一種適用于多視角自動化配準(zhǔn)多站地面激光點(diǎn)云數(shù)據(jù)的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及對地面站激光掃描點(diǎn)云多站自動化配準(zhǔn)，屬于激光點(diǎn)云測量數(shù)據(jù)處理 自動化研究領(lǐng)域。
【背景技術(shù)】
[0002] 隨著激光掃描技術(shù)的出現(xiàn)和發(fā)展，人們可以快速獲取物體和場景的密集表面點(diǎn)云 數(shù)據(jù)。該技術(shù)廣泛應(yīng)用于逆向工程、虛擬現(xiàn)實(shí)、三維重建等領(lǐng)域。由于每次掃描的范圍和 距離有限，獲取一個場景或物體的完整點(diǎn)云數(shù)據(jù)，需要多次設(shè)站掃描。每個設(shè)站掃描獲取 的坐標(biāo)均是相對于掃描中心的局部坐標(biāo)，這就需要使用配準(zhǔn)技術(shù)將不同測站之間的數(shù)據(jù)統(tǒng) 一到同一坐標(biāo)系下。目前主流的配準(zhǔn)一般分為粗配準(zhǔn)與精配準(zhǔn)兩個步驟。ICP算法（Besl andMcKay，1992)是廣泛應(yīng)用的精配準(zhǔn)算法，但是ICP算法需要較為精確可靠的初值，否 則將陷入局部最優(yōu)值而無法找到全局最優(yōu)的配準(zhǔn)參數(shù)。粗配準(zhǔn)算法通過計算相關(guān)的幾何 信息，為精配準(zhǔn)算法提供較為精確的初值，主要分為基于點(diǎn)、基于線、基于面三類方法?；?于點(diǎn)的方法主要通過局部特征提取部分特征點(diǎn)，再按照一定的搜索策略進(jìn)行配準(zhǔn)參數(shù)的搜 索計算（BBhffitandBecker，2007;BarneaandFilin，2008;Rusu，2008;Weinmann，2011 等）?；诰€與基于面的配準(zhǔn)方法相對較少，主要是通過匹配同名面、同名線，來計算 配準(zhǔn)參數(shù)（StamosandLeordeanu，2〇〇3;Habib，2〇05;YangandZang，2〇14;Doldand Brenner, 2004;TheilerandSchindler, 2012)。這些算法大都針對于某一特定的場景，設(shè) 計了自動化的粗配準(zhǔn)方案，獲取到了粗配準(zhǔn)結(jié)果。
[0003] 雖然上述方法在特定場景下都取得了一定的結(jié)果，但是他們都還受到場景中存在 的點(diǎn)密度不均、噪聲、遮擋的影響，需要大量的人工交互，勞動強(qiáng)度大，效率低?；邳c(diǎn)的配 準(zhǔn)，相對于基于面與基于線的算法更加容易受到噪聲的干擾?；诿娴乃惴ㄒ髨鼍爸写?在足夠多的面，而受到遮擋情況時，同名平面數(shù)量并不能滿足要求?；诰€的算法一般只考 慮了建筑物的邊線，而很少利用場景中的豎直桿狀物，當(dāng)場景為郊區(qū)或者野外森林時算法 將會失敗。在這些算法失敗的場景下，配準(zhǔn)需要手工地進(jìn)行，極大地增加了人工工作量、降 低了生產(chǎn)效率。另一方面，以上的算法都只涉及兩兩配準(zhǔn)，需要人為指定相鄰兩站位置，無 法實(shí)現(xiàn)全局的自動化配準(zhǔn)。因此，迫切需要一種自動化程度較高、適用于多場景、抵抗噪聲 與點(diǎn)密度影響的全局化配準(zhǔn)算法來進(jìn)一步提高生產(chǎn)效率，減少人工工作量。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明在以上研究的基礎(chǔ)上，提出了一種適用于多視角的多站地面激光點(diǎn)云數(shù)據(jù) 自動化配準(zhǔn)的新方法。該方法分為兩個關(guān)鍵的模塊：語義特征點(diǎn)的提取與特征匹配。第一 步，進(jìn)行語義特征點(diǎn)的提取，通過數(shù)據(jù)切片、距離聚類、幾何基元擬合等一系列方式，獲得語 義特征點(diǎn)；第二步，進(jìn)行語義特征點(diǎn)的匹配，通過構(gòu)建三角幾何約束條件與語義約束條件來 匹配語義特征點(diǎn)；并采用幾何一致性的聚類方式剔除其中錯誤的匹配；最后，以匹配的特 征點(diǎn)個數(shù)的倒數(shù)作為權(quán)值，構(gòu)建一個加權(quán)無向圖，以加權(quán)無向圖的最小生成樹作為配準(zhǔn)的 路徑，最終得到各個站的全局配準(zhǔn)參數(shù)，實(shí)現(xiàn)全局最優(yōu)配準(zhǔn)。
[0005] 本發(fā)明通過以下技術(shù)流程解決上述問題：
[0006] -種適用于多視角自動化配準(zhǔn)多站地面激光點(diǎn)云數(shù)據(jù)的方法，其特征在于，包 括：
