一種地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法
【專(zhuān)利摘要】本發(fā)明提供一種地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法，克服地面三維激光掃描技術(shù)掃描的局限性。地面三維激光掃描獲取的點(diǎn)云數(shù)據(jù)常常包含有各種無(wú)法測(cè)量到的區(qū)域，產(chǎn)生點(diǎn)云空洞，導(dǎo)致掃描對(duì)象局部區(qū)域信息丟失。這些空洞不僅使得模型無(wú)法正確實(shí)現(xiàn)可視化，也會(huì)影響模型后續(xù)處理。針對(duì)以上所述的問(wèn)題，本發(fā)明的目的通過(guò)以下技術(shù)方案實(shí)現(xiàn)：利用SIFT圖像憑借算法將采集的影像相片進(jìn)行拼接處理得到一幅全景圖片，通過(guò)全景圖片進(jìn)行密集重建得到影像相片生成的3D點(diǎn)云數(shù)據(jù)，利用迭代就近點(diǎn)算法(ICP)實(shí)現(xiàn)激光掃描點(diǎn)云與影像數(shù)據(jù)生成點(diǎn)云的配準(zhǔn)工作。
【專(zhuān)利說(shuō)明】
一種地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種地面三維激光掃描點(diǎn)云與影像三維重建生成點(diǎn)云進(jìn)行配準(zhǔn)的方 法。
【背景技術(shù)】
[0002] 隨著地球空間信息技術(shù)發(fā)展進(jìn)入一個(gè)新的時(shí)期，獲取、分析用以準(zhǔn)確描述三維空 間信息的空間數(shù)據(jù)成為研究地球空間信息的基礎(chǔ)。傳統(tǒng)的獲取三維數(shù)據(jù)的方式不僅耗時(shí)， 而且采樣密度低，造成采集到的數(shù)據(jù)無(wú)法對(duì)空間對(duì)象進(jìn)行精確完整描述。另外，空間對(duì)象及 其周?chē)h(huán)境紛繁復(fù)雜，如何準(zhǔn)確、全方位獲取相應(yīng)的空間數(shù)據(jù)也成為當(dāng)前空間信息科學(xué)研 究的主要困難之一。地面三維激光掃描技術(shù)的出現(xiàn)為我們提供了一種非破壞性的高分辨率 三維測(cè)量手段，可以彌補(bǔ)傳統(tǒng)測(cè)量手段的不足。
[0003] 三維激光掃描也被稱(chēng)為激光雷達(dá)(Light Detection and Ranging，LIDAR)，其作 為一種測(cè)繪新技術(shù)在近十多年來(lái)得到了快速的發(fā)展，由于其掃描速度快，掃描得到的坐標(biāo) 點(diǎn)密度較大等優(yōu)點(diǎn)，在包括地形測(cè)量，逆向工程，歷史遺跡保護(hù)等方面均具有廣闊的應(yīng)用前 景，并逐漸成為城市三維數(shù)據(jù)模型獲取的一種重要手段和方法，該技術(shù)也被稱(chēng)為繼GPS技術(shù) 以來(lái)測(cè)繪領(lǐng)域的又一次技術(shù)革新。根據(jù)載體的不同，三維激光掃描分為機(jī)載激光掃描、車(chē)載 激光掃描及地面三維激光掃描。本論文數(shù)據(jù)采集主要利用地面三維激光掃描儀完成，該數(shù) 據(jù)與其它方式獲取的點(diǎn)云數(shù)據(jù)相比有其自身的特點(diǎn)。在地面掃描激光掃描過(guò)程中，由于受 到測(cè)量設(shè)備和環(huán)境的限制，每次測(cè)量得到的點(diǎn)云數(shù)據(jù)往往只覆蓋掃描對(duì)象的大部分表面， 完整的點(diǎn)云數(shù)據(jù)則需要通過(guò)多站測(cè)量完成，因此需要對(duì)這些局部點(diǎn)云數(shù)據(jù)進(jìn)行拼接和配 準(zhǔn)，有效而精確的配準(zhǔn)可以為后續(xù)的點(diǎn)云三維建模提供良好的基礎(chǔ)數(shù)據(jù)。
