基于点特征的航空影像和机载点云配准优化方法及系统技术方案

本发明专利技术提供一种基于点特征的航空影像和机载点云配准优化方法及系统，进行航空影像及LiDAR点云数据的预处理，包括影像分块及针对建筑物边缘的影像特征点提取、点云特征点提取；依据成像模型进行点云特征点投影，进行特征点配对和配准误差评价，得到点云特征点与影像特征点的匹配度；进行配准参数迭代优化，将姿态参数和位置参数改正值引入成像模型进行迭代改正，在优化完成后，利用改正后的配准参数将点云投影到成像平面，获取点云与影像之间的映射关系，生成城市空间三维信息。本发明专利技术特征点确定方式简单，基于经典投影模型的方法实现快捷，借助匹配点对数量和平均误差对配准效果进行量化评价，同时也对配准参数起到了明显的优化效果。

【技术实现步骤摘要】
基于点特征的航空影像和机载点云配准优化方法及系统
本专利技术属于数字航空影像和机载LiDAR点云的配准
，主要涉及一种基于点特征的航空影像和机载点云配准优化方案。
技术介绍
近年来，城市空间三维信息在城市规划、经济发展中发挥着日益重要的作用，在实时性、数据精度等方面也有了更高的要求。以机载LiDAR为代表的对地观测技术由于具备主动性、受天气干扰较小以及对地物缝隙具有较好的穿透性等优点得到广泛应用。但是受限于激光数据的获取方式，机载LiDAR三维点云存在不连续、密度不均和缺少物体表面语义信息等不足，造成获取的目标信息不够完备；当前的机载LiDAR系统通常配备有数码相机，在获取激光点云的同时也能采集到高分辨率彩色航空影像，能与点云形成很好的互补。因此为了弥补点云在纹理信息等方面的缺失、单一数据源的不足，需要将点云和航空影像进行配准，增强对目标表面的描述、获取地物的空间信息和语义信息。点云与航空影像的配准是指求解正确的变换参数，再根据精度需求对参数进行优化改正，从而将两者转换到统一的坐标系下进行表示。现阶段，二维数字影像和三维点云数据的配准问题已经有了大量的研究，所采用的配准方法大致可分为3类：基于2D-2D的配准、基于3D-3D的配准以及2D-3D的直接配准。基于2D-2D的配准研究是把图像与点云的配准转化为图像与图像之间的配准，将三维点云转化为二维影像(强度图像或是距离图像)，再进行点云影像和数字影像之间的参数迭代完成配准。点云内插成图像再与数字影像配准的方法充分利用现有的图像配准算法，体系与技术较为成熟，但是在内插处理中容易引入并累积误差，影响配准的精度。基于3D-3D的配准则是将影像和点云的配准转化为点云和点云的配准来完成的。首先利用重叠影像中的同名特征点来生成匹配点云，再与LiDAR点云进行配准。这类方法需要有较好的同名点初始值，且密集匹配算法的精度会对配准精度产生直接影响。2D-3D的直接配准则是通过在数字影像和LiDAR点云之间建立直接的对应关系，如点、直线及平面等，再借助严格的几何模型解算来实现高精度配准。2D-3D的直接配准可以避免点云内插或是密集匹配过程中产生的误差，但是依赖于影像和点云间同名特征的提取及匹配，在大数据场景下无法保证效率和精度，且该过程的自动化程度较低。在影像与点云配准研究中，配准参数的精度优化是非常必要的，但现有的研究中较少涉及这部分工作。本专利技术提出了一种优化方法，在初始配准参数存在一定误差的情况下，能够对参数进行自动优化，进一步提高配准参数的精度，提高影像和点云配准的效果。
技术实现思路
