一種地面三維激光掃描點云與影像融合及配準(zhǔn)的方法
【專利摘要】本發(fā)明提供一種地面三維激光掃描點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云數(shù)據(jù)常常包含有各種無法測量到的區(qū)域，產(chǎn)生點云空洞，導(dǎo)致掃描對象局部區(qū)域信息丟失。這些空洞不僅使得模型無法正確實現(xiàn)可視化，也會影響模型后續(xù)處理。針對以上所述的問題，本發(fā)明的目的通過以下技術(shù)方案實現(xiàn)：利用SIFT圖像憑借算法將采集的影像相片進行拼接處理得到一幅全景圖片，通過全景圖片進行密集重建得到影像相片生成的3D點云數(shù)據(jù)，利用迭代就近點算法(ICP)實現(xiàn)激光掃描點云與影像數(shù)據(jù)生成點云的配準(zhǔn)工作。
【專利說明】
一種地面三維激光掃描點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云與影像三維重建生成點云進行配準(zhǔn)的方 法。
【背景技術(shù)】
[0002] 隨著地球空間信息技術(shù)發(fā)展進入一個新的時期，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， 而且采樣密度低，造成采集到的數(shù)據(jù)無法對空間對象進行精確完整描述。另外，空間對象及 其周圍環(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 三維測量手段，可以彌補傳統(tǒng)測量手段的不足。
[0003] 三維激光掃描也被稱為激光雷達(Light Detection and Ranging，LIDAR)，其作 為一種測繪新技術(shù)在近十多年來得到了快速的發(fā)展，由于其掃描速度快，掃描得到的坐標(biāo) 點密度較大等優(yōu)點，在包括地形測量，逆向工程，歷史遺跡保護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)也被稱為繼GPS技術(shù) 以來測繪領(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載激光掃描、車載 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云數(shù)據(jù)相比有其自身的特點。在地面掃描激光掃描過程中，由于受 到測量設(shè)備和環(huán)境的限制，每次測量得到的點云數(shù)據(jù)往往只覆蓋掃描對象的大部分表面， 完整的點云數(shù)據(jù)則需要通過多站測量完成，因此需要對這些局部點云數(shù)據(jù)進行拼接和配 準(zhǔn)，有效而精確的配準(zhǔn)可以為后續(xù)的點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云數(shù)據(jù)常常包含有各 種無法測量到的區(qū)域，產(chǎn)生點云空洞，導(dǎo)致局部區(qū)域信息丟失。這些空洞不僅使得掃描對象 的三維模型無法完整地實現(xiàn)可視化，也會影響建模后參數(shù)提取。由于近景影像獲取相對方 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)碼相機進行補拍。這 樣，充分利用兩種傳感器的優(yōu)點，獲取對象全貌。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，需要克服在兩種數(shù)據(jù)之間尋找同名特征的問題，利用重疊部分的信息，通過配準(zhǔn)操 作將兩種類型的數(shù)據(jù)納入到統(tǒng)一的坐標(biāo)系統(tǒng)中，并使得各個元素在幾何上對準(zhǔn)。目前已有 的融合方法主要專注于點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 程進行，實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，開發(fā)一種克服三維激光掃描技術(shù)掃描的局限性，保證實體對象的完整 性顯得尤為重要。

【發(fā)明內(nèi)容】

[0006] 針對以上所述的問題，本發(fā)明提供一種地面三維激光掃描點云與影像三維重建生 成點云進行配準(zhǔn)的方法。為了達到上述目的，本發(fā)明的目的通過以下技術(shù)方案實現(xiàn)：