[0004] 由于受到掃描環(huán)境之間的遮擋，地面三維激光掃描獲取的點(diǎn)云數(shù)據(jù)常常包含有各 種無(wú)法測(cè)量到的區(qū)域，產(chǎn)生點(diǎn)云空洞，導(dǎo)致局部區(qū)域信息丟失。這些空洞不僅使得掃描對(duì)象 的三維模型無(wú)法完整地實(shí)現(xiàn)可視化，也會(huì)影響建模后參數(shù)提取。由于近景影像獲取相對(duì)方 便，靈活性較高，而且成本較低。因此，掃描人員可以從不同角度利用數(shù)碼相機(jī)進(jìn)行補(bǔ)拍。這 樣，充分利用兩種傳感器的優(yōu)點(diǎn)，獲取對(duì)象全貌。然而，多源數(shù)據(jù)融合一直是數(shù)據(jù)處理領(lǐng)域 的難點(diǎn)，需要克服在兩種數(shù)據(jù)之間尋找同名特征的問(wèn)題，利用重疊部分的信息，通過(guò)配準(zhǔn)操 作將兩種類(lèi)型的數(shù)據(jù)納入到統(tǒng)一的坐標(biāo)系統(tǒng)中，并使得各個(gè)元素在幾何上對(duì)準(zhǔn)。目前已有 的融合方法主要專(zhuān)注于點(diǎn)云與圖像上共同幾何特征的提取，基于中心投影原理利用共線方 程進(jìn)行，實(shí)際上仍是二維與三維之間的配準(zhǔn)，精度較低，并且限制條件較多。
[0005] 綜上所述，開(kāi)發(fā)一種克服三維激光掃描技術(shù)掃描的局限性，保證實(shí)體對(duì)象的完整 性顯得尤為重要。

【發(fā)明內(nèi)容】

[0006] 針對(duì)以上所述的問(wèn)題，本發(fā)明提供一種地面三維激光掃描點(diǎn)云與影像三維重建生 成點(diǎn)云進(jìn)行配準(zhǔn)的方法。為了達(dá)到上述目的，本發(fā)明的目的通過(guò)以下技術(shù)方案實(shí)現(xiàn)：
[0007] 一種地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的裝置，其特征在于:包括點(diǎn)云與 圖像數(shù)據(jù)采集模塊、點(diǎn)云數(shù)據(jù)配準(zhǔn)模塊、影像數(shù)據(jù)拼接模塊和密集重建模塊，其中：
[0008] 點(diǎn)云與圖像數(shù)據(jù)采集模塊，采集點(diǎn)云數(shù)據(jù)和影像數(shù)據(jù)；
[0009] 點(diǎn)云數(shù)據(jù)配準(zhǔn)模塊，將三維激光掃描點(diǎn)云與影像三維重建生成點(diǎn)云利用迭代就近 點(diǎn)算法（ICP)進(jìn)行配準(zhǔn)；
[0010] 影像數(shù)據(jù)拼接模塊，利用SIFT圖像拼接算法將采集的影像相片進(jìn)行拼接處理得到 一幅全景圖片；
[0011] 密集重建模塊，運(yùn)用場(chǎng)景信息與原始圖片，得到照片中物體的3D點(diǎn)云；
[0012] 所述的地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的裝置，其特征在于:所述的點(diǎn) 云與圖像數(shù)據(jù)采集模塊包括點(diǎn)云數(shù)據(jù)采集模塊、圖像數(shù)據(jù)采集模塊，其中所述的點(diǎn)云數(shù)據(jù) 采集模塊由布設(shè)站點(diǎn)、布設(shè)標(biāo)靶、掃描組成。
[0013] 布設(shè)站點(diǎn)是根據(jù)掃描實(shí)施方案，在需要的地方作好測(cè)站點(diǎn)標(biāo)記，記錄控制點(diǎn)坐標(biāo)。 如果需要控制測(cè)量成果參與平差的，則要在確定掃描測(cè)站點(diǎn)時(shí)一并考慮全站儀導(dǎo)線測(cè)量的 可行性和質(zhì)量。同時(shí)確定現(xiàn)場(chǎng)電源的位置和供電方案。
[0014] 布設(shè)標(biāo)靶是利用"公共控制點(diǎn)（標(biāo)靶)"的配準(zhǔn)方式時(shí)，選擇在適宜的位置布設(shè)標(biāo) 靶。由于兩個(gè)測(cè)站的點(diǎn)云配準(zhǔn)至少需要2個(gè)點(diǎn)或3個(gè)點(diǎn)，標(biāo)靶的位置應(yīng)保證兩測(cè)站掃描的通 視或點(diǎn)不要太集中。
[0015] 掃描首先在相應(yīng)的測(cè)站點(diǎn)上架設(shè)儀器，對(duì)中整平，利用數(shù)據(jù)線建立掃描儀與筆記 本電腦的連接，按照建立測(cè)站、選定掃描區(qū)域、設(shè)置掃描參數(shù)的步驟進(jìn)行掃描了。
[0016] 所述的地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的裝置，其特征在于:所述的圖 像數(shù)據(jù)采集模塊，通過(guò)數(shù)碼相機(jī)拍攝目標(biāo)物，提供高分辨率的影像數(shù)據(jù)，這些影像數(shù)據(jù)能夠 用于生成點(diǎn)云數(shù)據(jù)。
