无人机点云与地面三维激光扫描仪点云配准方法技术

本发明专利技术公开了一种无人机点云与地面三维激光扫描仪点云配准方法，主要步骤为：S1、倾斜摄影点云与三维激光扫描仪点云的获取；S2、点云数据的预处理；S3、两种点云的特征点对提取与组织；S4、配准模型；S5、还原参数；S6、点云整体配准。本发明专利技术通过分析两种点云的特点及规律，通过选取公共同名点对，通过估算参数粗值，求取参数改正数矩阵从而达到转换矩阵的获取，达到两种不同尺寸大小的点云的配准。本发明专利技术克服了基于三维激光扫描仪获取被测物顶部点云模型质量差，无人机倾斜摄影善于获取被测物顶部点云而顶部点云较差的问题；同时本发明专利技术可胜任大角度偏差的点云配准，以及可解决两种点云大小的比例系数问题。大小的比例系数问题。大小的比例系数问题。

【技术实现步骤摘要】
无人机点云与地面三维激光扫描仪点云配准方法


[0001]本专利技术涉及两种不同类型点云的配准，具体是一种无人机点云与地面三维激光扫描仪点云配准方法。

技术介绍

[0002]随着计算机硬件的发展，点云数据的优势得以体现，点云数据的获取方式也各不相同。有三维激光扫描仪，包括地面三维激光扫描仪，机载三维激光扫描仪以及手持三维激光扫描仪等。三维激光扫描仪能够快速获取被测物的点云模型，但是地面三维激光扫描仪在测量物体时由于被测物的自遮挡会造成顶部和自遮挡区域的点云缺失。而倾斜摄影也可以获得被测物的点云模型，并且对被测物顶部的点云获取有着其优势。所以将两种点云配准可以有效地还原出被测物的点云数据。不同途径获取的点云其配准时需要旋转的角度极大，同时两种点云的尺寸大小不完全相同，往往在配准时存在放大缩小的问题。
[0003]无人机点云与地面三维激光扫描仪点云配准方法包括点云获取和配准两个阶段。点云的获取通过地面三维激光扫描仪对目标物体进行扫描，通过同名靶球进行多站拼接获取被测物的整体点云。然后再用无人机对目标物体进行测量，通过空三加密获得被测物的点云。配准是在两种点云中寻找同名点对，求解坐标转换的初值并求其改正数，最后将改正数应用在整体点云模型上，从而达到了模型配准的目的。现有的自动配准方法难以胜任有大量点云缺失的点云数据，并且两种点云的精度与坐标系不同，所要考虑的不仅仅是旋转平移的问题。
[0004]因此我们需要提出一种综合考虑缩放以及高精度的无人机点云与地面三维激光扫描仪点云配准方法。