[0007] 一種地面三維激光掃描點云與影像融合及配準(zhǔn)的裝置，其特征在于:包括點云與 圖像數(shù)據(jù)采集模塊、點云數(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] 點云與圖像數(shù)據(jù)采集模塊，采集點云數(shù)據(jù)和影像數(shù)據(jù)；
[0009] 點云數(shù)據(jù)配準(zhǔn)模塊，將三維激光掃描點云與影像三維重建生成點云利用迭代就近 點算法（ICP)進行配準(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行拼接處理得到 一幅全景圖片；
[0011] 密集重建模塊，運用場景信息與原始圖片，得到照片中物體的3D點云；
[0012] 所述的地面三維激光掃描點云與影像融合及配準(zhǔn)的裝置，其特征在于:所述的點 云與圖像數(shù)據(jù)采集模塊包括點云數(shù)據(jù)采集模塊、圖像數(shù)據(jù)采集模塊，其中所述的點云數(shù)據(jù) 采集模塊由布設(shè)站點、布設(shè)標(biāo)靶、掃描組成。
[0013] 布設(shè)站點是根據(jù)掃描實施方案，在需要的地方作好測站點標(biāo)記，記錄控制點坐標(biāo)。 如果需要控制測量成果參與平差的，則要在確定掃描測站點時一并考慮全站儀導(dǎo)線測量的 可行性和質(zhì)量。同時確定現(xiàn)場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（標(biāo)靶)"的配準(zhǔn)方式時，選擇在適宜的位置布設(shè)標(biāo) 靶。由于兩個測站的點云配準(zhǔn)至少需要2個點或3個點，標(biāo)靶的位置應(yīng)保證兩測站掃描的通 視或點不要太集中。
[0015] 掃描首先在相應(yīng)的測站點上架設(shè)儀器，對中整平，利用數(shù)據(jù)線建立掃描儀與筆記 本電腦的連接，按照建立測站、選定掃描區(qū)域、設(shè)置掃描參數(shù)的步驟進行掃描了。
[0016] 所述的地面三維激光掃描點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，通過數(shù)碼相機拍攝目標(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 用于生成點云數(shù)據(jù)。
[0017] 一種地面三維激光掃描點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行拼接處理得到一幅全景圖片； [0020] S3.利用全景圖片進行密集重建得到影像相片生成的3D點云數(shù)據(jù)；
[0021] S4.利用迭代就近點算法實現(xiàn)激光掃描點云與影像數(shù)據(jù)生成點云的配準(zhǔn)工作；
[0022]所述的一種地面三維激光掃描點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)檢測尺度空間極值點：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)來表示，利用0〇6算子對兩幅圖像在灰度和尺度兩個空間進行 布局極值檢測;算子定義為兩個不同尺度的高斯核的差分，然后通過具體的模型精確關(guān)鍵 點的位置和尺度，去除低對比和邊緣響應(yīng)不穩(wěn)定的關(guān)鍵點；
[0024] b)分配關(guān)鍵點方向：點鄰域像素的梯度方向分布特征為每個關(guān)鍵點指定方向參 數(shù)，保證SIFT算子的旋轉(zhuǎn)不變性;梯度表示如下：
以關(guān)鍵點為中心的鄰域窗口內(nèi)采樣，并用直方圖統(tǒng)計鄰域像素 的梯度方向；直方圖的峰值代表了該關(guān)鍵點處鄰域梯度的主方向，即作為該關(guān)鍵點的方向；
[0026] c)生成關(guān)鍵點描述:首先將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點的方向，以確保旋轉(zhuǎn)不變性;對每 個關(guān)鍵點使用4X4共16個種子點來描述;這樣對于一個關(guān)鍵點就可以產(chǎn)生128個數(shù)據(jù)，形成 128維的SIFT特征向量;將特征向量的長度歸一化，則可以進一步去除光照變化的影響，增 強算法抗噪聲的能力，同時對含有定位誤差的特征匹配也提供了較好的容錯性；