[0017] 一種地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法，其特征在于，包含以下順 序的步驟：
[0018] S1.采集點(diǎn)云數(shù)據(jù)和影像數(shù)據(jù)；
[0019] S2.利用SIFT圖像憑借算法將采集的影像相片進(jìn)行拼接處理得到一幅全景圖片； [0020] S3.利用全景圖片進(jìn)行密集重建得到影像相片生成的3D點(diǎn)云數(shù)據(jù)；
[0021] S4.利用迭代就近點(diǎn)算法實(shí)現(xiàn)激光掃描點(diǎn)云與影像數(shù)據(jù)生成點(diǎn)云的配準(zhǔn)工作；
[0022]所述的一種地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法，其特征在于，步驟 S2中，所述的SIFT圖像拼接算法包含以下步驟：
[0023] a)檢測(cè)尺度空間極值點(diǎn)：圖像在不同尺度下的尺度空間可以用高斯核卷積公式L (1，7,〇)=6(1，7,〇)*1(1，7)來(lái)表示，利用0〇6算子對(duì)兩幅圖像在灰度和尺度兩個(gè)空間進(jìn)行 布局極值檢測(cè);算子定義為兩個(gè)不同尺度的高斯核的差分，然后通過(guò)具體的模型精確關(guān)鍵 點(diǎn)的位置和尺度，去除低對(duì)比和邊緣響應(yīng)不穩(wěn)定的關(guān)鍵點(diǎn)；
[0024] b)分配關(guān)鍵點(diǎn)方向：點(diǎn)鄰域像素的梯度方向分布特征為每個(gè)關(guān)鍵點(diǎn)指定方向參 數(shù)，保證SIFT算子的旋轉(zhuǎn)不變性;梯度表示如下：
以關(guān)鍵點(diǎn)為中心的鄰域窗口內(nèi)采樣，并用直方圖統(tǒng)計(jì)鄰域像素 的梯度方向；直方圖的峰值代表了該關(guān)鍵點(diǎn)處鄰域梯度的主方向，即作為該關(guān)鍵點(diǎn)的方向；
[0026] c)生成關(guān)鍵點(diǎn)描述:首先將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點(diǎn)的方向，以確保旋轉(zhuǎn)不變性;對(duì)每 個(gè)關(guān)鍵點(diǎn)使用4X4共16個(gè)種子點(diǎn)來(lái)描述;這樣對(duì)于一個(gè)關(guān)鍵點(diǎn)就可以產(chǎn)生128個(gè)數(shù)據(jù)，形成 128維的SIFT特征向量;將特征向量的長(zhǎng)度歸一化，則可以進(jìn)一步去除光照變化的影響，增 強(qiáng)算法抗噪聲的能力，同時(shí)對(duì)含有定位誤差的特征匹配也提供了較好的容錯(cuò)性；
[0027] d)特征向量匹配:生成兩幅圖像的SITF特征向量后，采用關(guān)鍵點(diǎn)特征向量的歐氏 距離作為兩幅圖像中關(guān)鍵點(diǎn)的相似性判定準(zhǔn)則，得到滿足準(zhǔn)則的SITF匹配點(diǎn)對(duì);取圖像中 的某個(gè)關(guān)鍵點(diǎn)，并找出其與另一張圖像中歐氏距離最近的前兩個(gè)關(guān)鍵點(diǎn)，如果最近的距離 除以次近的距離小于某個(gè)閾值，則接受這一對(duì)匹配點(diǎn)；降低這個(gè)比例閾值，SITF匹配點(diǎn)數(shù)目 會(huì)減少，但更加穩(wěn)定;根據(jù)得到的SIFT匹配點(diǎn)對(duì)計(jì)算出圖像的變換參數(shù)，進(jìn)行拼接融合得到 拼接圖像。
[0028]所述的地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法，其特征在于，所述的步 驟S3,利用全景圖片進(jìn)行密集重建得到影像相片生成的3D點(diǎn)云數(shù)據(jù)，運(yùn)用多視立體重建算 法(PMVS)，得到3D點(diǎn)云。點(diǎn)云質(zhì)量受到處理圖像精度的執(zhí)行效率、重建精度和完整性影響。 [0029]所述的地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法，其特征在于，所述的步 驟S4，所述的迭代就近點(diǎn)算法實(shí)現(xiàn)包含以下步驟：