[0007] -個獲取原始點(diǎn)云數(shù)據(jù)的步驟：獲取一個場景或物體的完整點(diǎn)云數(shù)據(jù)，需要在場 景中的不同位置架設(shè)激光掃描儀獲取數(shù)據(jù)，每個設(shè)站掃描獲取的坐標(biāo)均是相對于激光掃描 儀中心的局部坐標(biāo)，這就需要使用配準(zhǔn)技術(shù)將不同測站之間的數(shù)據(jù)統(tǒng)一到同一坐標(biāo)系下；
[0008] -個語義特征點(diǎn)提取的步驟：首先對獲取的原始點(diǎn)云數(shù)據(jù)進(jìn)行點(diǎn)云分割，然后針 對分割后的點(diǎn)云數(shù)據(jù)進(jìn)行數(shù)值特征線的提取，并進(jìn)行語義信息的計算；具體包括：
[0009] 步驟1. 1，利用高程信息分離點(diǎn)云數(shù)據(jù)中的地面部分，劃分水平格網(wǎng)，認(rèn)為格網(wǎng)內(nèi) 的最低點(diǎn)一定高程范圍內(nèi)的點(diǎn)為地面點(diǎn)。然后，將非地面部分按照一定間距、一定厚度劃分 切片。
[0010] 步驟1.2,在每個切片內(nèi)進(jìn)行自適應(yīng)距離歐式距離聚類。首先在切片內(nèi)構(gòu)建 Delauney三角網(wǎng)。然后，統(tǒng)計該點(diǎn)周圍Delauney三角網(wǎng)的邊長，可以計算得到距離閾值為：
[0011] dTs=Mean(Ps)+Variation(Ps)
[0012] 其中Me叫f)是與該點(diǎn)相連所有Delauney三角形的邊的平均邊長，而 Variation(Ps)是這些邊長的標(biāo)準(zhǔn)差。
[0013] 步驟1. 3,從聚類塊中挑選感興趣的類別，分別是建筑物的立面和桿狀物。桿狀物 在切片數(shù)據(jù)中表現(xiàn)為一個圓柱形的結(jié)構(gòu)，需要滿足模型：
[0014] | (P-Q)XCa| |-r= 0
[0015] 其中，P= (xp,yp,zp)是圓柱上的一點(diǎn)，Q= (xq,yq,zq)是圓柱的軸線上的一點(diǎn)，Ca =(Cax，Cay，Caz)是圓柱軸線的單位向量，r是圓柱的半徑。本方法規(guī)定半徑只能在一定的 閾值1?_到R_范圍內(nèi)，并且軸向方向與Z軸近似平行。保留符合上述條件的圓柱切片聚類 塊，計算這些圓柱聚類塊的中心作為桿狀物的中心點(diǎn)。而另一類建筑物的立面在切片數(shù)據(jù) 中表現(xiàn)為一條直線，應(yīng)該滿足幾何模型：
[0016]
[0017] 其中，（X。，y。，Z。）和（X，y,Z)都是直線上的點(diǎn)，（a,b,C)是該直線的方向。同時限 制直線的最小長度SL_，并且方向（a，b，c)近似與Z軸垂直。保留符合條件的聚類塊作 為建筑物聚類塊，計算它的兩個端點(diǎn)，作為特征點(diǎn)保留，并且判定它是建筑物的邊線點(diǎn)還是 交線點(diǎn)。
[0018] 步驟1. 4,獲得帶有語義信息的特征點(diǎn)。將上述直線與地面的交點(diǎn)作為特征點(diǎn)。同 時計算該點(diǎn)的語義信息。這些語義信息可以表述為以下一個向量：
[0019] Lfeature(Ptl〇west，Pthighest，Ptnum，Lheight，Lid，Lcateg〇ry，Lrajius，Pljirecti〇ni，Pljirecti〇n2)
[0020] Ptlmrest，Pthlghest，Pt_，Lhelght和Lld分別為得到該點(diǎn)所用的與地面相交的豎直線的 最低點(diǎn)、最高點(diǎn)、所包含的點(diǎn)個數(shù)、高程和該點(diǎn)的ID。^^^^表示該點(diǎn)的類型，是立面邊線、 立面交線還是桿狀物中心線與地面的交點(diǎn)。LMdlus表示桿狀物的平均半徑，只存在于桿狀 物中心線與地面交點(diǎn)。Pldll^tlcinJPPIdll^tlcm2表示構(gòu)建該點(diǎn)的兩個建筑物立面的走向，只 存在于兩個立面交線與地面的交點(diǎn)。如果是建筑物的邊線與地面的交點(diǎn)，則只有一個方向 P1 directionl
[0021] 一個匹配與全局配準(zhǔn)的步驟：通過構(gòu)建三角幾何約束條件與語義約束條件來匹配 語義特征點(diǎn)，首先得到一個初步匹配的三角形對，然后針對得到的初步匹配的三角形采用 幾何一致性的聚類方式剔除其中錯誤的匹配；最后，以匹配的特征點(diǎn)個數(shù)的倒數(shù)作為權(quán)值， 構(gòu)建一個加權(quán)無向圖，以加權(quán)無向圖的最小生成樹作為配準(zhǔn)的路徑，最終得到各個站的全 局配準(zhǔn)參數(shù)，具體包括：
[0022] 步驟2. 1，構(gòu)建語義特征點(diǎn)三角形網(wǎng)。對所有語義特征點(diǎn)構(gòu)建三角形，可以得到 個三角形，其中NI表示語義特征點(diǎn)的個數(shù)。為了減少運(yùn)算量，加快運(yùn)算速度，剔除其中 等角、近似于共線以及邊長較短的三角形。對于剩下的三角形建立hash表，