本發(fā)明涉及三維激光點(diǎn)云數(shù)據(jù)處理領(lǐng)域，具體是指一種同機(jī)影像輔助下的建筑物三維激光點(diǎn)云特征提取方法。

背景技術(shù)：

三維數(shù)字城市是未來(lái)城市全球信息化發(fā)展的趨勢(shì)，逐漸成為研究的熱點(diǎn)。在數(shù)字城市地理空間框架建設(shè)中，三維數(shù)字城市模型既是新穎生動(dòng)的亮點(diǎn)、更是技術(shù)升華的結(jié)晶，越來(lái)越為人們所重視，越來(lái)越多的城市開(kāi)展了三維建模和應(yīng)用，構(gòu)建三維城市中建筑物模型是數(shù)字城市必要的步驟和關(guān)鍵內(nèi)容之一。另外，作為建設(shè)領(lǐng)域新興技術(shù)，建筑信息模型BIM(Building Information Model)技術(shù)在建筑物信息模型重建、管理等方面的應(yīng)用也被逐步研究，通過(guò)對(duì)建筑物進(jìn)行信息模型的重建，能夠獲得建筑物全方面的信息，如模型的幾何、物理、構(gòu)造、技術(shù)等信息，為建筑物改造、翻新、保護(hù)提供決策與服務(wù)，同時(shí)能夠用于建筑物導(dǎo)航定位、突發(fā)事件預(yù)警等。而B(niǎo)IM技術(shù)中幾何模型信息是較為重要的信息。

傳統(tǒng)的城市建筑物空間信息獲取主要依賴于全站儀、航空攝影測(cè)量和衛(wèi)星影像等，但由于數(shù)據(jù)獲取能力的限制，很難有效地進(jìn)行建筑的三維建模。三維激光掃描技術(shù)的廣泛應(yīng)用，逐漸打破了這一瓶頸，且三維激光掃描技術(shù)在數(shù)字城市及BIM的幾何模型構(gòu)建方面也受到了極大的關(guān)注。但三維激光點(diǎn)云具有數(shù)據(jù)量大、密度高等特征，為數(shù)據(jù)的存儲(chǔ)和處理帶來(lái)了巨大挑戰(zhàn)。如果對(duì)建筑物三維激光點(diǎn)云數(shù)據(jù)進(jìn)行特征提取，用少量的關(guān)鍵點(diǎn)就能夠表達(dá)建筑物的立面結(jié)構(gòu)信息，用特征作為建模的約束條件，能夠準(zhǔn)確表達(dá)模型的外觀和結(jié)構(gòu)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題是：避開(kāi)單純利用三維激光點(diǎn)云數(shù)據(jù)的幾何信息進(jìn)行特征提取的缺陷，提供一種同機(jī)影像輔助下的建筑物三維激光點(diǎn)云特征提取方法，將建筑物三維激光點(diǎn)云與同機(jī)影像進(jìn)行精確配準(zhǔn)，獲得空間中三維激光點(diǎn)與影像像素之間的對(duì)應(yīng)關(guān)系，運(yùn)用LSD算法對(duì)影像數(shù)據(jù)進(jìn)行特征提取，得到建筑物影像特征圖；在此基礎(chǔ)上，設(shè)計(jì)算法實(shí)現(xiàn)建筑物三維激光點(diǎn)云特征提取，并基于RANSCA算法對(duì)提取出的初始三維激光點(diǎn)云特征進(jìn)行優(yōu)化處理，最終得到精細(xì)、準(zhǔn)確的建筑物三維激光點(diǎn)云特征。本發(fā)明的同機(jī)影像是指三維激光掃描系統(tǒng)在獲取三維激光掃描數(shù)據(jù)的同時(shí)，利用配套的高分辨率數(shù)碼相機(jī)同步獲取的高分辨率影像。

本發(fā)明的技術(shù)解決方案是：

一種同機(jī)影像輔助下的建筑物三維激光點(diǎn)云特征提取方法，利用三維激光掃描系統(tǒng)及相機(jī)，該方法的具體步驟如下：

步驟1，確定相機(jī)的內(nèi)部和外部參數(shù)，實(shí)現(xiàn)同機(jī)影像與三維激光點(diǎn)云的精確配準(zhǔn)，得到相機(jī)坐標(biāo)系(X_C,Y_C,Z_C)與空間中三維激光點(diǎn)(X_W,Y_W,Z_W)之間的關(guān)系公式：