[0030] 參考點(diǎn)集P包含NP個(gè)點(diǎn)：P = P2…,PNpV目標(biāo)點(diǎn)集Q包含Nq個(gè)點(diǎn)：Q =(祖,％ qNfJ)， 求解剛體變換參數(shù)(R，T)配準(zhǔn)P、Q兩個(gè)點(diǎn)集，這里初始化迭代參數(shù):k = 0，Po = P (點(diǎn)集初始位 置八辦二^二⑴…此^為循環(huán)迭代次數(shù)。
[0031] a)搜索最近點(diǎn)：計(jì)算P中每個(gè)點(diǎn)Pk={Pl，k}與Q的距離，可以由歐式平方距離d(p，q) =l |p-q| I2代替，找出最近的一點(diǎn)Yk={yi，k}，如式：
[0032] yi，k=F(pi,k,q) =mind(pi,k，q)
[0033] b)參數(shù)計(jì)算：定義Rk和Tk的函數(shù)為點(diǎn)對(duì)(P^y^)配準(zhǔn)的均方誤差e(Rk，T k)，求解 剛體變換參數(shù)(Rk，Tk)使e (Rk，Tk)達(dá)到最?。?br>[0036] c )配準(zhǔn)：由前一步計(jì)算得到的剛體變換參數(shù)，計(jì)算參考點(diǎn)集的新位置，P k+1 = {Pi, k+1} ： Pi, k+1 - RkPi,0+Tk
[0037] d)迭代終止:設(shè)定終止迭代的條件，迭代次數(shù)k達(dá)到設(shè)置的最大次數(shù)或誤差收斂于 給定閾值t，即為ek-i-ekfh此時(shí)旋轉(zhuǎn)矩陣R = Rk，平移矩陣T = Tk，否則繼續(xù)進(jìn)行下一次迭 代。
【附圖說(shuō)明】
[0038]圖1是本發(fā)明的地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法的流程圖；
[0039]圖2是本發(fā)明的點(diǎn)云配置結(jié)果示意圖；
[0040]圖3是本發(fā)明的點(diǎn)云融合最終結(jié)果圖。
【具體實(shí)施方式】
[0041] 以下結(jié)合實(shí)例對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。
[0042] 本發(fā)明提供的一種地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法包括點(diǎn)云與 圖像數(shù)據(jù)采集模塊、點(diǎn)云數(shù)據(jù)配準(zhǔn)模塊、影像數(shù)據(jù)拼接模塊和密集重建模塊;所述的點(diǎn)云與 圖像數(shù)據(jù)采集模塊主要是采集點(diǎn)云數(shù)據(jù)和影像數(shù)據(jù);所述的迭代就近點(diǎn)算法模塊主要是將 三維激光掃描點(diǎn)云與影像三維重建生成點(diǎn)云進(jìn)行配準(zhǔn);所述的影像數(shù)據(jù)拼接模塊，主要是 利用SIFT圖像拼接算法將采集的影像相片進(jìn)行拼接處理得到一幅全景圖片;所述的密集重 建模塊，主要是運(yùn)用場(chǎng)景信息與原始圖片，得到照片中物體3D點(diǎn)云；
[0043]本發(fā)明的地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法的流程圖如圖1所示。 [0044]本發(fā)明的點(diǎn)云數(shù)據(jù)采集模塊由三維激光掃描儀進(jìn)行獲取，具體步驟如下：
[0045] a)測(cè)站的設(shè)計(jì):根據(jù)標(biāo)準(zhǔn)地樣木的位置、大小形態(tài)和需要獲取的重點(diǎn)測(cè)樹(shù)因子，設(shè) 計(jì)各掃描站和輔助掃描設(shè)備的位置。由于三維激光掃描系統(tǒng)掃描的真實(shí)場(chǎng)景一般較大且比 較復(fù)雜，受激光掃描儀視角的限制，以及物體間遮蔽的影響，為獲取樹(shù)木360°全景，F(xiàn)AR0 Laser Scanner Focus3D X 330三維激光掃描儀在理想狀態(tài)下應(yīng)在油松周?chē)茉O(shè)3站構(gòu)建 等邊三角形對(duì)油松進(jìn)行掃描。輔助掃描設(shè)備包括參考球和標(biāo)靶紙，使用參考球能提供數(shù)據(jù) 配準(zhǔn)中的參考點(diǎn)，標(biāo)靶紙能確定掃描物體的位置方便數(shù)據(jù)處理。并要求每站之間至少有三 個(gè)控制標(biāo)靶重合，通過(guò)控制點(diǎn)的強(qiáng)制符合，以確定兩個(gè)測(cè)站點(diǎn)云數(shù)據(jù)符合的7個(gè)自由度，使 點(diǎn)云數(shù)據(jù)最終能夠統(tǒng)一到一個(gè)儀器坐標(biāo)系統(tǒng)下。