针对现有技术缺陷，本专利技术提出一种基于点特征的航空影像和机载点云配准优化方案。本专利技术所采用的技术方案是一种基于点特征的航空影像和机载点云配准优化方法，包括以下步骤，步骤1，航空影像及LiDAR点云数据的预处理，包括影像分块及针对建筑物边缘的影像特征点提取、点云特征点提取；步骤2，依据成像模型进行点云特征点投影，并进行2D-3D特征点配对和配准误差评价，得到点云特征点与影像特征点的匹配度；步骤3，进行配准参数迭代优化，在优化完成后，利用改正后的配准参数将点云投影到成像平面，获取点云与影像之间的映射关系，生成城市空间三维信息；所述配准参数迭代优化的实现方式如下，将姿态参数和位置参数改正值引入成像模型，包括针对姿态参数的改正构造旋转矩阵的改正值R′，R′由3个角度改正值(rx′，ry′，rz′)构成，位置改正值包含三个参数(X′S，Y′S，Z′S)，将R′和[X′S，Y′S，Z′S]T添加到成像模型中，其中R′＝RX′·RY′·RZ′，其中，差值是加入改正值后的线元素，RX′、RY′、RZ′分别表示绕x轴、y轴、z轴旋转所得到的旋转矩阵RX、RY、RZ的改正值；针对姿态参数和位置参数进行迭代改正，在每个迭代轮次中，计算出所有可能的参数改正值，然后根据每个改正值与包含改正值的成像模型，计算出点云与影像的匹配点对数量，选择其中最大的一组参数作为下一次迭代开始时的初始值，不断重复迭代直到达到迭代结束条件，获得优化的配准参数。而且，步骤1中，在影像分块所得每个影像子块中使用Harris角点提取算法，获得影像特征点。而且，步骤1中，使用ISS算法提取点云特征点。而且，步骤2的实现方式如下，步骤2.1，确定每张航空影像所对应的初始参数；步骤2.2，将所提取的点云特征点通过初始配准参数和投影模型转换到对应的成像平面上，得到对应的投影点集合；步骤2.3，计算点云特征点与影像特征点的匹配度。而且，步骤3中，姿态参数按下式进行迭代，式中，第n次迭代角度改正值记为(r′x(n)，r′y(n)，r′z(n))，第n+1次迭代角度改正值记为(r′x(n+1)，r′y(n+1)，r′z(n+1))，角元素迭代过程中的初始值ws＝w1/2n，r′x(0)＝r′y(0)＝r′z(0)＝0°，常数p，q，l＝0，1，...t-1；w1为设定值，t为设置的最大迭代次数；姿态参数按下式进行迭代，其中，第n次位置改正值记为(X′S(n)，Y′S(n)，Z′S(n))，第n+1次位置改正值记为(X′S(n+1)，Y′S(n+1)，Z′S(n+1))，线元素迭代过程中的初始值wt＝w2/(2·n+1)，X′S(0)＝Y′S(0)＝Z′S(0)＝0米，常数i，j，k＝0，1，...，t-1；w2为设定值，t为设置的最大迭代次数。而且，步骤3中，在进入下一次迭代时，将给定值w1和w2按当前值缩小一半。另一方面，本专利技术提供一种基于点特征的航空影像和机载点云配准优化系统，用于实现如上所述的一种基于点特征的航空影像和机载点云配准优化方法。而且，包括以下模块，第一模块，用于航空影像及LiDAR点云数据的预处理，包括影像分块及针对建筑物边缘的影像特征点提取、点云特征点提取；第二模块，用于依据成像模型进行点云特征点投影，并进行2D-3D特征点配对和配准误差评价，得到点云特征点与影像特征点的匹配度；第三模块，用于进行配准参数迭代优化，在优化完成后，利用改正后的配准参数将点云投影到成像平面，获取点云与影像之间的映射关系，生成城市空间三维信息；所述配准参数迭代优化的实现方式如下，将姿态参数和位置参数改正值引入成像模型，包括针对姿态参数的改正构造旋转矩阵的改正值R′，R′由3个角度改正值(rx′，ry′，rz′)构成，位置改正值包含三个参数(X′S，Y′S，Z′S)，将R′和[X′S，Y′S，Z′S]T添加到成像模型中，其中R′＝RX′·RY′·RZ′，其中，差值是加入改正值后的线元素，RX′、RY′、RZ′分别表示绕x轴、y轴、z轴旋转所得到的旋转矩阵RX、RY、RZ的改正值；针对姿态参数和位置参数进行迭代改正，在每个迭本文档来自技高网...

