一种适用于多源跨尺度数据精确配准的点云特征提取方法技术

本发明专利技术公开一种适用于多源跨尺度数据精确配准的点云特征提取方法。通过全局位姿和局部位姿联合构建特征描述矩阵，实现激光扫描点云、摄影测量匹配点云的高精度点特征描述，进而实现多种数据源的高精度匹配。而实现多种数据源的高精度匹配。而实现多种数据源的高精度匹配。

【技术实现步骤摘要】
一种适用于多源跨尺度数据精确配准的点云特征提取方法


[0001]本专利技术属于测绘学和计算机视觉的三维重建与特征匹配领域，具体涉及一种适用于多源跨尺度数据精确配准的点云特征提取方法。

技术介绍

[0002]在基于光学影像进行全自动三维重建领域中，面向大范围、跨尺度、多区块和多源数据时，存在着整体和局部数据分开处理而导致结构不准和数据衔接的痛点问题。目前，解决该问题主要通过选择位置精度可信的部分作为配准主体，其它数据则作为配准对象，然后运用算法提取配准主体和配准对象的同名特征点，并通过同名特征点的匹配实现配准主体和配准对象的匹配衔接。其中，在同名特征点的提取和匹配阶段，运用现有方法计算高密度点云的点特征并计算特征相似度，面临着邻近点的特征极其相似，进而导致数据匹配与衔接时一定范围内的邻近点都有可能成为匹配点，使得数据衔接误差较大的问题。解决这一误差，进而优化数据衔接成为多源点云数据配准的核心问题。
[0003]多源数据包括机载激光扫描数据、手持激光扫描数据、无人机光学影像和手机设备光学影像等。由于每种数据源对目标的描述各有利弊，融合处理多源数据可以实现优势互补。多源点云数据配准是一个重要研究方向，在测绘学和计算机视觉中已经有一定的研究基础，并拓展为两大类实现方法：(1)利用激光扫描数据几何信息的配准；(2)利用激光扫描数据强度信息的配准。
[0004]本专利技术属于基于几何信息的配准方法，专利技术的核心内容是提供一种高精度点云几何特征特征描述子。利用本专利技术提出的描述子，通过不同尺度数据的统一分析与融合计算，能够解决高精度自动三维重建中的整体和局部配准难题，从而实现大范围、跨尺度、多区块和多源数据的高精度三维重建。