[0046] b)掃描:在選定的測(cè)站上架設(shè)FARO Laser Scanner Focus3D X 330三維激光掃描 儀，調(diào)整好儀器的姿態(tài)。打開(kāi)掃描儀的電源，根據(jù)環(huán)境設(shè)置掃描儀參數(shù)，如行、列數(shù)、掃描分 辨率等，對(duì)目標(biāo)物進(jìn)行自動(dòng)掃描。在每次架站掃描過(guò)程中參考球都需要被掃描到，并且不能 被遮擋、不能擺成直線;標(biāo)靶紙應(yīng)貼在樹(shù)干位置處達(dá)到標(biāo)示樹(shù)木的作用。
[0047] c)控制標(biāo)靶中心的獲取:每測(cè)站完成掃描后，均需要對(duì)控制標(biāo)靶進(jìn)行精細(xì)掃描。該 掃描過(guò)程通過(guò)選取控制標(biāo)靶區(qū)域內(nèi)的點(diǎn)，為每個(gè)標(biāo)靶設(shè)置唯一的標(biāo)識(shí)，然后通過(guò)精細(xì)掃描 該區(qū)域確定控制標(biāo)靶的中心點(diǎn)。相同的控制標(biāo)靶在不同的測(cè)站中的標(biāo)識(shí)必須相同，否則無(wú) 法將各掃描站的點(diǎn)云數(shù)據(jù)統(tǒng)一到一個(gè)坐標(biāo)系統(tǒng)下。
[0048] 本發(fā)明的影像數(shù)據(jù)拼接模塊通過(guò)SIFT圖像拼接算法實(shí)現(xiàn)，具體算法步驟如下：
[0049] a)檢測(cè)尺度空間極值點(diǎn)：圖像在不同尺度下的尺度空間可以用高斯核卷積公式L (1，7,〇)=6(1，7,〇)*1(1，7)來(lái)表示，利用0〇6算子對(duì)兩幅圖像在灰度和尺度兩個(gè)空間進(jìn)行 布局極值檢測(cè);算子定義為兩個(gè)不同尺度的高斯核的差分，然后通過(guò)具體的模型精確關(guān)鍵 點(diǎn)的位置和尺度，去除低對(duì)比和邊緣響應(yīng)不穩(wěn)定的關(guān)鍵點(diǎn)；
[0050] b)分配關(guān)鍵點(diǎn)方向：點(diǎn)鄰域像素的梯度方向分布特征為每個(gè)關(guān)鍵點(diǎn)指定方向參 數(shù)，保證SIFT算子的旋轉(zhuǎn)不變性;梯度表示如下：
[0051] = 以關(guān)鍵點(diǎn)為中心的鄰域窗口內(nèi)采樣，并用直方圖統(tǒng)計(jì)鄰域像素 的梯度方向；直方圖的峰值代表了該關(guān)鍵點(diǎn)處鄰域梯度的主方向，即作為該關(guān)鍵點(diǎn)的方向；
[0052] c)生成關(guān)鍵點(diǎn)描述:首先將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點(diǎn)的方向，以確保旋轉(zhuǎn)不變性;對(duì)每 個(gè)關(guān)鍵點(diǎn)使用4X4共16個(gè)種子點(diǎn)來(lái)描述;這樣對(duì)于一個(gè)關(guān)鍵點(diǎn)就可以產(chǎn)生128個(gè)數(shù)據(jù)，形成 128維的SIFT特征向量;將特征向量的長(zhǎng)度歸一化，則可以進(jìn)一步去除光照變化的影響，增 強(qiáng)算法抗噪聲的能力，同時(shí)對(duì)含有定位誤差的特征匹配也提供了較好的容錯(cuò)性；
[0053] d)特征向量匹配:生成兩幅圖像的SITF特征向量后，采用關(guān)鍵點(diǎn)特征向量的歐氏 距離作為兩幅圖像中關(guān)鍵點(diǎn)的相似性判定準(zhǔn)則，得到滿足準(zhǔn)則的SITF匹配點(diǎn)對(duì);取圖像中 的某個(gè)關(guān)鍵點(diǎn)，并找出其與另一張圖像中歐氏距離最近的前兩個(gè)關(guān)鍵點(diǎn)，如果最近的距離 除以次近的距離小于某個(gè)閾值，則接受這一對(duì)匹配點(diǎn)；降低這個(gè)比例閾值，SITF匹配點(diǎn)數(shù)目 會(huì)減少，但更加穩(wěn)定;根據(jù)得到的SIFT匹配點(diǎn)對(duì)計(jì)算出圖像的變換參數(shù)，進(jìn)行拼接融合得到 拼接圖像。
[0054]本發(fā)明的密集重建模塊通過(guò)多視立體重建(PMVS)算法來(lái)實(shí)現(xiàn)，具體算法步驟如 下：
