一种利用无人机图像优化激光扫描点云数据的方法及系统技术方案

本发明专利技术公开了一种利用无人机图像优化激光扫描点云数据的方法及系统，其中，所述方法包括：从激光扫描点云数据中提取路域信息；利用插值算法对提取的路域信息进行处理，生成灰度栅格图像；利用Harris角点提取算法在灰度栅格图像中识别特征点；采用基于边界的模板匹配算法将识别的特征点在无人机图像中进行同名点匹配；使用RANSAC算法剔除所述同名匹配点中的异常点；采用三次保形插值方法计算出平滑的激光扫描轨道调整参数，对激光扫描点云数据进行调整优化。通过本发明专利技术提供的方法，将无人机图像和激光扫描点云数据整合，利用无人机图像对激光扫描点云数据进行校正，提高激光扫描点云数据的精度。

【技术实现步骤摘要】

本专利技术涉及测绘
，具体涉及一种利用无人机图像优化激光扫描点云数据 的方法及系统。
技术介绍
地面移动激光扫描仪（MLS)是一种利用发射和接收激光信号进行测量的测绘仪 器，在测绘、矿业、城市、水利、文保等领域广泛使用，能从地面视角快速生产大量的点云数 据。 移动激光扫描仪是将激光扫描仪、定位定向装置安装在一个移动平台上的组合测 量系统，由它产生的点云数据精度会受系统误差和随机误差的影响。通常情况，严格检校激 光传感器系统可排除系统集成带来的系统误差影响，此时，定位定向系统的精度对最终点 云数据的质量具有决定作用。由点云解算方程可知，定位定向系统提供高频率的位置和方 向信息，通过时间同步，定位定向系统误差将会直接传播到最终的激光点云坐标中去。因 此，GPS失锁问题将会严重影响移动激光扫描数据的质量，这种情况在城市区域经常发生。 GPS失锁可能由浓密的树木、高大的建筑物以及隧道等地物的遮挡引起，通常持续 时间较短，但由此引起的在水平方向和垂直方向上的位置偏移可以达到几米。为了提高点 云数据精度，满足行业应用要求，需要利用传统方法人工测绘大量的地面控制点，然后将这 些地面控制点输入到激光扫描处理软件中来调整点云数据和轨线，这需要花费大量的人力 物力。 无人机（UAV)也是一种快速发展的测量工具，广泛应用于从高空视角收集地形 地物影像。通常，无人机系统配备的是可见光传感器（如相机）和低精度的定位定向装置。 现在，较便宜的定位定向装置已可以达到分米级的精度，还不能满足很多测绘应用对地理 定位厘米级精度的要求。通过额外少量的高精度的地面控制点，计算出的坐标精度理论上 可以达到厘米级。
技术实现思路
本专利技术所要解决的技术问题是提供一种利用无人机图像优化激光扫描点云数据 的方法及系统，将无人机图像和激光扫描点云数据整合，利用无人机图像对激光扫描点云 数据进行校正，提高激光扫描点云数据的精度。 本专利技术解决上述技术问题的技术方案如下： 一方面，本专利技术提供了一种利用无人机图像优化激光扫描点云数据的方法，所述 方法包括： S1、从激光扫描点云数据中提取出路域信息； S2、利用插值算法对所述提取的路域信息进行处理，生成灰度栅格图像； S3、利用Harris角点提取算法在所述灰度栅格图像中识别特征点； S4、采用基于边界的模板匹配算法将所述识别的特征点在无人机图像中进行同名 点匹配，获得在无人机图像中的同名匹配点； S5、使用RANSAC算法剔除所述同名匹配点中的异常点，得到同名匹配点中的正常 占 . S6、采用三次保形插值方法计算出平滑的激光扫描轨道调整参数，对激光扫描点 云数据进行调整优化。 另一方面，本专利技术提供了一种利用无人机图像优化激光扫描点云数据的系统，所 述系统包括： 路域信息提取模块，用于从激光扫描点云数据中提取出路域信息； 灰度图像生成模块，用于利用插值算法对所述提取的路域信息进行处理，生成灰 度栅格图像； 特征点识别模块，用于利用Harris角点提取算法在所述灰度栅格图像中识别特 征点； 同名点匹配模块，用于采用基于边界的模板匹配算法将所述识别的特征点在无人 机图像中进行同名点匹配，获得在无人机图像中的同名匹配点； 异常点剔除模块，用于使用RANSAC算法剔除所述同名匹配点中的异常点，得到同 名匹配点中的正常点； 点云数据匹配点优化模块，用于采用三次保形插值方法计算出平滑的激光扫描轨 道调整参数，对激光扫描点云数据进行调整优化。 