技术实现思路
/>[0005]本专利技术的目的是为了解决大角度的不同精度的点云旋转、缩放的配准问题，提出一种无人机点云与地面三维激光扫描仪点云配准方法；本专利技术利用了两种不同点云模型的特点，相对于单独的三维激光扫描点云模型，将无人机点云与三维激光扫描仪的点云进行配准提高了点云模型的完整性的同时保证了模型的精度。
[0006]为实现上述目的，本专利技术采取的技术方案是：一种无人机点云与地面三维激光扫描仪点云配准方法，其包括以下步骤：
[0007]S1、倾斜摄影点云与三维激光扫描仪点云的获取；
[0008]S2、点云数据的预处理；
[0009]S3、两种点云的特征点对提取与组织；
[0010]S4、配准模型；
[0011]S5、还原参数；
[0012]S6、点云整体配准。
[0013]进一步的，所述步骤S1包括以下步骤：
[0014]S1.1、利用三维激光扫描仪获取被测物的点云模型，数据格式为X，Y，Z，R，G，B；其中X，Y，Z为点云模型中的点在扫描仪局部坐标系中的点云坐标，R，G，B值为点云的彩色值；
[0015]S1.2、利用倾斜摄影对被测物体进行测量，并生成点云模型。
[0016]进一步的，所述步骤S2包括以下步骤：
[0017]S2.1、对三维激光扫描仪获取点云的离群点、噪音以及被测物中多余扫描点云进行剔除，包括被测物模型内部离群点和外部离群点的去除；
[0018]S2.2、对倾斜摄影获取到的点云中多余点云进行去除；
[0019]S2.3、将点云进行特征不变的重采样，将点云数据大小控制在便于处理的大小。
[0020]进一步的，所述步骤S3包括以下步骤：
[0021]S3.1、在两种点云中选取地上的同名标靶，并且可以选取被测物的显著特征同名点；
[0022]S3.2、利用3D
‑
HARRIS角点检测对两种点云进行特征点检测，由于点云尺寸不同，所以面对不同的点云要设置不同的块体半径和数量阈值；
[0023]S3.3、基于所选取出的特征点对，求出他们的中心，并进行去中心的处理，进而得到他们相对于他们各自中心的坐标值，分别构建这些点云相对中心点的局部坐标系。
[0024]进一步的，所述步骤S4包括以下步骤：
[0025]S4.1、ε
x
，ε
y
，ε
z
分别为将模型绕x轴、y轴和z轴旋转的三个旋转角、因此配准的旋转矩阵为：
[0026][0027]设置一个3X3矩阵R＝KR0、其中K为两个点云的尺寸比例系数。同时设置一个平移矩阵其中j、k、l为将为将模型沿x轴、y轴和z轴平移的距离；
[0028]S4.2、求参数矩阵Z＝[jkl[ran(R)]T
]T
；
[0029]S4.3、去中心的目标点云X1和源点云X2，满足关系：
[0030]X1+e＝RX2+T
[0031]其中e为随机误差，上式可写成：
[0032]V＝BZ
‑
L
[0033]其中B为系数阵；
[0034]S4.4、利用最小二乘法V
T
PV＝min，来解该方程，获的解：
[0035]Z0＝[j0k0l0a0b0c0d0e0f0g0h0i0]T
[0036]作为初始参数值；
[0037]S4.5、代入Z0：
[0038][0039]可推出：
[0040][0041]其中：
[0042]l＝L
‑
BZ0；
[0043]S4.6、由于旋转矩阵满足RR
T
＝K2I；可得到五个约束条件，
[0044][0045]通过线性化可得：
[0046][0047]S4.7、通过两式联立
[0048][0049]按照拉格朗日乘数法得到：
[0050]对其求导，并让导数为零：
[0051][0052]可获得参数阵Z的改正数矩阵
[0053]令
[0054]P
B
＝B
T
PB
[0055]P
C
＝C[(B
T
PB)
‑1]C
T
[0056][0057]其中：
[0058]W＝B
T
Pl
[0059]更新Z，令：
[0060][0061]S4.8、设置阈值，设置一个比较小的阈值δ，如果则将S4.7中更新后的Z作为Z0代入S4.5中，并依次重复S4.5，S4.6，S4.7，S4.8直至结束循环，输出Z。
[0062]进一步的，所述步骤S5包括下步骤：
[0063]S5.1、Z＝[jkl[ran(R)]T
]T
为特征点对去中心后的旋转平移的参数，需将Z还原成去中心前的参数；其中旋转参数不用还原，并且由RR
T
＝K2I推出两个点云之间的缩放比例；
[0064]S5.2、为计算出的去中心后的平移参数，未去中心的平移参数为：
[0065][0066]为目标点云的中心坐标，为待配准的特征点对的中心坐标。
[0067]进一步的，所述步骤S6如下：
[0068]将R和Z应用在待配准点云X2上，即：
[0069]X1＝RX2+T本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机点云与地面三维激光扫描仪点云配准方法，其特征在于包括以下步骤：S1、倾斜摄影点云与三维激光扫描仪点云的获取；S2、点云数据的预处理；S3、两种点云的特征点对提取与组织；S4、配准模型；S5、还原参数；S6、点云整体配准。2.根据权利要求1所述的无人机点云与地面三维激光扫描仪点云配准方法，其特征在于，所述步骤S1包括以下步骤：S1.1、利用三维激光扫描仪获取被测物的点云模型，数据格式为X，Y，Z，R，G，B；其中X，Y，Z为点云模型中的点在扫描仪局部坐标系中的点云坐标，R，G，B值为点云的彩色值；S1.2、利用倾斜摄影对被测物体进行测量，并生成点云模型。3.根据权利要求1所述的无人机点云与地面三维激光扫描仪点云配准方法，其特征在于，所述步骤S2包括以下步骤：S2.1、对三维激光扫描仪获取点云的离群点、噪音以及被测物中多余扫描点云进行剔除，包括被测物模型内部离群点和外部离群点的去除；S2.2、对倾斜摄影获取到的点云中多余点云进行去除；S2.3、将点云进行特征不变的重采样，将点云数据大小控制在便于处理的大小。4.根据权利要求1所述的无人机点云与地面三维激光扫描仪点云配准方法，其特征在于，所述步骤S3包括以下步骤：S3.1、在两种点云中选取地上的同名标靶，并且可以选取被测物的显著特征同名点；S3.2、利用3D
‑
HARRIS角点检测对两种点云进行特征点检测，由于点云尺寸不同，所以面对不同的点云要设置不同的块体半径和数量阈值；S3.3、基于所选取出的特征点对，求出他们的中心，并进行去中心的处理，进而得到他们相对于他们各自中心的坐标值，分别构建这些点云相对中心点的局部坐标系。5.根据权利要求1所述的无人机点云与地面三维激光扫描仪点云配准方法，其特征在于，所述步骤S4包括以下步骤：S4.1、ε
x
,ε
y
,ε
z
分别为将模型绕x轴、y轴和z轴旋转的三个旋转角、因此配准的旋转矩阵为：设置一个3X3矩阵R＝KR0、其中K为两个点云的尺寸比例系数；同时设置一个平移矩阵其中j、k、l为将为将模型沿x轴、y轴和z轴平移的距离；S4.2、求参数矩阵Z＝[j...

【专利技术属性】
技术研发人员：徐敬海，经皓然，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：