技术实现思路

[0005]本专利技术针对现有技术的不足，提供一种适用于多源跨尺度数据精确配准的点云特征提取方法。通过全局位姿和局部位姿联合构建特征描述矩阵，实现激光扫描点云、摄影测量匹配点云的高精度点特征描述，进而实现多种数据源的高精度匹配。
[0006]为了达到上述目的，本专利技术提供的技术方案是一种适用于多源跨尺度数据精确配准的点云特征提取方法，包括以下步骤：
[0007]步骤1，以点云的全局位姿描述参考点为基准，为点云的全部点计算距离特征和角度特征，得到全局位姿特征；
[0008]步骤2，以点云的所有点为原点批量构建局部坐标系；
[0009]步骤3，在局部坐标系内构建特征点集，为特征点集内的所有点计算局部特征；
[0010]步骤4，对所有点云进行特征统计计算，获得特征直方图并构建特征矩阵。
[0011]而且，所述步骤1中针对不同数据，全局位姿描述参考点的计算采用不同的方式。
[0012]未定向单个数据的全局位姿描述参考点为点云质心，计算公式为：
[0013]C＝mean(X,Y,Z)
ꢀꢀꢀꢀ
(1)
[0014]式中，C为全局位姿描述参考点，(X,Y,Z)为点云坐标，mean()表示均值运算。
[0015]未定向多项数据源的全局位姿描述参考点为各单个数据点云质心的坐标均值，计算公式为：
[0016][0017]式中，C
m
为全局位姿描述参考点，C
ix
是第i个点云数据质心的x坐标，C
iy
是第i个点云数据质心的y坐标，C
iz
是第i个点云数据质心的z坐标，mean()表示均值运算。
[0018]定向数据的全局位姿描述参考点为多个像控点的坐标均值，计算方式同公式(2)。
[0019]全局位姿特征是由1项距离特征和2项角特征组成的三元组{D0,A0,A1}，为查询点P
Q
计算每个邻域点的特征三元组，即可得到全局位姿特征矩阵，特征矩阵的表达形式为：
[0020][0021]式中，D
0i
表示距离特征，为线段P
i
P
G
的长度；A
0i
表示角特征，为P
i
的法向量N
i
与线段P
i
P
G
的夹角；A
1i
为表示角特征，为线段P
Q
P
G
与线段P
i
P
G
的夹角；P
G
是全局位姿描述参考点；P
Q
是查询点，即当前需要计算特征的点；P
i
是当前查询点在查询半径内获取的特征点。
[0022]而且，所述步骤2中将当前点作为查询点，以查询点的法向量作为U轴，全局参考点与查询法向量构成的平面的法向量作为V轴，与U轴和V轴同时垂直的方向为W轴，则局部坐标系的计算方法如下：
[0023]U＝norm(N
q
)
ꢀꢀꢀꢀ
(4)
[0024]V＝U
×
norm(N
j
)
ꢀꢀꢀꢀ
(5)
[0025]W＝U
×
V
ꢀꢀꢀꢀ
(6)
[0026]式中，N
j
为全局位姿描述参考点P
G
指向查询点P
Q
的方向向量，N
q
为P
Q
的法向量。
[0027]而且，所述步骤3中局部位姿特征是由1项距离特征和4项角特征组成的五元组{L,B,C,D,E}，为P
Q
计算每个邻域点的特征五元组，得到全局位姿特征矩阵，特征矩阵的表达形式为：
[0028][0029]式中，L
i
表示距离特征，为线段P
i
P
Q
的长度；B
i
表示角特征，为P
i
的法向量N
i
与局部坐标轴U的夹角；C
i
表示角特征，为P
i
的法向量N
i
与局部坐标轴V的夹角；D
i
表示角特征，为P
i
的法向量N
i
与局部坐标轴W的夹角；E
i
表示角特征，为P
i
的法向量N
i
与线段P
i
P
Q
的夹角；P
Q
是查询点，即当前需要计算特征的点；U、V、W是基于P
Q
构建的局部坐标系；P
i
是当前查询点在查询半径内获取的特征点；N
i
是P
i
的法向量。
[0030]而且，所述步骤4中对所有点云进行特征统计计算，获得特征直方图，构建直方图时bin值设置为N，据此得到的全局位姿特征为n1个特征元素a1维，局部位姿特征为n2个特征
元素b1维，然后将全局特征与局部特征横向串联，得到(a1+b1)维特征矩阵，由此完成多源跨尺度点云数据的特征提取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于多源跨尺度数据精确配准的点云特征提取方法，其特征在于，包括以下步骤：步骤1，以点云的全局位姿描述参考点为基准，为点云的全部点计算距离特征和角度特征，得到全局位姿特征；步骤2，以点云的所有点为原点批量构建局部坐标系；步骤3，在局部坐标系内构建特征点集，为特征点集内的所有点计算局部特征；步骤4，对所有点云进行特征统计计算，获得特征直方图并构建特征矩阵。2.如权利要求1所述的一种适用于多源跨尺度数据精确配准的点云特征提取方法，其特征在于：步骤1中针对不同数据，全局位姿描述参考点的计算采用不同的方式；未定向单个数据的全局位姿描述参考点为点云质心，计算公式为：C＝mean(X,Y,Z)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，C为全局位姿描述参考点，(X,Y,Z)为点云坐标，mean()表示均值运算；未定向多项数据源的全局位姿描述参考点为各单个数据点云质心的坐标均值，计算公式为：式中，C
m
为全局位姿描述参考点，C
ix
是第i个点云数据质心的x坐标，C
iy
是第i个点云数据质心的y坐标，C
iz
是第i个点云数据质心的z坐标，mean()表示均值运算；定向数据的全局位姿描述参考点为多个像控点的坐标均值，计算方式同公式(2)。3.如权利要求1所述的一种适用于多源跨尺度数据精确配准的点云特征提取方法，其特征在于：步骤1中全局位姿特征是由1项距离特征和2项角特征组成的三元组{D0,A0,A1}，为查询点P
Q
计算每个邻域点的特征三元组，即可得到全局位姿特征矩阵，特征矩阵的表达形式为：式中，D
0i
表示距离特征，为线段P
i
P
G
的长度；A
0i
表示角特征，为P
i
的法向量N
i
与线段P
i
P
G
的夹角；A
1i
为表示角特征，为线段P
Q
P
G
与线段P
i
P
G
的夹角；P
G
是全局位姿描述参考点；P
Q
是查询点，即当前需要计算特征的点；P
i
是当前查询点在查询半径内获取的特征点。4.如权利要求1所述的一种适用于多源跨尺度数据精确配准的点云特征提取方法，其特征在于：步骤2中将当前点作为查询点，以查询点的法向量作为U轴，全局参考点与查询法向量构成的平面的法向量作为V轴，与U轴和V轴...

【专利技术属性】
技术研发人员：牛文渊，黄先锋，张帆，
申请(专利权)人：武汉大学，
类型：发明
国别省市：