得到空間中三維激光點(diǎn)(X_W,Y_W,Z_W)與影像像素(u,v)之間的對(duì)應(yīng)關(guān)系公式：

其中，空間中三維激光點(diǎn)(X_W,Y_W,Z_W)是指站點(diǎn)配準(zhǔn)后工程項(xiàng)目坐標(biāo)系下三維激光點(diǎn)的坐標(biāo)；M₁是相機(jī)內(nèi)部參數(shù)矩陣，即相機(jī)坐標(biāo)系與圖像坐標(biāo)系相互轉(zhuǎn)換的矩陣；M₂為外部參數(shù)矩陣，即相機(jī)坐標(biāo)系與世界坐標(biāo)系的相互轉(zhuǎn)換的矩陣；Mounting矩陣是裝配相機(jī)后，相機(jī)坐標(biāo)系與掃描系統(tǒng)坐標(biāo)系的初始位置關(guān)系校正矩陣；COP(Camera Orientation and Position)矩陣是拍攝紋理時(shí)，相機(jī)相對(duì)于初始位置的旋轉(zhuǎn)矩陣；這些參數(shù)在同機(jī)影像與三維激光點(diǎn)云配準(zhǔn)后能夠獲得；SOP(Sensor's Orientation and Position)矩陣是不同站的掃描系統(tǒng)坐標(biāo)系相對(duì)于工程坐標(biāo)系的旋轉(zhuǎn)平移矩陣，在站點(diǎn)配準(zhǔn)后能夠獲得；

步驟2，運(yùn)用LSD(Line Segment Detector)直線段檢測(cè)算法提取建筑物影像特征，得到建筑物影像特征圖；

步驟3，根據(jù)預(yù)處理后建筑物三維激光點(diǎn)云數(shù)據(jù)、建筑物影像特征圖、影像與三維激光點(diǎn)云配準(zhǔn)后相機(jī)內(nèi)部和外部參數(shù)及空間中三維激光點(diǎn)與影像像素之間的對(duì)應(yīng)關(guān)系，提取影像像素特征對(duì)應(yīng)的建筑物三維激光點(diǎn)云特征；建筑物影像特征到三維激光點(diǎn)云的映射方法流程如下：

步驟31，記建筑物影像特征圖中像素坐標(biāo)為(U,V)，遍歷每一個(gè)像素點(diǎn)(U_i,V_i)，判斷當(dāng)前像素點(diǎn)是否為特征像素，如果不是，繼續(xù)遍歷下一個(gè)像素點(diǎn)，如果是，保存當(dāng)前像素點(diǎn)的坐標(biāo)，最終得到特征像素集合(U_C,V_C)；

步驟32，準(zhǔn)備預(yù)處理后原始三維激光點(diǎn)云數(shù)據(jù)(X_W,Y_W,Z_W)及影像與三維激光點(diǎn)云配準(zhǔn)后得到的M₁矩陣、Mounting矩陣、COP矩陣和SOP矩陣，遍歷每個(gè)三維激光點(diǎn)(X_Wi,Y_Wi,Z_Wi)，根據(jù)公式(1)，求出對(duì)應(yīng)的相機(jī)坐標(biāo)(X_Ci,Y_Ci,Z_Ci)，從而得到每個(gè)三維激光點(diǎn)對(duì)應(yīng)的相機(jī)光軸Z_Ci值，公式(2)，求出每個(gè)三維激光點(diǎn)對(duì)應(yīng)的影像像素坐標(biāo)(u_i,v_i)；

步驟33，判斷影像特征像素集合(U_C,V_C)中是否存在像素坐標(biāo)(u_i,v_i)，如果存在，則該像素坐標(biāo)(u_i,v_i)對(duì)應(yīng)的三維激光點(diǎn)(X_Wi,Y_Wi,Z_Wi)即是所求的三維激光點(diǎn)云特征，保存該像素坐標(biāo)及對(duì)應(yīng)的三維激光點(diǎn)坐標(biāo)，最終得到三維激光特征點(diǎn)集合(X_WC,Y_WC,Z_WC)；

步驟4，在RANSAC(RANdom SAmple Consensus)算法的基礎(chǔ)上對(duì)初始特征點(diǎn)進(jìn)行直線檢測(cè)，得到更加準(zhǔn)確的建筑物三維激光點(diǎn)云特征，具體的實(shí)現(xiàn)流程如下：

步驟41，將步驟3中檢測(cè)出的三維激光特征點(diǎn)作為初始候選點(diǎn)集合，并記為Q＝{q_j}，選擇初始候選點(diǎn)集合Q中的任意兩個(gè)點(diǎn){q₁,q₂}；

