提出了一种地面LiDAR点云强度分类的新方法, 即利用点云的色彩信息, 对强度分类进行约束。与现有的单一利用强度分类方法比较, 该方法利用颜色对强度进行补充, 建立了对激光强度纠正结果的容错机制, 改善了强度纠正模型无法得到最优纠正结果而导致的分类效果不佳的问题。采用Faro Focus 3D 120地面扫描仪采集的强度和颜色数据进行实验, 结果表明该方法可以提高基于激光强度的三维点云分类精度, 在激光强度纠正结果不理想的情况下, 也可得到可信度较高的分类结果。

提出了地面三维激光扫描仪与外置数码相机安置参数的高精度标定方案。首先, 利用商业化近景摄影测量系统对相机内参数进行单独标定; 然后, 利用回光反射标志作为二维和三维匹配的同名控制点, 对直接线性变换进行拓展应用, 在算法迭代过程将内参数作为已知值对外参数进行求解; 最后, 根据相机数据采集特点确定其拍摄全景时多张影像之间的位置关系, 对多张影像的外方位元素进行求解, 从而实现全景点云与全景完整影像之间的映射。进行了实验测试, 利用安置参数标定结果反求验证点像素坐标与真实测量结果之差验证了本文标定方法的精度和可行性。实验显示: 点云与影像间的映射精度可达到1像素左右; 相机拍摄全景获取的影像与全景点云可以实现正确映射, 表明提出的标定方法正确, 满足纹理贴图及将影像作为特征提取辅助信息的精度要求。

针对地面脉冲激光扫描仪自校准参数中存在的高相关性问题，基于全站仪误差模型提出了一种脉冲激光扫描仪自校准统一方法。该方法初始假设激光扫描仪的校准参数与全站仪的系统误差相似，通过引入估计参数的相关随机信息以及选择合适的网络配置, 实现了降低参数相关性和提高参数估计可靠性的目的。通过平差方法对估计参数赋予权重信息，把所有参数都视为最小二乘平差中的观测值，权重越高参数相关性期望越低。最后，采用该方法对脉冲激光扫描仪Leica scan station 实施了自校准。实验结果表明，该方法能够高精度估计大多数参数且实现了参数间的低相关性，有利于随机内部约束平差的使用; 重大的系统误差是激光测距仪零误差和竖盘指标差，其中为了得到零误差的可靠估计,须以约1 mm的精度确定扫描仪的位置。

地面激光雷达获取的激光强度数据包含目标的物理和化学信息，因此研究激光强度数据的生成机制就成为对其分析和应用的关键。分析了地面激光雷达的工作特点，提出假设简化了激光强度数据的计算方程，得出影响激光强度数据的3个主要参量：目标反射率、入射角度和扫描距离。以垂直立面为目标分析地面激光雷达扫描的空间点阵间距的非均匀分布特性，并提出衡量扫描点间距非均匀分布程度的计算方程，分析扫描角度的步进值对扫描点间距非均匀分布的影响。根据实际参数模拟垂直立面的激光强度数据，验证了强度数据计算方程并分析了各参量的影响。