针对传统LiDAR里程计（LO）测量方法在处理无初值、长序列点云配准时存在精度低、稳定性差等问题，本文引入端到端点云配准网络（HRegNet），提出一种基于深度神经网络的LO测量方法——HRegNet-LO算法，以期实现更加准确、鲁棒的LO测量。所提算法由两个核心模块组成：前端计算和后端优化。在前端scan-to-scan配准中，主要是依据原始点云的3D坐标，采用HRegNet网络，计算出相邻两帧点云的初始转换矩阵，实现LO初始位姿计算；在后端scan-to-map配准中，主要是通过提取特征点构建特征地图，应用迭代最近邻点（ICP）算法，每间隔一定距离对初始位姿进行优化，以减小预估轨迹中的漂移。在Kitti odometry数据集上对所提算法的性能进行了评估，并与LOAM、F-LOAM等算法作对比分析。实验结果表明，所提算法相对旋转、平移误差分别在0.003°/m和1%左右，每帧位姿计算耗时约为100 ms，可以满足LO测量对于精度和实时性的要求。

针对现有点云多要素分割算法分割面状点集时分割精度低、分割块合并效果差等问题,提出了一种改进的多规则区域生长算法。一方面,计算点云数据的平面拟合残差,基于平面拟合残差设置种子点条件,对面状点集分割进行优化,以此提升面状要素分割的精度;另一方面,在距离条件的基础上,结合相似性和体积变化条件对合并策略进行改进,以实现分割块的有效合并;此外,利用中位数、Baarda数据探测法和k均值聚类分别对算法中涉及的阈值参数进行自适应设置。采用三种不同类型的点云数据进行实验,结果表明:改进算法能够提升面状点集的分割精度,提高了分割块合并的准确性;与其他算法相比,改进算法能够同时兼顾精度和效率,分割结果更具优势。

为了提高激光跟踪仪多测站测量数据平差结果的精度, 研究了抗差马氏光束法平差模型。在传统光束法平差(TBA)模型的基础上, 引入马氏距离, 将平差准则由原来的“使观测值改正数加权平方和最小”改造为“使观测值到加权平均值的马氏距离平方和最小”, 并在计算加权平均坐标时对粗差观测值进行剔除, 建立了抗差马氏光束法平差(RMBA)模型。仿真试验中, 用MATLAB模拟了4个测站观测12个控制点的观测值, 结果表明RMBA模型的解算结果优于TBA、文献［22］方法和SA软件的解算结果, 与仿真坐标的偏差均方根为0.031 mm。在模拟观测值中加入粗差后, RMBA模型表现出了优良的抗差性。实测试验中, 以上海光源实验大厅100 m范围内4个测站观测42个控制点的数据为例, SA软件的平差结果的点位中误差为0.05 mm, RMBA解算结果与SA结果的三维坐标偏差均方根为0.07 mm。结果表明: RMBA模型具有一定的抗差性, 坐标解算精度优于TBA模型和文献［22］方法, 与SA软件的解算精度在同一量级。

为了实现受限空间内的精密坐标传递, 建立了二联激光跟踪仪测量系统, 并设计了其施测及数据处理方法。首先, 对Leica AT402激光跟踪仪进行改装, 在其提手上安装能够放置球棱镜的靶座, 并精确标定球棱镜中心与仪器中心的高差, 称它为垂向偏心差。然后, 两台激光跟踪仪自由设站, 双面互瞄对方提手上的球棱镜, 并依据垂向偏心差将互瞄观测值改化至仪器中心, 得到仪器中心之间的互瞄观测值。两台仪器分别测量可视范围内的目标点, 当两台仪器能够观测到足够数量的公共点时, 可利用公共点和互瞄观测值共同传递坐标和方位; 当无公共点时, 可利用激光跟踪仪之间的互瞄观测值传递坐标和方位。在上海光源的工程控制网内开展了测量实验, 结果表明: 当相邻测站有公共点时, 该系统能提高坐标转换的精度; 当无公共点时, 在9 m的距离上, 坐标传递精度优于0.22 mm, 定向旋转角精度接近1″。该系统可应用于三维工程控制网的测量, 尤其适用于通视条件差的精密坐标传递场景。

针对现有曲面重建算法不能很好地重建出点云模型尖锐特征的缺陷, 提出了一种凸显点云尖锐特征的点-线-面递进式曲面重建算法。首先, 根据近邻点的欧氏距离、法向偏差和曲面变分, 采用主成分分析算法和k-近邻点迭代加权法获取点云准确法向; 接着, 依据特征点位于多个平面交线上的原则, 利用法向聚类和平面拟合从候选特征点中筛选特征点; 然后, 依据特征点生长方向和主方向的相互关系重建特征线,并按照最小二乘原理采用矩阵法修复角点; 最后, 以特征线为约束重建尖锐特征点云曲面。实验结果表明: 本文算法计算的点云准确法向与理论法向偏差接近于0, 特征重建效果优于其他算法, 算法耗时短且与点云数量呈线性关系。算法不仅能够准确计算尖锐特征区域的点云法向, 还能准确提取出点云模型的特征点并凸显模型的尖锐特征。