本发明专利技术涉及一种多视角地面激光点云数据自动化全局配准方法。该方法分为两个关键的模块：语义特征点的提取与特征匹配。第一步，进行语义特征点的提取，通过数据切片、距离聚类、几何基元拟合等一系列方式，获得语义特征点；第二步，进行语义特征点的匹配，通过构建三角几何约束条件与语义约束条件来匹配语义特征点；并采用几何一致性的聚类方式剔除其中错误的匹配；最后，以匹配的特征点个数的倒数作为权值，构建一个加权无向图，以加权无向图的最小生成树作为配准的路径，最终得到各个站的全局配准参数，实现全局最优配准。本发明专利技术构筑了一种适用于多视角的自动化地面站激光点云配准方法，该方法能够有效抵抗噪声、点密度与遮挡的影响，提高了激光扫描作业效率，具有很好的实用价值。
【技术实现步骤摘要】
本专利技术涉及对地面站激光扫描点云多站自动化配准，属于激光点云测量数据处理自动化研究领域。
技术介绍
随着激光扫描技术的出现和发展，人们可以快速获取物体和场景的密集表面点云数据。该技术广泛应用于逆向工程、虚拟现实、三维重建等领域。由于每次扫描的范围和距离有限，获取一个场景或物体的完整点云数据，需要多次设站扫描。每个设站扫描获取的坐标均是相对于扫描中心的局部坐标，这就需要使用配准技术将不同测站之间的数据统一到同一坐标系下。目前主流的配准一般分为粗配准与精配准两个步骤。ICP算法(BeslandMcKay，1992)是广泛应用的精配准算法，但是ICP算法需要较为精确可靠的初值，否则将陷入局部最优值而无法找到全局最优的配准参数。粗配准算法通过计算相关的几何信息，为精配准算法提供较为精确的初值，主要分为基于点、基于线、基于面三类方法。基于点的方法主要通过局部特征提取部分特征点，再按照一定的搜索策略进行配准参数的搜索计算(andBecker,2007；BarneaandFilin,2008；Rusu,2008；Weinmann,2011等)。基于线与基于面的配准方法相对较少，主要是通过匹配同名面、同名线，来计算配准参数(StamosandLeordeanu,2003；Habib,2005；YangandZang,2014；DoldandBrenner,2004；TheilerandSchindler,2012)。这些算法大都针对于某一特定的场景，设计了自动化的粗配准方案，获取到了粗配准结果。虽然上述方法在特定场景下都取得了一定的结果，但是他们都还受到场景中存在的点密度不均、噪声、遮挡的影响，需要大量的人工交互，劳动强度大，效率低。基于点的配准，相对于基于面与基于线的算法更加容易受到噪声的干扰。基于面的算法要求场景中存在足够多的面，而受到遮挡情况时，同名平面数量并不能满足要求。基于线的算法一般只考虑了建筑物的边线，而很少利用场景中的竖直杆状物，当场景为郊区或者野外森林时算法将会失败。在这些算法失败的场景下，配准需要手工地进行，极大地增加了人工工作量、降低了生产效率。另一方面，以上的算法都只涉及两两配准，需要人为指定相邻两站位置，无法实现全局的自动化配准。因此，迫切需要一种自动化程度较高、适用于多场景、抵抗噪声与点密度影响的全局化配准算法来进一步提高生产效率，减少人工工作量。
技术实现思路
本专利技术在以上研究的基础上，提出了一种适用于多视角的多站地面激光点云数据自动化配准的新方法。该方法分为两个关键的模块：语义特征点的提取与特征匹配。第一步，进行语义特征点的提取，通过数据切片、距离聚类、几何基元拟合等一系列方式，获得语义特征点；第二步，进行语义特征点的匹配，通过构建三角几何约束条件与语义约束条件来匹配语义特征点；并采用几何一致性的聚类方式剔除其中错误的匹配；最后，以匹配的特征点个数的倒数作为权值，构建一个加权无向图，以加权无向图的最小生成树作为配准的路径，最终得到各个站的全局配准参数，实现全局最优配准。本专利技术通过以下技术流程解决上述问题：一种适用于多视角自动化配准多站地面激光点云数据的方法，其特征在于，包括：一个获取原始点云数据的步骤：获取一个场景或物体的完整点云数据，需要在场景中的不同位置架设激光扫描仪获取数据，每个设站扫描获取的坐标均是相对于激光扫描仪中心的局部坐标，这就需要使用配准技术将不同测站之间的数据统一到同一坐标系下；一个语义特征点提取的步骤：首先对获取的原始点云数据进行点云分割，然后针对分割后的点云数据进行数值特征线的提取，并进行语义信息的计算；具体包括：步骤1.1，利用高程信息分离点云数据中的地面部分，划分水平格网，认为格网内的最低点一定高程范围内的点为地面点。然后，将非地面部分按照一定间距、一定厚度划分切片。步骤1.2，在每个切片内进行自适应距离欧式距离聚类。首先在切片内构建Delauney三角网。然后，统计该点周围Delauney三角网的边长，可以计算得到距离阈值为：dTs＝Mean(Ps)+Variation(Ps)其中是与该点相连所有Delauney三角形的边的平均边长，而Variation(Ps)是这些边长的标准差。