本专利技术提供了一种利用无人机图像优化激光扫描点云数据的方法及系统，将无人 机图像和激光扫描点云数据整合，由于无人机图像的精度要比激光扫描点云数据的精度 高，因此通过融合无人机图像，自动对激光扫描点云数据进行校正，以提高激光扫描点云数 据的精度，减少校正激光扫描点云数据需要的地面控制点，节约人力、物力等。【附图说明】 图1为本专利技术实施例1的一种利用无人机图像优化激光扫描点云数据的方法流程 图； 图2为本专利技术实施例1中激光扫描点云数据与无人机图像融合过程的示意图； 图3为本专利技术实施例1利用RANSAC算法剔除同名匹配点中的异常点的原理示意 图； 图4为本专利技术实施例1中利用邻近点偏移一致性剔除同名匹配点中的异常点示意 图； 图5为本专利技术实施例1中与扫描点云数据的特征点匹配的无人机图像区域示意 图； 图6为本专利技术实施例1中校正前点云数据检测点与地面控制点的偏差示意图； 图7为本专利技术实施例1中校正前点云数据检测点与地面控制点的偏差示意图； 图8为本专利技术实施例2的一种利用无人机图像优化激光扫描点云数据的系统示意 图。【具体实施方式】 以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并 非用于限定本专利技术的范围。 实施例1、一种利用无人机图像优化激光扫描点云数据的方法。下面结合图1-图 7对本实施例提供的方法进行详细说明。 参见图1，S1、从激光扫描点云数据中提取出路域信息。 具体的，地面移动激光扫描仪（MLS)能从街面视角快速扫描生产大量的点云数 据，称为激光扫描点云数据。参见图2,首先对激光扫描点云数据进行预处理，利用地面点滤 波算法剔除激光扫描点云数据中的非地形点。在剔除非地形点的过程中，可以假设激光扫 描系统距离地面有一个非常稳定的相对高度，根据这个假设，取航迹线上相邻节点的平均 高度作为一个阈值，在这两个航迹线节点间的点云数据，如果它们距离地面的高度大于这 个阈值高度，则认为这些点云为非地形点，将其移除，得到激光扫描点云数据中的地形点。 然后从剔除非地形点后的激光扫描点云数据中提取路域信息。 S2、利用插值算法对提取的路域信息进行处理，生成灰度栅格图像和高程图像。 具体的，激光扫描点云数据中每一个点都拥有三位坐标（x，y，z)以及一个灰度 值i，对路域信息中的灰度数据进行内插，生成灰度栅格图像，本实施例可以采用0.04米的 分辨率，这与激光扫描点云数据的平均密度是一致的。为了便于计算机处理和提高计算效 率，点云数据可以被划分为多个数据块，比如划分为80m*80m的小块，对于每一个80m*80m 的数据块，灰度图像I xy= UAx，y)}包含2000*2000个像素。高程图像Zxy= R/(x，y)} 也可以由插值算法得到。 另外，对无人机图像进行空中三角测量，首先，利用IWitness软件对相机进行检 校；其次，对获取的影像数据进行校正，消除镜头畸变对影像的影响；最后，用MICMAC软件 获取影像精确的外方位参数，即可以获得无人机图像的每张图像的位置和姿态。 S3、利用Harris角点提取算法在所述灰度栅格图像中识别特征点。 具体的，步骤S2对路域信息进行处理生成了灰度栅格图像，本步骤从生成的灰度 栅格图像中识别特征点，由于地面标志拥有稳定可靠的角点信息特征，因此这些角点可以 作为特征点。本实当前第1页1 2 本文档来自技高网...

【技术保护点】
一种利用无人机图像优化激光扫描点云数据的方法，其特征在于，所述方法包括：S1、从激光扫描点云数据中提取出路域信息；S2、利用插值算法对所述提取的路域信息进行处理，生成灰度栅格图像；S3、利用Harris角点提取算法在所述灰度栅格图像中识别特征点；S4、采用基于边界的模板匹配算法将所述识别的特征点在无人机图像中进行同名点匹配，获得在无人机图像中的同名匹配点；S5、使用RANSAC算法剔除所述同名匹配点中的异常点，得到同名匹配点中的正常点；S6、采用三次保形插值方法计算出平滑的激光扫描轨道调整参数，对激光扫描点云数据进行调整优化。

【技术特征摘要】

【专利技术属性】
技术研发人员：高云龙，张帆，黄先锋，
申请(专利权)人：武汉大势智慧科技有限公司，
类型：发明
国别省市：湖北;42