[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)鍵點特征向量的歐氏 距離作為兩幅圖像中關(guān)鍵點的相似性判定準(zhǔn)則，得到滿足準(zhǔn)則的SITF匹配點對;取圖像中 的某個關(guān)鍵點，并找出其與另一張圖像中歐氏距離最近的前兩個關(guān)鍵點，如果最近的距離 除以次近的距離小于某個閾值，則接受這一對匹配點；降低這個比例閾值，SITF匹配點數(shù)目 會減少，但更加穩(wěn)定;根據(jù)得到的SIFT匹配點對計算出圖像的變換參數(shù)，進行拼接融合得到 拼接圖像。
[0028]所述的地面三維激光掃描點云與影像融合及配準(zhǔn)的方法，其特征在于，所述的步 驟S3,利用全景圖片進行密集重建得到影像相片生成的3D點云數(shù)據(jù)，運用多視立體重建算 法(PMVS)，得到3D點云。點云質(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，所述的迭代就近點算法實現(xiàn)包含以下步驟：
[0030] 參考點集P包含NP個點：P = P2…,PNpV目標(biāo)點集Q包含Nq個點：Q =(祖,％ qNfJ)， 求解剛體變換參數(shù)(R，T)配準(zhǔn)P、Q兩個點集，這里初始化迭代參數(shù):k = 0，Po = P (點集初始位 置八辦二^二⑴…此^為循環(huán)迭代次數(shù)。
[0031] a)搜索最近點：計算P中每個點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Yk={yi，k}，如式：
[0032] yi，k=F(pi,k,q) =mind(pi,k，q)
[0033] b)參數(shù)計算：定義Rk和Tk的函數(shù)為點對(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)達到最小：
[0036] c )配準(zhǔn)：由前一步計算得到的剛體變換參數(shù)，計算參考點集的新位置，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此時旋轉(zhuǎn)矩陣R = Rk，平移矩陣T = Tk，否則繼續(xù)進行下一次迭 代。
【附圖說明】
[0038]圖1是本發(fā)明的地面三維激光掃描點云與影像融合及配準(zhǔn)的方法的流程圖；
[0039]圖2是本發(fā)明的點云配置結(jié)果示意圖；
[0040]圖3是本發(fā)明的點云融合最終結(jié)果圖。
【具體實施方式】
[0041] 以下結(jié)合實例對本發(fā)明作進一步詳細(xì)描述。
[0042] 本發(fā)明提供的一種地面三維激光掃描點云與影像融合及配準(zhǔn)的方法包括點云與 圖像數(shù)據(jù)采集模塊、點云數(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;所述的點云與 圖像數(shù)據(jù)采集模塊主要是采集點云數(shù)據(jù)和影像數(shù)據(jù);所述的迭代就近點算法模塊主要是將 三維激光掃描點云與影像三維重建生成點云進行配準(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，主要是運用場景信息與原始圖片，得到照片中物體3D點云；
[0043]本發(fā)明的地面三維激光掃描點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)明的點云數(shù)據(jù)采集模塊由三維激光掃描儀進行獲取，具體步驟如下：
[0045] a)測站的設(shè)計:根據(jù)標(biāo)準(zhǔn)地樣木的位置、大小形態(tài)和需要獲取的重點測樹因子，設(shè) 計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)掃描的真實場景一般較大且比 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)在油松周圍架設(shè)3站構(gòu)建 等邊三角形對油松進行掃描。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，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 個控制標(biāo)靶重合，通過控制點的強制符合，以確定兩個測站點云數(shù)據(jù)符合的7個自由度，使 點云數(shù)據(jù)最終能夠統(tǒng)一到一個儀器坐標(biāo)系統(tǒng)下。