步骤1.3，从聚类块中挑选感兴趣的类别，分别是建筑物的立面和杆状物。杆状物在切片数据中表现为一个圆柱形的结构，需要满足模型：||(P-Q)×Ca||-r＝0其中，P＝(xp,yp,zp)是圆柱上的一点，Q＝(xq,yq,zq)是圆柱的轴线上的一点，Ca＝(Cax,Cay,Caz)是圆柱轴线的单位向量，r是圆柱的半径。本方法规定半径只能在一定的阈值Rmin到Rmax范围内，并且轴向方向与Z轴近似平行。保留符合上述条件的圆柱切片聚类块，计算这些圆柱聚类块的中心作为杆状物的中心点。而另一类建筑物的立面在切片数据中表现为一条直线，应该满足几何模型：x-x0a=y-y0b=z-z0c]]>其中，(x0,y0,z0)和(x,y,z)都是直线上的点，(a,b,c)是该直线的方向。同时限制直线的最小长度为Lmin,并且方向(a,b,c)近似与Z轴垂直。保留符合条件的聚类块作为建筑物聚类块，计算它的两个端点，作为特征点保留，并且判定它是建筑物的边线点还是交线点。步骤1.4，获得带有语义信息的特征点。将上述直线与地面的交点作为特征点。同时计算该点的语义信息。这些语义信息可以表述为以下一个向量：LFeature(Ptlowest,Pthighest,Ptnum,Lheight,Lid,Lcategory,Lradius,Pldirection1,Pldirection2)Ptlowest,Pthighest,Ptnum,Lheight和Lid分别为得到该点所用的与地面相交的竖直线的最低点、最高点、所包含的点个数、高程和该点的ID。Lcategory表示该点的类型，是立面边线、立面交线还是杆状物中心线与地面的交点。Lradius表示杆状物的平均半径，只存在于杆状物中心线与地面交点。Pldirection1和Pldirection2表示构建该点的两个建筑物立面的走向，只存在于两个立面交线与地面的交点。如果是建筑物的边线与地面的交点，则只有一个方向Pldirection1一个匹配与全局配准的步骤：通过构建三角几何约束条件与语义约束条件来匹配语义特征点，首先得到一个初步匹配的三角形对，然后针对得到的初步匹配的三角形采用几何一致性的聚类方式剔除其中错误本文档来自技高网...
【技术保护点】
一种适用于多视角自动化配准多站地面激光点云数据的方法，其特征在于，包括：一个获取原始点云数据的步骤：获取一个场景或物体的完整点云数据，需要在场景中的不同位置架设激光扫描仪获取数据，每个设站扫描获取的坐标均是相对于激光扫描仪中心的局部坐标，这就需要使用配准技术将不同测站之间的数据统一到同一坐标系下；一个语义特征点提取的步骤：首先对获取的原始点云数据进行点云分割，然后针对分割后的点云数据进行数值特征线的提取，并进行语义信息的计算；具体包括：步骤1.1，利用高程信息分离点云数据中的地面部分，划分水平格网，认为格网内的最低点一定高程范围内的点为地面点；然后，将非地面部分按照一定间距、一定厚度划分切片；步骤1.2，在每个切片内进行自适应距离欧式距离聚类；首先在切片内构建Delauney三角网；然后，统计该点周围Delauney三角网的边长，可以计算得到距离阈值为：dTs＝Mean(Ps)+Variation(Ps)其中Mean(Ps)是与该点相连所有Delauney三角形的边的平均边长，而Variation(Ps)是这些边长的标准差；步骤1.3，从聚类块中挑选感兴趣的类别，分别是建筑物的立面和杆状物；杆状物在切片数据中表现为一个圆柱形的结构，需要满足模型：||(P‑Q)×Ca||‑r＝0其中，P＝(xp,yp,zp)是圆柱上的一点，Q＝(xq,yq,zq)是圆柱的轴线上的一点，Ca＝(Cax,Cay,Caz)是圆柱轴线的单位向量，r是圆柱的半径；本方法规定半径只能在一定的阈值Rmin到Rmax范围内，并且轴向方向与Z轴近似平行；保留符合上述条件的圆柱切片聚类块，计算这些圆柱聚类块的中心作为杆状物的中心点；而另一类建筑物的立面在切片数据中表现为一条直线，应该满足几何模型：x-x0a=y-y0b=z-z0c]]>其中，(x0,y0,z0)和(x,y,z)都是直线上的点，(a,b,c)是该直线的方向；同时限制直线的最小长度为Lmin,并且方向(a,b,c)近似与Z轴垂直；保留符合条件的聚类块作为建筑物聚类块，计算它的两个端点，作为特征点保留，并且判定它是建筑物的边线点还是交线点；步骤1.4，获得带有语义信息的特征点；将上述直线与地面的交点作为特征点；同时计算该点的语义信息；这些语义信息可以表述为以下一个向量：LFeature(Ptlowest,Pthighest,Ptnum,Lheight,Lid,Lcategory,Lradius,Pldirection1,Pldirection2)Ptlowest,Pthighest,Ptnum,Lheight和Lid