比标准 GICP 的 13.5 mm,残差降低约 53.3%;相比对照组 D,耗时缩短约 95%。 多尺度预处理降低数据量并保留细节,分层 GICP 消除局部滑动残差。
南靖惟德堂 RMSE 达到 0.9 mm;耗时 127.144 s。 对照组 B 为 4.4 mm,对照组 C 为 3.1 mm,对照组 D 耗时达 3826.810 s。 在长进深、高垂直落差和遮挡环境中仍保持高精度与较高效率。

定性效果

  • 全局轮廓中 UAV 与 TLS 点云无明显分层。
  • 燕尾脊、屋脊等局部切片结构连续。
  • 有效消除“双眼皮”重影和平行间隙。
  • 高曲率构件的曲率梯度还原更真实。

性能优势来源

  • FPFH 粗配准降低中轴对称结构误导。
  • Huber 损失抑制噪声与异常伪影影响。
  • 多尺度体素预处理兼顾速度和细节。
  • 分层 GICP 在宏观主体和微观构件之间分阶段优化。
核心发现:古建筑空地点云配准不能只追求整体 RMSE 最小,还必须消除局部结构重影。本文方法通过“粗配准抗对称误导、宽阈值对齐主体、窄阈值修正细节”的策略,使宏观建筑轮廓与微观燕尾脊构件同时对齐。

04 · 结论与未来方向

为古建筑高保真数字孪生提供可靠几何底座

本研究提出的分层式优化 GICP 策略有效解决了闽南古建筑空地协同测绘中的异构点云配准瓶颈,尤其适用于同时包含大面积平面、复杂屋脊、装饰构件和中轴对称结构的文化遗产对象。

鲁棒性强

FPFH 特征与 SAC-IA 粗配准帮助算法跳出对称结构造成的局部极值陷阱,提高无先验位姿下的稳定性。

高保真对齐

分层式 GICP 针对宏观主体和微观高曲率构件分阶段优化,减少边缘滑动残差并消除结构重影。

处理效率高

多尺度体素预处理在保留关键几何细节的同时显著降低计算负担,适合海量异构点云处理。

应用价值

  • 支撑闽南古建筑完整三维数字档案构建。
  • 为燕尾脊、剪瓷雕等特色构件的精细测绘提供基础。
  • 提升 TLS 与 UAV 多源点云融合质量。
  • 服务古建筑修复评估、变形监测和数字孪生建设。

局限与未来方向

  • 深邃斗拱、室内遮挡和极窄空间仍可能存在采集死角。
  • 未来可补充手持激光扫描,提高复杂内部结构覆盖。
  • 当前成果仍为无结构点云,缺乏梁、柱、窗等语义属性。
  • 可结合深度学习、HBIM 参数化建模、知识图谱和 AR 技术,从几何重建走向语义认知。