步驟42，依據(jù)兩個(gè)點(diǎn){q₁,q₂}的位置坐標(biāo)構(gòu)造出三維直線I；

步驟43，計(jì)算集合Q中除點(diǎn){q₁,q₂}外的其他點(diǎn)q_j到直線I的距離值d_j，并統(tǒng)計(jì)值d_j中小于距離閾值ξ的點(diǎn)的集合D_I，將集合D_I的個(gè)數(shù)作為直線I所得分?jǐn)?shù)S_I；

步驟44，重復(fù)步驟41到43過(guò)程M次，從而選出得分最高的三維直線I^*，次數(shù)M的計(jì)算公式為：

其中，η是直線I^*之外的點(diǎn)所占的百分比，Ψ為M次采樣之后被選中的概率大小；

步驟45，記錄直線I^*并在集合Q中移除集合D_I^*中的點(diǎn)；

步驟46，重復(fù)步驟41到45過(guò)程，直到從剩余的點(diǎn)中不能夠再選出得分大于分?jǐn)?shù)閾值Sˊ的直線。

進(jìn)一步地，所述步驟2中，可以通過(guò)調(diào)整LSD函數(shù)的尺度縮放參數(shù)S的大小來(lái)對(duì)圖像進(jìn)行重采樣，該算法中圖像縮放尺度參數(shù)S默認(rèn)大小為0.8，如果檢測(cè)出的特征有些是不需要的細(xì)節(jié)特征，可以縮小參數(shù)S。在一定范圍內(nèi)S值越小檢測(cè)出的特征越少，特征的連續(xù)性也相對(duì)越好，因此可根據(jù)需要選擇合適的S值。

優(yōu)選地，所述步驟4中，距離閾值ξ設(shè)為集合Q的包圍盒的對(duì)角線長(zhǎng)度的0.02％，概率Ψ設(shè)為0.99，η設(shè)為0.9。

本發(fā)明將三維激光點(diǎn)云數(shù)據(jù)與同機(jī)影像數(shù)據(jù)結(jié)合起來(lái)，充分利用影像像素之間鄰接關(guān)系明顯、特征信息豐富、連續(xù)和三維激光點(diǎn)云幾何定位精度高的優(yōu)勢(shì)，克服了單純利用三維激光點(diǎn)云特征提取過(guò)程復(fù)雜、會(huì)漏檢一些曲率變化不明顯的特征的缺陷，提高了三維激光點(diǎn)云特征提取的精細(xì)程度和準(zhǔn)確度，有助于建筑物模型構(gòu)建，對(duì)數(shù)字城市化的發(fā)展及BIM的構(gòu)建有很大的理論參考價(jià)值，能夠在生產(chǎn)領(lǐng)域解決更多實(shí)際問(wèn)題。

附圖說(shuō)明

圖1為本發(fā)明方法流程示意圖；

圖2為本發(fā)明方法中影像特征到三維激光點(diǎn)云的映射算法流程；

圖3為本發(fā)明實(shí)施例中江西理工大學(xué)建測(cè)樓三維激光點(diǎn)云特征圖，(a)為建測(cè)樓三維激光點(diǎn)云特征全局效果圖，(b)、(c)為三維激光點(diǎn)云特征優(yōu)化后套合原始點(diǎn)云數(shù)據(jù)局部細(xì)節(jié)圖，其中白色點(diǎn)為特征點(diǎn)。

具體實(shí)施方式

以下將結(jié)合附圖，以江西理工大學(xué)建測(cè)樓三維激光點(diǎn)云特征提取為例，說(shuō)明本發(fā)明的具體實(shí)施方法：

1、利用Riegl VZ-1000型三維激光掃描儀及配套的數(shù)碼相機(jī)對(duì)江西理工大學(xué)建測(cè)樓進(jìn)行數(shù)據(jù)采集，獲得建測(cè)樓三維激光點(diǎn)云數(shù)據(jù)的同時(shí)獲得同機(jī)高分辨率的影像數(shù)據(jù)。根據(jù)建筑物及周圍環(huán)境進(jìn)行設(shè)站，盡量避開(kāi)其他物體遮擋。掃描模式設(shè)置為Panorama_20，從而獲得較密的激光點(diǎn)云數(shù)據(jù)。