[0046] b)掃描:在選定的測站上架設(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，對目標(biāo)物進行自動掃描。在每次架站掃描過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)貼在樹干位置處達到標(biāo)示樹木的作用。
[0047] c)控制標(biāo)靶中心的獲取:每測站完成掃描后，均需要對控制標(biāo)靶進行精細(xì)掃描。該 掃描過程通過選取控制標(biāo)靶區(qū)域內(nèi)的點，為每個標(biāo)靶設(shè)置唯一的標(biāo)識，然后通過精細(xì)掃描 該區(qū)域確定控制標(biāo)靶的中心點。相同的控制標(biāo)靶在不同的測站中的標(biāo)識必須相同，否則無 法將各掃描站的點云數(shù)據(jù)統(tǒng)一到一個坐標(biāo)系統(tǒng)下。
[0048] 本發(fā)明的影像數(shù)據(jù)拼接模塊通過SIFT圖像拼接算法實現(xiàn)，具體算法步驟如下：
[0049] a)檢測尺度空間極值點：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)來表示，利用0〇6算子對兩幅圖像在灰度和尺度兩個空間進行 布局極值檢測;算子定義為兩個不同尺度的高斯核的差分，然后通過具體的模型精確關(guān)鍵 點的位置和尺度，去除低對比和邊緣響應(yīng)不穩(wěn)定的關(guān)鍵點；
[0050] b)分配關(guān)鍵點方向：點鄰域像素的梯度方向分布特征為每個關(guān)鍵點指定方向參 數(shù)，保證SIFT算子的旋轉(zhuǎn)不變性;梯度表示如下：
[0051] = 以關(guān)鍵點為中心的鄰域窗口內(nèi)采樣，并用直方圖統(tǒng)計鄰域像素 的梯度方向；直方圖的峰值代表了該關(guān)鍵點處鄰域梯度的主方向，即作為該關(guān)鍵點的方向；
[0052] c)生成關(guān)鍵點描述:首先將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點的方向，以確保旋轉(zhuǎn)不變性;對每 個關(guān)鍵點使用4X4共16個種子點來描述;這樣對于一個關(guān)鍵點就可以產(chǎn)生128個數(shù)據(jù)，形成 128維的SIFT特征向量;將特征向量的長度歸一化，則可以進一步去除光照變化的影響，增 強算法抗噪聲的能力，同時對含有定位誤差的特征匹配也提供了較好的容錯性；
[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)鍵點特征向量的歐氏 距離作為兩幅圖像中關(guān)鍵點的相似性判定準(zhǔn)則，得到滿足準(zhǔn)則的SITF匹配點對;取圖像中 的某個關(guān)鍵點，并找出其與另一張圖像中歐氏距離最近的前兩個關(guān)鍵點，如果最近的距離 除以次近的距離小于某個閾值，則接受這一對匹配點；降低這個比例閾值，SITF匹配點數(shù)目 會減少，但更加穩(wěn)定;根據(jù)得到的SIFT匹配點對計算出圖像的變換參數(shù)，進行拼接融合得到 拼接圖像。
[0054]本發(fā)明的密集重建模塊通過多視立體重建(PMVS)算法來實現(xiàn)，具體算法步驟如 下：
[0055] a)特征點匹配:首先通過特征檢測算子檢測每一幅圖片中的角點特征，算法所采 用的特征檢測算子是DoG算子。為了確保覆蓋均勻，給每一幅圖片覆蓋一個每格大小為feX 此的網(wǎng)格，對于每個算子，返回每格中特征檢測返回值較大的前y個點作為特征點（設(shè)此= 32，y = 4)。將每一幅圖像中的特征點檢測出來之后，接下來進行特征點匹配，再根據(jù)三角測 量原理恢復(fù)其深度信息，從而得到這些特征點對應(yīng)的稀疏點云。給定一個特征f，設(shè)其對應(yīng) 面片為P，用特征所在圖片作為其參考圖片R(P)，在其他可見圖片集合V$(p)里找到滿足極 線幾何約束的所有同類型特征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，得到對應(yīng)的一組候選面片，即物體表面該特征點對應(yīng)的空間位置，然后用共輒梯度法來 最小化每一個候選面片的灰度差異值，并從中選擇最優(yōu)的一個作為該特征點最終對應(yīng)的面 片。