[0055] a)特征點(diǎn)匹配:首先通過(guò)特征檢測(cè)算子檢測(cè)每一幅圖片中的角點(diǎn)特征，算法所采 用的特征檢測(cè)算子是DoG算子。為了確保覆蓋均勻，給每一幅圖片覆蓋一個(gè)每格大小為feX 此的網(wǎng)格，對(duì)于每個(gè)算子，返回每格中特征檢測(cè)返回值較大的前y個(gè)點(diǎn)作為特征點(diǎn)（設(shè)此= 32，y = 4)。將每一幅圖像中的特征點(diǎn)檢測(cè)出來(lái)之后，接下來(lái)進(jìn)行特征點(diǎn)匹配，再根據(jù)三角測(cè) 量原理恢復(fù)其深度信息，從而得到這些特征點(diǎn)對(duì)應(yīng)的稀疏點(diǎn)云。給定一個(gè)特征f，設(shè)其對(duì)應(yīng) 面片為P，用特征所在圖片作為其參考圖片R(P)，在其他可見(jiàn)圖片集合V$(p)里找到滿足極 線幾何約束的所有同類(lèi)型特征f，并組成集合F。然后用特征f和集合F中的每一特征f匹 配，得到對(duì)應(yīng)的一組候選面片，即物體表面該特征點(diǎn)對(duì)應(yīng)的空間位置，然后用共輒梯度法來(lái) 最小化每一個(gè)候選面片的灰度差異值，并從中選擇最優(yōu)的一個(gè)作為該特征點(diǎn)最終對(duì)應(yīng)的面 片。
[0056] b)種子面片擴(kuò)展:在擴(kuò)展一步所要完成的工作是使重建出來(lái)的面片集合能夠完全 覆蓋物體可見(jiàn)表面，判斷的標(biāo)準(zhǔn)是每一個(gè)圖像塊C(x，y)里至少有一個(gè)面片的投影，從而獲 得物體表面的完整信息。對(duì)于一個(gè)面片P，在其相鄰圖像塊集合C(p)里擴(kuò)展得到一個(gè)新面片 P' 〇
[0057] c)過(guò)濾錯(cuò)誤面片：因?yàn)閿U(kuò)展完后得到稠密點(diǎn)云包含錯(cuò)誤點(diǎn)，所以需要進(jìn)行以下三 步過(guò)濾。首先依靠可見(jiàn)一致性來(lái)過(guò)濾。用U(p)表示與當(dāng)前面片p不是鄰居，但在同一幅可見(jiàn) 圖片的相同細(xì)胞里的面片V的集合。如果下面的不等式成立，P則被過(guò)濾掉：
[0058] |r(p)|(l -g*tp)) < Z 1 - rCPi) Pi：eu￡p)
[0059]本發(fā)明的點(diǎn)云數(shù)據(jù)配準(zhǔn)模塊通過(guò)迭代就近點(diǎn)（ICP)算法來(lái)實(shí)現(xiàn)，具體算法步驟如 下：
[0060] 參考點(diǎn)集P包含NP個(gè)點(diǎn)：P = |^為...,PNp)目標(biāo)點(diǎn)集Q包含Nq個(gè)點(diǎn)：Q = 求解剛體變換參數(shù)(R，T)配準(zhǔn)P、Q兩個(gè)點(diǎn)集，這里初始化迭代參數(shù):k = 0，Po = P (點(diǎn)集初始位 置八辦二^二⑴……丨乂為循環(huán)迭代次數(shù)。
[0061] a)搜索最近點(diǎn):計(jì)算P中每個(gè)點(diǎn)Pk={Pl,k}與Q的距離，可以由歐式平方距離d(p，q) =l |p-q| I2代替，找出最近的一點(diǎn)Yk={yi,k}，如式：
[0062] yi,k=F(Pi,k,q)=mind(pi,k，q)
[0063] b)參數(shù)計(jì)算：定義Rk和Tk的函數(shù)為點(diǎn)對(duì)配準(zhǔn)的均方誤差e(Rk，T k)，求解 剛體變換參數(shù)(Rk，Tk)使e (Rk，Tk)達(dá)到最?。?br>[0065] ek = min c(Rk, Tk) Tk
[0066] c )配準(zhǔn)：由前一步計(jì)算得到的剛體變換參數(shù)，計(jì)算參考點(diǎn)集的新位置，P k+1 = {Pi, k+1} ： Pi, k+1 - RkPi,0+Tk
[0067] d)迭代終止:設(shè)定終止迭代的條件，迭代次數(shù)k達(dá)到設(shè)置的最大次數(shù)或誤差收斂于 給定閾值T，即
[0068] 為此時(shí)旋轉(zhuǎn)矩陣R=Rk，平移矩陣T = Tk，否則繼續(xù)進(jìn)行下一次迭代。
[0069] 如圖2所示為實(shí)施例點(diǎn)云配準(zhǔn)效果圖，如圖3所示為實(shí)施例的最終結(jié)果。