利用RiSCAN PRO軟件對(duì)獲得的三維激光點(diǎn)云數(shù)據(jù)進(jìn)行去噪、站點(diǎn)配準(zhǔn)操作。對(duì)于明顯的遮擋點(diǎn)及非建筑噪點(diǎn)如地面、樹(shù)木、汽車、行人等，直接刪除，對(duì)于其他肉眼分辨不出的噪聲點(diǎn)采用統(tǒng)一采樣命令，通過(guò)合理設(shè)置參數(shù)化采樣百分比完成采樣點(diǎn)云數(shù)據(jù)的去噪；選擇同名點(diǎn)作為激光點(diǎn)云特征進(jìn)行站點(diǎn)之間的初始配準(zhǔn)，通過(guò)軟件參數(shù)化設(shè)置公差、最大跌代數(shù)及采樣大小等一系列參數(shù)完成站點(diǎn)之間的精細(xì)配準(zhǔn)。各站點(diǎn)之間配準(zhǔn)后，能夠得到不同測(cè)站的掃描儀坐標(biāo)系相對(duì)于工程項(xiàng)目坐標(biāo)系的旋轉(zhuǎn)平移矩陣，即SOP矩陣。

利用RiSCAN PRO軟件對(duì)相機(jī)進(jìn)行標(biāo)定，確定相機(jī)的內(nèi)部和外部參數(shù)，實(shí)現(xiàn)同機(jī)影像與三維激光點(diǎn)云的精確配準(zhǔn)。首先在各站影像中選擇多對(duì)同名點(diǎn)進(jìn)行連接，然后創(chuàng)建New mouting，分別進(jìn)行SETTINGS下的三種計(jì)算模式，取計(jì)算精度最高的作為相機(jī)校準(zhǔn)參數(shù)，最后將新生成的mouting應(yīng)用于各站點(diǎn)。同機(jī)影像與三維激光點(diǎn)云配準(zhǔn)后，在RiSCAN PRO軟件中可查看相機(jī)的內(nèi)部參數(shù)，即M₁矩陣；矩陣是裝配相機(jī)后，相機(jī)坐標(biāo)系與掃描儀坐標(biāo)系的初始位置關(guān)系校正矩陣，即Mounting矩陣；拍攝紋理時(shí)，相機(jī)相對(duì)于初始位置的旋轉(zhuǎn)矩陣，即COP矩陣。

得到相機(jī)坐標(biāo)系(X_C,Y_C,Z_C)與空間中三維激光點(diǎn)(X_W,Y_W,Z_W)之間的關(guān)系公式：

得到空間中三維激光點(diǎn)(X_W,Y_W,Z_W)與影像像素(u,v)之間的對(duì)應(yīng)關(guān)系公式：

其中，空間中三維激光點(diǎn)(X_W,Y_W,Z_W)是指站點(diǎn)配準(zhǔn)后工程項(xiàng)目坐標(biāo)系下三維激光點(diǎn)的坐標(biāo)。

2、運(yùn)用LSD(Line Segment Detector)直線段檢測(cè)算法提取建筑物影像特征，得到建筑物影像特征圖。

可以通過(guò)調(diào)整LSD函數(shù)的尺度縮放參數(shù)S的大小來(lái)對(duì)圖像進(jìn)行重采樣。該算法中圖像縮放尺度參數(shù)S默認(rèn)大小為0.8，如果檢測(cè)出的特征有些是不需要的細(xì)節(jié)特征，可以縮小參數(shù)S。在一定范圍內(nèi)S值越小檢測(cè)出的特征越少，特征的連續(xù)性也相對(duì)越好，因此可根據(jù)需要選擇合適的S值。

影像特征圖中建筑物特征部分用白色像素點(diǎn)表示，非特征部分用黑色像素點(diǎn)表示，且特征直線段的像素寬度為單位像素。

3、根據(jù)預(yù)處理后建筑物三維激光點(diǎn)云數(shù)據(jù)、建筑物影像特征圖、影像與三維激光點(diǎn)云配準(zhǔn)后相機(jī)內(nèi)部和外部參數(shù)及空間中三維激光點(diǎn)與影像像素之間的對(duì)應(yīng)關(guān)系，結(jié)合OpenCV庫(kù)編程實(shí)現(xiàn)影像像素特征對(duì)應(yīng)的建筑物三維激光點(diǎn)云特征提取。建筑物影像特征到三維激光點(diǎn)云的映射方法具體實(shí)現(xiàn)流程如圖2所示，流程描述如下：

1)記建筑物影像特征圖中像素坐標(biāo)為(U,V)，遍歷每一個(gè)像素點(diǎn)(U_i,V_i)，判斷當(dāng)前像素點(diǎn)是否為特征像素，如果不是，繼續(xù)遍歷下一個(gè)像素點(diǎn)，如果是，保存當(dāng)前像素點(diǎn)的坐標(biāo)，最終得到特征像素集合(U_C,V_C)；