[0056] b)種子面片擴展:在擴展一步所要完成的工作是使重建出來的面片集合能夠完全 覆蓋物體可見表面，判斷的標(biāo)準(zhǔn)是每一個圖像塊C(x，y)里至少有一個面片的投影，從而獲 得物體表面的完整信息。對于一個面片P，在其相鄰圖像塊集合C(p)里擴展得到一個新面片 P' 〇
[0057] c)過濾錯誤面片：因為擴展完后得到稠密點云包含錯誤點，所以需要進行以下三 步過濾。首先依靠可見一致性來過濾。用U(p)表示與當(dāng)前面片p不是鄰居，但在同一幅可見 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則被過濾掉：
[0058] |r(p)|(l -g*tp)) < Z 1 - rCPi) Pi：eu￡p)
[0059]本發(fā)明的點云數(shù)據(jù)配準(zhǔn)模塊通過迭代就近點（ICP)算法來實現(xiàn)，具體算法步驟如 下：
[0060] 參考點集P包含NP個點：P = |^為...,PNp)目標(biāo)點集Q包含Nq個點：Q = 求解剛體變換參數(shù)(R，T)配準(zhǔn)P、Q兩個點集，這里初始化迭代參數(shù):k = 0，Po = P (點集初始位 置八辦二^二⑴……丨乂為循環(huán)迭代次數(shù)。
[0061] a)搜索最近點:計算P中每個點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Yk={yi,k}，如式：
[0062] yi,k=F(Pi,k,q)=mind(pi,k，q)
[0063] b)參數(shù)計算：定義Rk和Tk的函數(shù)為點對配準(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)達到最小：
[0065] ek = min c(Rk, Tk) Tk
[0066] c )配準(zhǔn)：由前一步計算得到的剛體變換參數(shù)，計算參考點集的新位置，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] 為此時旋轉(zhuǎn)矩陣R=Rk，平移矩陣T = Tk，否則繼續(xù)進行下一次迭代。
[0069] 如圖2所示為實施例點云配準(zhǔn)效果圖，如圖3所示為實施例的最終結(jié)果。
[0070] 上述實施例為本發(fā)明的實施方式，但本發(fā)明的實施方式不受上述實施例的限制， 其他的任何違背本發(fā)明的精神實質(zhì)與原理下所作的改變、修飾、替代、組合、簡化，均應(yīng)為等 效的置換方式，都包含在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1. 一種地面三維激光掃描點云與影像融合及配準(zhǔn)的方法，其特征在于：包括點云與圖 像數(shù)據(jù)采集模塊、迭代就近點算法模塊、影像數(shù)據(jù)拼接模塊和密集重建模塊;其中： 點云與圖像數(shù)據(jù)采集模塊，采集點云數(shù)據(jù)和影像數(shù)據(jù)； 迭代就近點算法模塊，將三維激光掃描點云與影像三維重建生成點云進行配準(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行拼接處理得到一幅 全景圖片； 密集重建模塊，運用場景信息與原始圖片，得到照片中物體的3D點云。2. 根據(jù)權(quán)利要求1所述的地面三維激光掃描點云與影像融合及配準(zhǔn)的方法，其特征在 于:所述的點云與圖像數(shù)據(jù)采集模塊包括點云數(shù)據(jù)采集模塊、圖像數(shù)據(jù)采集模塊，其中所述 的點云數(shù)據(jù)采集模塊由布設(shè)站點、布設(shè)標(biāo)靶、掃描組成； 布設(shè)站點是根據(jù)掃描實施方案，在需要的地方作好測站點標(biāo)記，記錄控制點坐標(biāo)，如果 需要控制測量成果參與平差的，則要在確定掃描測站點時一并考慮全站儀導(dǎo)線測量的可行 性和質(zhì)量，同時確定現(xiàn)場電源的位置和供電方案； 布設(shè)標(biāo)靶是利用"公共控制點（標(biāo)靶)"的配準(zhǔn)方式時，選擇在適宜的位置布設(shè)標(biāo)靶，由 于兩個測站的點云配準(zhǔn)至少需要2個點或3個點，標(biāo)靶的位置應(yīng)保證兩測站掃描的通視或點 不要太集中； 掃描首先在相應(yīng)的測站點上架設(shè)儀器，對中整平，利用數(shù)據(jù)線建立掃描儀與筆記本電 腦的連接，按照建立測站、選定掃描區(qū)域、設(shè)置掃描參數(shù)的步驟進行掃描了。