【技术实现步骤摘要】
一种面向道路精细重建的多源点云粗匹配算法
[0001]本专利技术涉及三维点云处理
,特别涉及一种面向道路精细重建的多源点云粗匹配算法。
技术介绍
[0002]建立精细的道路模型是高效、准确进行路面质量评价的基础,有助于提高相关特征提取与分类的精度,辅助制定合理的道路养护方案。传统的数字公路采集车,造价高,且对道路的通过性有一定要求,无法进行破损较为严重的路面点云采集与重建,特别是无法处理地震等严重灾害之后的道路损毁情况普查。近几年,随着无人机相关技术的不断发展,越来越多的学者开始重视无人机点云获取的高效性与灵活性,使用无人机搭载相应传感器在低空获取道路点云,完成道路建模与质量评价。
[0003]使用无人机可以灵活、高效地获取道路点云数据。其中,虽然无人机LiDAR点云精度高,但点云密度低,且分布不均匀;无人机摄影测量点云密度相对较高,但精度差,加之,无人机点云采集角度单一,且数据获取距离较远,因此,以上两种点云的道路模型均无法充分体现路面的细节特征。融合近景摄影测量点云与无人机点云可以丰富路面细节,获得更加精细的路面模型,目前融合多源点云进行道路精细建模的应用很少。此外,在无人机自主作业的过程中地面人员可同时采集局部兴趣区域影像,此种数据获取方式的组合,不会降低整体作业效率,既结合了数据获取的灵活与高效性,也可为后续精细建模提供了更优质的点云数据。
[0004]4PCS类方法是利用共面四点相交的仿射不变量,获取点云之间的共面四点特征完成点云匹配的方法。4PCS是在LCP(Largest Comm ...
【技术保护点】
【技术特征摘要】
1.一种面向道路精细重建的多源点云粗匹配算法,其特征在于,包括以下步骤:步骤1:获取目标道路的源点云P和目标Q;步骤2:基于点云粗略重叠区域内凹凸程度的相似性获取源点云P和目标点云Q之间近似比例,将点云之间的相似变化转化为刚体变化;步骤3:通过3D
‑
Harris特征点提取算法对点云P和Q进行简化,得到特征源点云P和特征目标点云Q;步骤4:基于步骤2得到的近似比例,在特征源点云P中构建非共面5点基B,并建立非共面5点基的特征描述;步骤5:采用超球栅格化与哈希检索在特征目标点云Q中依据所述非共面5点基的特征描述查找近似的全等5点基集合{B
’
};步骤6:遍历B和{B
’
}进行匹配,得到全等非共面5点基和对应的变换矩阵H;步骤7:基于LCP进行一致性度量,计算一致性度量下的最优解,以求得的最优解作为最优变换矩阵T;步骤8:根据得到的最优变换矩阵T,完成道路多源点云匹配。2.根据权利要求1所述的一种面向道路精细重建的多源点云粗匹配算法,其特征在于,步骤2的包括以下具体操作步骤:步骤21:基于GPS位置信息确定粗略重叠区域,假设平面方程为Ax+By+Cz+D=0(C≠0),将平面方程转化为z=ax+by+c,其中,a=
‑
A/C,b=
‑
B/C,c=
‑
D/C;从点云中随机选取3个点,判断三点是否共线,若不共线则计算这3个点所对应的平面方程,否则重新选取3点;步骤22:计算点云中各个点(x
i
,y
i
,z
i
)到所得平面的距离d
i
:其中,a,b,c均为平面方程z的参数;步骤23:计算所得距离{d
i
}的标准偏差σ:其中,取阈值τ=2σ;步骤24:判断各个点的距离d
i
>τ时,则该点为高程异常值,存为外点outliers,其他点作为内点inliers用于平面拟合,形成外点集合{inliers}和外点集合{outliers},并分别统计点数N
outliers
与N
inliers
;步骤25:重复步骤21
‑
24迭代N次,选取内点数最多的点集进行平面拟合,通过对所有内点inliers组成的协方差矩阵进行SVD分解,最终获得平面方程z=a0x+b0y+c0,且:其中,a0、b0与c0为平面方程的参数,p为设定的正确概率,一般p=99%,,w为内点概率;步骤26:在距离求解时仅遍历外点outliers,最终获得重叠区域凹凸度的极值dis=Max({dis
i
})为:
步骤27:计算点云之间的近似比例,且计算公式为:其中,d
Q
‑
average
与d
p
‑
average
分别为点云Q与点云P粗略重叠区域的凹凸度均值。3.根据权利要求2所述的一种面向道路精细重建的多源点云粗匹配算法,其特征在于,步骤4中所述非共面5点基的构建步骤包括:步骤41:基于平面拟合过程中平面内点与外点的hash储存,将外点中距离平面较远的子集{outliers,d
outliers
≥d
Localmax
×
60%},作为非共面点的备选集{p5},用以随机选取1个非共面点;以所述内点集合{inliers}为共面4点的备选集;步骤42:设特征源点云P和特征目标点云Q的近似重叠度为ω,如果没有预估重叠度,按照ω的值从大到小遍历{1、0.75、0.5、0.25、
…
},根据重叠度ω估计底面四点的边长约束d
ω
:d
ω
=dia
p
×
ω
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中,dia
p
为点云p的直径;步骤43:依据所述边长约束,设置边长为d0=d
ω
×
A,其中A为(0.7,0.95)范围内的随机值,在内点集合中,随机选取两点p1与p3,使得:d0‑
σ≤||p1‑
p3||≤d0+σ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中,σ为距离的误差阈值;步骤44:在内点集合中随机寻找第三点p2,设置边长为d1=d
ω
×
A,使得p2满足:d1‑
σ≤||p2‑
p3||≤d1+σ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)且满足:即在满足边长限制的同时,所得边尽量垂直;步骤45:随机寻找第四点p4,使得||p4‑
p2||≥d1×
0.5,且满足:π/2≤∠P2P4P1≤2π/3
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9);步骤46:在所述备选集{p5}中随机选取一点作为非共面点,与p1、p2、p3、p4组成非共面5点基B。4.根据权利要求3所述的一种面向道路精细重建的多源点云粗匹配算法,其特征在于,步骤4中所述非共面5点基的特征描述为:{d1,d2,d3,r1,r2,θ1,θ2},其中{d1,d2,r1,r2,θ1}为沿用Super
‑
4PCS算法中共面特征,d...
【专利技术属性】
技术研发人员:刘磊,王帅,王珏,孙光德,贾玉童,彭思卿,
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。