[0070] 上述實(shí)施例為本發(fā)明的實(shí)施方式，但本發(fā)明的實(shí)施方式不受上述實(shí)施例的限制， 其他的任何違背本發(fā)明的精神實(shí)質(zhì)與原理下所作的改變、修飾、替代、組合、簡(jiǎn)化，均應(yīng)為等 效的置換方式，都包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法，其特征在于：包括點(diǎn)云與圖 像數(shù)據(jù)采集模塊、迭代就近點(diǎn)算法模塊、影像數(shù)據(jù)拼接模塊和密集重建模塊;其中： 點(diǎn)云與圖像數(shù)據(jù)采集模塊，采集點(diǎn)云數(shù)據(jù)和影像數(shù)據(jù)； 迭代就近點(diǎn)算法模塊，將三維激光掃描點(diǎn)云與影像三維重建生成點(diǎn)云進(jìn)行配準(zhǔn)； 影像數(shù)據(jù)拼接模塊，利用SIFT圖像拼接算法將采集的影像相片進(jìn)行拼接處理得到一幅 全景圖片； 密集重建模塊，運(yùn)用場(chǎng)景信息與原始圖片，得到照片中物體的3D點(diǎn)云。2. 根據(jù)權(quán)利要求1所述的地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法，其特征在 于:所述的點(diǎn)云與圖像數(shù)據(jù)采集模塊包括點(diǎn)云數(shù)據(jù)采集模塊、圖像數(shù)據(jù)采集模塊，其中所述 的點(diǎn)云數(shù)據(jù)采集模塊由布設(shè)站點(diǎn)、布設(shè)標(biāo)靶、掃描組成； 布設(shè)站點(diǎn)是根據(jù)掃描實(shí)施方案，在需要的地方作好測(cè)站點(diǎn)標(biāo)記，記錄控制點(diǎn)坐標(biāo)，如果 需要控制測(cè)量成果參與平差的，則要在確定掃描測(cè)站點(diǎn)時(shí)一并考慮全站儀導(dǎo)線測(cè)量的可行 性和質(zhì)量，同時(shí)確定現(xiàn)場(chǎng)電源的位置和供電方案； 布設(shè)標(biāo)靶是利用"公共控制點(diǎn)（標(biāo)靶)"的配準(zhǔn)方式時(shí)，選擇在適宜的位置布設(shè)標(biāo)靶，由 于兩個(gè)測(cè)站的點(diǎn)云配準(zhǔn)至少需要2個(gè)點(diǎn)或3個(gè)點(diǎn)，標(biāo)靶的位置應(yīng)保證兩測(cè)站掃描的通視或點(diǎn) 不要太集中； 掃描首先在相應(yīng)的測(cè)站點(diǎn)上架設(shè)儀器，對(duì)中整平，利用數(shù)據(jù)線建立掃描儀與筆記本電 腦的連接，按照建立測(cè)站、選定掃描區(qū)域、設(shè)置掃描參數(shù)的步驟進(jìn)行掃描了。3. 根據(jù)權(quán)利要求2所述的地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法，其特征在 于:所述的圖像數(shù)據(jù)采集模塊，通過(guò)數(shù)碼相機(jī)拍攝目標(biāo)物，提供高分辨率的影像數(shù)據(jù)，這些 影像數(shù)據(jù)能夠用于生成點(diǎn)云數(shù)據(jù)。4. 一種地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法，其特征在于，包含以下順序 的步驟：51. 采集點(diǎn)云數(shù)據(jù)和影像數(shù)據(jù)；52. 利用SIFT圖像憑借算法將采集的影像相片進(jìn)行拼接處理得到一幅全景圖片；53. 利用全景圖片進(jìn)行密集重建得到影像相片生成的3D點(diǎn)云數(shù)據(jù)；54. 利用迭代就近點(diǎn)算法實(shí)現(xiàn)激光掃描點(diǎn)云與影像數(shù)據(jù)生成點(diǎn)云的配準(zhǔn)工作。5. 根據(jù)權(quán)利要求4所述的一種基于特征的地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的 方法，其特征在于，步驟S2中，所述的SIFT圖像拼接算法包含以下步驟： a) 檢測(cè)尺度空間極值點(diǎn)：圖像在不同尺度下的尺度空間可以用高斯核卷積公式L(x，y， 〇)=G(X， y，〇)*I(x，y)來(lái)表示，利用DoG算子對(duì)兩幅圖像在灰度和尺度兩個(gè)空間進(jìn)行布局極 值檢測(cè)；算子定義為兩個(gè)不同尺度的高斯核的差分，然后通過(guò)具體的模型精確關(guān)鍵點(diǎn)的位 置和尺度，去除低對(duì)比和邊緣響應(yīng)不穩(wěn)定的關(guān)鍵點(diǎn)； b) 