【技术实现步骤摘要】
基于几何与纹理映射的异源点云粗匹配方法
[0001]本专利技术涉及三维点云处理
,尤其涉及基于几何与纹理映射的异源点云粗匹配方法。
技术介绍
[0002]三维点云作为地理信息的重要数据源,被广泛应用于精细建模与空间分析中,在地籍勘查、环境保护、城市规划、应急救灾等领域发挥着十分重要的作用。由于每种类型的点云都有各自的优缺点,且单一点云的采集角度有限,易产生由地物遮挡导致的点云缺失,所以融合异源点云可以更好地服务于后续的精细建模与分析。点云融合的基础是点云匹配,匹配的质量直接关系着融合点云的应用效果,异源点云的匹配一直是相关领域的研究难点,也是影响异源点云融合的瓶颈问题。
[0003]三维点云的匹配一般基于三维点云的局部或整体特征进行匹配,但直接基于三维点的匹配计算开销大、内存占用高、计算效率较低,因此很多学者使用成熟的图像匹配算法完成点云所对应影像的配准,并基于图像与点云的映射关系最终完成点云之间的匹配,此种方法所用影像可以为点云强度、深度与RGB纹理等属性的映射图像,或在摄影测量前方交会中空间点对应的像点所在图像。基于映射影像的点云匹配算法,匹配效率高,并且可以处理具有相似变换关系的点云匹配。但是该方法要求点云之间的纹理相似较高,而由于异源点云获取的方式、获取的角度、获取的时间不同,必然会带来点云映射影像的分辨率、角度/尺度,以及纹理的差异性,降低了映射影像间的相似性,从而降低了此类算法在异源点云中的匹配效果。
技术实现思路
[0004]针对上述存在的问题,本专利技术旨在提供一种基于几 ...
【技术保护点】
【技术特征摘要】
1.基于几何与纹理映射的异源点云粗匹配方法,其特征在于,包括以下步骤,S1:根据源点云和模型点云生成点云映射影像;S2:使用RGB通道映射影像提取特征点;S3:基于点云RGB、法向量Dip分量、粗糙度与曲率属性映射的多通道影像,生成融合点云几何与RGB属性的特征描述子;S4:点云映射影像特征点匹配;S5:根据3D
‑
2D的映射关系获取对应的三维匹配点,完成点云的粗匹配。2.根据权利要求1所述的基于几何与纹理映射的异源点云粗匹配方法,其特征在于,步骤S1的具体操作包括以下步骤,S101:建立点云的有向包围盒;S102:对有向包围盒进行正方体体素分割;S103:基于体素进行点云映射获取点云的多通道影像。3.根据权利要求2所述的基于几何与纹理映射的异源点云粗匹配方法,其特征在于,步骤S2的具体操作包括以下步骤,S201:基于GPS辅助获取影像的粗略重叠区域;S202:提取兴趣纹理区域的影像;S203:生成兴趣纹理区域的梯度增强影像;S204:基于尺度空间建立Harris与SIFT的特征点集。4.根据权利要求3所述的基于几何与纹理映射的异源点云粗匹配方法,其特征在于,步骤S202中使用Grab Cut算法与图像掩膜Mask进行兴趣纹理区域提取。5.根据权利要求4所述的基于几何与纹理映射的异源点云粗匹配方法,其特征在于,步骤S203的具体操作包括以下步骤,S2031:使用canny算子获取兴趣纹理区域的梯度影像;S2032:将梯度影像图像与原始图像进行叠加,得到梯度增强影像;假设梯度影像图像的像素值为{H
i
},原始图像的像素值为{J
i
},梯度增强影像的像素值为{P
i
},则},则式中,H
max
与H
min
分别为像素{H
i
}中的最大值和最小值;max{Pix
i
}和min{Pix
i
}分别为{Pix
i
}中的最大值和最小值。6.根据权利要求5所述的基于几何与纹理映射的异源点云粗匹配方法,其特征在于,步骤S204的具体操作包括以下步骤,S2041:使用高斯卷积核G(x,y,σ
i
)建立高斯尺度空间,计算不同尺度下的M矩阵,其中,A(σ
i
)=G(x,y,σ
i
)*(I
x
)2,B(σ
i
)=G(x,y,σ
i
)*(I
y
)2,C(σ
i
)=G(x,y,σ
i
)*(I
x
·
I
y
)2,式中,I
x
与I
y
分别表示图像在x和y轴方向上的一阶偏导数,*代表卷积操作;在此基础上,计算梯度增强影像的角点相应的R(σ
i
),R(σ
i
)=det(M(σ
i
))
‑
τ
·
tr2(M(σ
i
)),式中,τ∈[0.04
‑
0.06]为权重系数;S2042:在每一个尺度里,使用非最大值抑制获取相应R(σ
...
【专利技术属性】
技术研发人员:刘磊,孙光德,王珏,王帅,彭思卿,贾雨童,
申请(专利权)人:中国人民解放军战略支援部队航天工程大学,
类型:发明
国别省市:
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。