2)準(zhǔn)備預(yù)處理后原始三維激光點(diǎn)云數(shù)據(jù)(X_W,Y_W,Z_W)及影像與三維激光點(diǎn)云配準(zhǔn)后得到的M₁矩陣、Mounting矩陣、COP矩陣和SOP矩陣，遍歷每個(gè)三維激光點(diǎn)(X_Wi,Y_Wi,Z_Wi)，根據(jù)相機(jī)坐標(biāo)系與空間中三維激光點(diǎn)之間的關(guān)系公式，即公式(1)，求出對(duì)應(yīng)的相機(jī)坐標(biāo)(X_C,Y_C,Z_C)，從而得到每個(gè)三維激光點(diǎn)對(duì)應(yīng)的相機(jī)光軸Z_Ci值，根據(jù)空間中三維激光點(diǎn)與影像像素之間的對(duì)應(yīng)關(guān)系公式，即公式(2)，求出每個(gè)三維激光點(diǎn)對(duì)應(yīng)的影像像素坐標(biāo)(u_i,v_i)；

3)判斷影像特征像素集合(U_C,V_C)中是否存在像素坐標(biāo)(u_i,v_i)，如果存在，則該像素坐標(biāo)(u_i,v_i)對(duì)應(yīng)的三維激光點(diǎn)(X_Wi,Y_Wi,Z_Wi)即是所求的三維激光點(diǎn)云特征，保存該像素坐標(biāo)及對(duì)應(yīng)的三維激光點(diǎn)坐標(biāo)，最終得到三維激光特征點(diǎn)集合(X_WC,Y_WC,Z_WC)。

該方法中判斷像素是否為特征像素的方法是判斷該像素的值是白色還是黑色，若為白色則該像素是特征像素，若為黑色在該像素為非特征像素。

該方法實(shí)現(xiàn)過(guò)程中涉及到像素坐標(biāo)值的比較，定義像素坐標(biāo)UV結(jié)構(gòu)體時(shí)，需要定義U,V的排序方式，如：U按數(shù)值升序排序，如果U相同，按V數(shù)值升序排序。

4、基于PCL點(diǎn)云庫(kù)，在RANSAC(RANdom SAmple Consensus)算法的基礎(chǔ)上對(duì)初始特征點(diǎn)進(jìn)行直線檢測(cè)，得到更加準(zhǔn)確的建筑物三維激光點(diǎn)云特征。具體的實(shí)現(xiàn)流程如下：

1)將3中檢測(cè)出的三維激光特征點(diǎn)作為初始候選點(diǎn)集合，并記為Q＝{q_j}，選擇初始候選點(diǎn)集合Q中的任意兩個(gè)點(diǎn){q₁,q₂}。

2)依據(jù)兩個(gè)點(diǎn){q₁,q₂}的位置坐標(biāo)構(gòu)造出三維直線I。

3)計(jì)算集合Q中除點(diǎn){q₁,q₂}外的其他點(diǎn)q_j到直線I的距離值d_j，并統(tǒng)計(jì)值d_j中小于距離閾值ξ的點(diǎn)的集合D_I，將集合D_I的個(gè)數(shù)作為直線I所得分?jǐn)?shù)S_I。

4)重復(fù)1到3過(guò)程M次，從而選出得分最高的三維直線I^*，次數(shù)M的計(jì)算公式為：

其中，η是直線I^*之外的點(diǎn)所占的百分比，Ψ為M次采樣之后被選中的概率大小。

5)記錄直線I^*并在集合Q中移除集合D_I^*中的點(diǎn)。

6)重復(fù)1到5過(guò)程，直到從剩余的點(diǎn)中不能夠再選出得分大于分?jǐn)?shù)閾值Sˊ的直線。

該方法實(shí)現(xiàn)過(guò)程中，距離閾值ξ設(shè)為Q的包圍盒的對(duì)角線長(zhǎng)度的0.02％，概率Ψ設(shè)為0.99，η設(shè)為0.9。

本實(shí)施例江西理工大學(xué)建測(cè)樓的全部三維激光點(diǎn)云特征進(jìn)行優(yōu)化處理后的效果如圖3所示，由圖可以看出，利用本發(fā)明方法所提取的特征較為全面、豐富，能夠精細(xì)、準(zhǔn)確地表達(dá)建筑物的結(jié)構(gòu)信息。