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，通過數(shù)碼相機拍攝目標(biāo)物，提供高分辨率的影像數(shù)據(jù)，這些 影像數(shù)據(jù)能夠用于生成點云數(shù)據(jù)。4. 一種地面三維激光掃描點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行拼接處理得到一幅全景圖片；53. 利用全景圖片進行密集重建得到影像相片生成的3D點云數(shù)據(jù)；54. 利用迭代就近點算法實現(xiàn)激光掃描點云與影像數(shù)據(jù)生成點云的配準(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) 檢測尺度空間極值點：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)來表示，利用DoG算子對兩幅圖像在灰度和尺度兩個空間進行布局極 值檢測；算子定義為兩個不同尺度的高斯核的差分，然后通過具體的模型精確關(guān)鍵點的位 置和尺度，去除低對比和邊緣響應(yīng)不穩(wěn)定的關(guān)鍵點； b) 分配關(guān)鍵點方向：點鄰域像素的梯度方向分布特征為每個關(guān)鍵點指定方向參數(shù)，保 證SIFT算子的旋轉(zhuǎn)不變性;梯度表示如下：;以關(guān)鍵點為中心的鄰域窗口內(nèi)采樣，并用直方圖統(tǒng)計鄰域像素的 梯度方向；直方圖的峰值代表了該關(guān)鍵點處鄰域梯度的主方向，即作為該關(guān)鍵點的方向； c) 生成關(guān)鍵點描述:首先將坐標(biāo)軸旋轉(zhuǎn)為關(guān)鍵點的方向，以確保旋轉(zhuǎn)不變性;對每個關(guān) 鍵點使用4 X 4共16個種子點來描述;這樣對于一個關(guān)鍵點就可以產(chǎn)生128個數(shù)據(jù)，形成128 維的SIFT特征向量;將特征向量的長度歸一化，則可以進一步去除光照變化的影響，增強算 法抗噪聲的能力，同時對含有定位誤差的特征匹配也提供了較好的容錯性； d)特征向量匹配：生成兩幅圖像的SITF特征向量后，采用關(guān)鍵點特征向量的歐氏距離 作為兩幅圖像中關(guān)鍵點的相似性判定準(zhǔn)則，得到滿足準(zhǔn)則的SITF匹配點對;取圖像中的某 個關(guān)鍵點，并找出其與另一張圖像中歐氏距離最近的前兩個關(guān)鍵點，如果最近的距離除以 次近的距離小于某個閾值，則接受這一對匹配點；降低這個比例閾值，SITF匹配點數(shù)目會減 少，但更加穩(wěn)定;根據(jù)得到的SIFT匹配點對計算出圖像的變換參數(shù)，進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,利用全景圖片進行密集重建得到影像相片生成的3D點云數(shù)據(jù)，運用多視 立體重建算法(PMVS)，得到3D點云；點云質(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，所述的迭代就近點算法實現(xiàn)包含以下步驟： 參考點集P包含Np個點：P = (P1.目標(biāo)點集Q包含Nq個點：Q = 求解 剛體變換參數(shù)(R，T)配準(zhǔn)P、Q兩個點集，這里初始化迭代參數(shù):k = O，Po = P(點集初始位置）， Ro=I，T〇=(0,0,0)T，k為循環(huán)迭代次數(shù)； a) 搜索最近點：計算P中每個點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，找出最近的一點丫1<={71,1<}，如式：b) 參數(shù)計算:定義Rk和Tk的函數(shù)為點對(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)達到最小：c) 配準(zhǔn)：由前一步計算得到的剛體變換參數(shù)，計算參考點集的新位置，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，此時旋轉(zhuǎn)矩陣R=R k，平移矩陣T = Tk，否則繼續(xù)進行下一次迭代。
【文檔編號】G06T7/00GK105931234SQ201610243292
【公開日】2016年9月7日
【申請日】2016年4月19日
【發(fā)明人】林文樹, 李洋, 吳金卓
【申請人】東北林業(yè)大學(xué)