分别为得到该点所用的与地面相交的竖直线的最低点、最高点、所包含的点个数、高程和该点的ID；Lcategory表示该点的类型，是立面边线、立面交线还是杆状物中心线与地面的交点；Lradius表示杆状物的平均半径，只存在于杆状物中心线与地面交点；Pldirection1和Pldirection2表示构建该点的两个建筑物立面的走向，只存在于两个立面交线与地面的交点；如果是建筑物的边线与地面的交点，则只有一个方向Pldirection1一个匹配与全局配准的步骤：通过构建三角几何约束条件与语义约束条件来匹配语义特征点，首先得到一个初步匹配的三角形对，然后针对得到的初步匹配的三角形采用几何一致性的聚类方式剔除其中错误的匹配；最后，以匹配的特征点个数的倒数作为权值，构建一个加权无向图，以加权无向图的最小生成树作为配准的路径，最终得到各个站的全局配准参数，具体包括：步骤2.1，构建语义特征点三角形网；对所有语义特征点构建三角形，可以得到个三角形，其中NI表示语义特征点的个数；为了减少运算量，加快运算速度，剔除其中等角、近似于共线以及边长较短的三角形；对于剩下的三角形建立hash表，以面积与周长计算该三角形的索引号：line_index=[AreaBin]row_index=[PerimeterBin]]]>上式表示了，行索引与列索引的计算方式；Bin值由事先给定，[ ]表示向上取整；步骤2.2，进行几何约束与语义约束的匹配；和分别表示基准站Ps与目标站Pt中保留的三角形集合；对于其中基准站的一个三角形找到目标站中与其最相似(全等)的三角形其相似性由下式判定：similarity=1|Δ1|+|Δ2|+|Δ3|]]>其中Δ1,Δ2,Δ3分别为三角形对应的三边之差，并给定三个限制条件：限制条件一：是Ps中与最相似的三角形，同时也是Pt中与最相似的三角形；限制条件二：满足其中，<>表示对应的长度差异，是Pt中与第二相似的三角形，是Ps中与第二相似的三角形；该条件保证了相似的稳定性，排除了噪声的影响；限制条件三：语义信息约束；对...
【技术特征摘要】
1.一种适用于多视角自动化配准多站地面激光点云数据的方法，其特征在
于，包括：
一个获取原始点云数据的步骤：获取一个场景或物体的完整点云数据，需要
在场景中的不同位置架设激光扫描仪获取数据，每个设站扫描获取的坐标均是
相对于激光扫描仪中心的局部坐标，这就需要使用配准技术将不同测站之间的
数据统一到同一坐标系下；
一个语义特征点提取的步骤：首先对获取的原始点云数据进行点云分割，然
后针对分割后的点云数据进行数值特征线的提取，并进行语义信息的计算；具
体包括：
步骤1.1，利用高程信息分离点云数据中的地面部分，划分水平格网，认为
格网内的最低点一定高程范围内的点为地面点；然后，将非地面部分按照一定
间距、一定厚度划分切片；
步骤1.2，在每个切片内进行自适应距离欧式距离聚类；首先在切片内构建
Delauney三角网；然后，统计该点周围Delauney三角网的边长，可以计算得到
距离阈值为：
dTs＝Mean(Ps)+Variation(Ps)
其中Mean(Ps)是与该点相连所有Delauney三角形的边的平均边长，而
Variation(Ps)是这些边长的标准差；
步骤1.3，从聚类块中挑选感兴趣的类别，分别是建筑物的立面和杆状物；
杆状物在切片数据中表现为一个圆柱形的结构，需要满足模型：
||(P-Q)×Ca||-r＝0
其中，P＝(xp,yp,zp)是圆柱上的一点，Q＝(xq,yq,zq)是圆柱的轴线上的一点，
Ca＝(Cax,Cay,Caz)是圆柱轴线的单位向量，r是圆柱的半径；本方法规定半径只能
在一定的阈值Rmin到Rmax范围内，并且轴向方向与Z轴近似平行；保留符合上述
条件的圆柱切片聚类块，计算这些圆柱聚类块的中心作为杆状物的中心点；而
另一类建筑物的立面在切片数据中表现为一条直线，应该满足几何模型：
x-x0a=y-y0b=z-z0c]]>其中，(x0,y0,z0)和(x,y,z)都是直线上的点，(a,b,c)是该直线的方向；同时限
制直线的最小长度为Lmin,并且方向(a,b,c)近似与Z轴垂直；保留符合条件的聚
类块作为建筑物聚类块，计算它的两个端点，作为特征点保留，并且判定它是
建筑物的边线点还是交线点；
步骤1.4，获得带有语义信息的特征点；将上述直线与地面的交点作为特征
点；同时计算该点的语义信息；这些语义信息可以表述为以下一个向量：
LFeature(Ptlowest,Pthighest,Ptnum,Lheight,Lid,Lcategory,Lradius,Pldirection1,Pldirection2)
Ptlowes...
【专利技术属性】
技术研发人员：杨必胜，董震，周桐，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。