分配關(guān)鍵點(diǎn)方向：點(diǎn)鄰域像素的梯度方向分布特征為每個(gè)關(guān)鍵點(diǎn)指定方向參數(shù)，保 證SIFT算子的旋轉(zhuǎn)不變性;梯度表示如下：;以關(guān)鍵點(diǎn)為中心的鄰域窗口內(nèi)采樣，并用直方圖統(tǒng)計(jì)鄰域像素的 梯度方向；直方圖的峰值代表了該關(guān)鍵點(diǎn)處鄰域梯度的主方向，即作為該關(guān)鍵點(diǎn)的方向； c) 生成關(guān)鍵點(diǎn)描述:首先將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點(diǎn)的方向，以確保旋轉(zhuǎn)不變性;對(duì)每個(gè)關(guān) 鍵點(diǎn)使用4 X 4共16個(gè)種子點(diǎn)來(lái)描述;這樣對(duì)于一個(gè)關(guān)鍵點(diǎn)就可以產(chǎn)生128個(gè)數(shù)據(jù)，形成128 維的SIFT特征向量;將特征向量的長(zhǎng)度歸一化，則可以進(jìn)一步去除光照變化的影響，增強(qiáng)算 法抗噪聲的能力，同時(shí)對(duì)含有定位誤差的特征匹配也提供了較好的容錯(cuò)性； d)特征向量匹配：生成兩幅圖像的SITF特征向量后，采用關(guān)鍵點(diǎn)特征向量的歐氏距離 作為兩幅圖像中關(guān)鍵點(diǎn)的相似性判定準(zhǔn)則，得到滿足準(zhǔn)則的SITF匹配點(diǎn)對(duì);取圖像中的某 個(gè)關(guān)鍵點(diǎn)，并找出其與另一張圖像中歐氏距離最近的前兩個(gè)關(guān)鍵點(diǎn)，如果最近的距離除以 次近的距離小于某個(gè)閾值，則接受這一對(duì)匹配點(diǎn)；降低這個(gè)比例閾值，SITF匹配點(diǎn)數(shù)目會(huì)減 少，但更加穩(wěn)定;根據(jù)得到的SIFT匹配點(diǎn)對(duì)計(jì)算出圖像的變換參數(shù)，進(jìn)行拼接融合得到拼接 圖像。6. 根據(jù)權(quán)利要求5所述的地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法，其特征在 于，所述的步驟S3,利用全景圖片進(jìn)行密集重建得到影像相片生成的3D點(diǎn)云數(shù)據(jù)，運(yùn)用多視 立體重建算法(PMVS)，得到3D點(diǎn)云；點(diǎn)云質(zhì)量受到處理圖像精度的執(zhí)行效率、重建精度和完 整性影響。7. 根據(jù)權(quán)利要求6所述的地面三維激光掃描點(diǎn)云與影像融合及配準(zhǔn)的方法，其特征在 于，所述的步驟S4，所述的迭代就近點(diǎn)算法實(shí)現(xiàn)包含以下步驟： 參考點(diǎn)集P包含Np個(gè)點(diǎn)：P = (P1.目標(biāo)點(diǎn)集Q包含Nq個(gè)點(diǎn)：Q = 求解 剛體變換參數(shù)(R，T)配準(zhǔn)P、Q兩個(gè)點(diǎn)集，這里初始化迭代參數(shù):k = O，Po = P(點(diǎn)集初始位置）， Ro=I，T〇=(0,0,0)T，k為循環(huán)迭代次數(shù)； a) 搜索最近點(diǎn)：計(jì)算P中每個(gè)點(diǎn)Pk= {Pl,k}與Q的距離，可以由歐式平方距離d(p，q)= I 口1||2代替，找出最近的一點(diǎn)丫1<={71,1<}，如式：b) 參數(shù)計(jì)算:定義Rk和Tk的函數(shù)為點(diǎn)對(duì)(PM，yi,k)配準(zhǔn)的均方誤差e(R k，Tk)，求解剛體變 換參數(shù)(Rk，Tk)使e(Rk，Tk)達(dá)到最?。篶) 配準(zhǔn)：由前一步計(jì)算得到的剛體變換參數(shù)，計(jì)算參考點(diǎn)集的新位置，Pk+i= {pi,k+i}: pi, k+1 = Rkpi，O+Tk d) 迭代終止:設(shè)定終止迭代的條件，迭代次數(shù)k達(dá)到設(shè)置的最大次數(shù)或誤差收斂于給定 閾值τ，即為ek-i-eKT，此時(shí)旋轉(zhuǎn)矩陣R=R k，平移矩陣T = Tk，否則繼續(xù)進(jìn)行下一次迭代。
【文檔編號(hào)】G06T7/00GK105931234SQ201610243292
【公開(kāi)日】2016年9月7日
【申請(qǐng)日】2016年4月19日
【發(fā)明人】林文樹(shù), 李洋, 吳金卓
【申請(qǐng)人】東北林業(yè)大學(xué)