【技术保护点】
1.一种基于点特征的航空影像和机载点云配准优化方法，其特征在于：包括以下步骤，/n步骤1，航空影像及LiDAR点云数据的预处理，包括影像分块及针对建筑物边缘的影像特征点提取、点云特征点提取；/n步骤2，依据成像模型进行点云特征点投影，并进行2D-3D特征点配对和配准误差评价，得到点云特征点与影像特征点的匹配度；/n步骤3，进行配准参数迭代优化，在优化完成后，利用改正后的配准参数将点云投影到成像平面，获取点云与影像之间的映射关系，生成城市空间三维信息；/n所述配准参数迭代优化的实现方式如下，/n将姿态参数和位置参数改正值引入成像模型，包括针对姿态参数的改正构造旋转矩阵的改正值R′，R′由3个角度改正值(r

【技术特征摘要】
1.一种基于点特征的航空影像和机载点云配准优化方法，其特征在于：包括以下步骤，
步骤1，航空影像及LiDAR点云数据的预处理，包括影像分块及针对建筑物边缘的影像特征点提取、点云特征点提取；
步骤2，依据成像模型进行点云特征点投影，并进行2D-3D特征点配对和配准误差评价，得到点云特征点与影像特征点的匹配度；
步骤3，进行配准参数迭代优化，在优化完成后，利用改正后的配准参数将点云投影到成像平面，获取点云与影像之间的映射关系，生成城市空间三维信息；
所述配准参数迭代优化的实现方式如下，
将姿态参数和位置参数改正值引入成像模型，包括针对姿态参数的改正构造旋转矩阵的改正值R′，R′由3个角度改正值(rx′,ry′,rz′)构成，位置改正值包含三个参数(X′S,Y′S,Z′S)，将R′和[X′S,Y′S,Z′S]T添加到成像模型中，

其中R′＝RX′·RY′·RZ′，









其中，差值是加入改正值后的线元素，RX′、RY′、Rz′分别表示绕x轴、y轴、z轴旋转所得到的旋转矩阵RX、RY、RZ的改正值；
针对姿态参数和位置参数进行迭代改正，在每个迭代轮次中，计算出所有可能的参数改正值，然后根据每个改正值与包含改正值的成像模型，计算出点云与影像的匹配点对数量，选择其中最大的一组参数作为下一次迭代开始时的初始值，不断重复迭代直到达到迭代结束条件，获得优化的配准参数。


2.根据权利要求1所述基于点特征的航空影像和机载点云配准优化方法，其特征在于：步骤1中，在影像分块所得每个影像子块中使用Harris角点提取算法，获得影像特征点。


3.根据权利要求1所述基于点特征的航空影像和机载点云配准优化方法，其特征在于：步骤1中，使用ISS算法提取点云特征点。


4.根据权利要求1所述基于点特征的航空影像和机载点云配准优化方法，其特征在于：步骤2的实现方式如下，
步骤2.1，确定每张航空影像所对应的初始参数；
步骤2.2，将所提取的点云特征点通过初始配准参数和投影模型转换到对应的成像平面上，得到对应的投影点集合；
步骤2.3，计算点云特征点与影像特征点的匹配度。


5.根据权利要求1或2或3或4所述基于点特征的航空影像和机载点云配准优化方法，其特征在于：步骤3中，
姿态参数按下式进行迭代，



式中，第n次迭代角度改正值记为(r′x(n),r′y(n),r′z(n))，第n+1次迭代角度改正值记为(r′x(n+1),r′y(n+1),r′z(n+1))，角元素迭代过程中的初始值ws＝w1/2n，r′x(0)＝r′y(0)＝r′z(0)＝0°，常数p,q,l＝0,1,…t-1；w1为设定值，t为设置的最大迭代次数；
姿态参数按下式进行迭代，

【专利技术属性】
技术研发人员：姚剑，李礼，朱卓人，李寅暄，龚烨，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42