一种基于人工智能的无人机测绘中的点云校正方法及系统技术方案

本发明专利技术公开了一种基于人工智能的无人机测绘中的点云校正方法及系统，涉及无人机测绘领域；通过图像重叠区域匹配选取最优帧图像，能很好的过滤存在果冻效应的图像；利用RGB图像的纹理信息对精度稀疏的点云进行校正或补全，弥补了共振造成的图像缺陷。具体包括：获取第一图像、第二图像及第一深度图像；获取第一图像及第二图像中的感兴趣区域；获取第一图像中所述感兴趣区域与所述第二图像中感兴趣区域的差异度指标及待选图像对；若三维角速度和三维加速度均未变化则待选图像对为选定图像对；根据选定图像对的灰度梯度对所述第一深度图像进行校正。本发明专利技术具体应用场景为：无人机城市测绘时通过RGB图像对点云数据进行校正。城市测绘时通过RGB图像对点云数据进行校正。城市测绘时通过RGB图像对点云数据进行校正。

【技术实现步骤摘要】
一种基于人工智能的无人机测绘中的点云校正方法及系统


[0001]本申请涉及无人机测绘领域，具体涉及一种基于人工智能的无人机测绘中的点云校正方法及系统。

技术介绍

[0002]现代无人机测绘领域发展愈发迅速，通过无人机上自带的激光雷达能够较高精度的点云数据，并导出场景的点云图像，每张图像都有地理信息标记，包含图像中心点的三维坐标和建筑物的分割线和纹理信息。
[0003]在无人机进行城市测绘的飞行过程中难免会出现共振、抖动等情况，造成激光雷达获取的点云信息不准确甚至缺失，同时城市建筑物的点云数据会因拍摄距离较远造成部分点云的缺失或点云精度较低，使得到的点云数据较为稀疏并影响到测绘精度和图像质量，所以需要对点云数据进行校正以得到高精度的点云图像。

技术实现思路

[0004]本专利技术提供了一种基于人工智能的无人机测绘中的点云校正方法及系统，包括：获取第一图像、第二图像及第一深度图像；获取第一图像及第二图像的重叠区域中感兴趣区域；获取第一图像中感兴趣区域与第二图像中感兴趣区域的差异度指标；根据差异度指标及预设差异度阈值确定待选图像对；若待选图像对所对应的时刻的三维角速度和三维加速度均未变化，则待选图像对为选定图像对；根据选定图像对的灰度梯度对第一深度图像进行校正，相比于现有技术，通过图像重叠区域匹配选取最优帧图像，可以得到最好的对比图像进行点云校正，从而得到更为稳定的图像同时鲁棒性较好；利用ROI(感兴趣区域)在两张图像中的梯度分布和色彩分布能够得到较精确的图像差异度，能够很好的过滤掉存在果冻效应的图像。
[0005]针对上述技术问题，本专利技术提出了一种基于人工智能的无人机测绘中的点云校正方法及系统。
[0006]第一方面，本文提出了一种基于人工智能的无人机测绘中的点云校正方法，包括：
[0007]获取第一图像、第二图像及第一深度图像。
[0008]获取所述第一图像及所述第二图像的重叠区域中感兴趣区域；所述感兴趣区域为所述重叠区域中待测物部分。
[0009]获取所述第一图像中所述感兴趣区域与所述第二图像中所述感兴趣区域的差异度指标。
[0010]根据所述差异度指标及预设差异度阈值确定待选图像对。
[0011]判断所述待选图像对所对应的时刻的三维角速度和三维加速度在是否均未变化：若判断结果为是，则所述待选图像对为选定图像对，选定图像对中的第二图像为最优帧图像。
[0012]根据所述选定图像对的灰度梯度对所述第一深度图像进行校正。
[0013]进一步的，所述的基于人工智能的无人机测绘中的点云校正方法，所述差异度指标包括色彩差异度、灰度梯度差异度及边缘差异度。
[0014]进一步的，所述的基于人工智能的无人机测绘中的点云校正方法，所述色彩差异度的获取的步骤包括：
[0015]将感兴趣区域中预设距离阈值范围内的部分按照色调将感兴趣区域划分为不同区域。
[0016]计算每个区域的色调、饱和度及明度以及所有区域的色调平均值、饱和度平均值及明度平均值。
[0017]根据上述每个区域的色调、饱和度和明度以及所有区域的色调平均值、饱和度平均值和明度平均值，得到色彩差异度。
[0018]进一步的，所述的基于人工智能的无人机测绘中的点云校正方法，所述灰度梯度差异度的获取的步骤包括：
[0019]对所述第一图像和所述第二图像进行灰度处理，分别得到第一灰度图像和第二灰度图像。
[0020]根据所述第一灰度图像中感兴趣区域中像素点的梯度值获得第一灰度图像的梯度信息。
[0021]根据所述第二灰度图像中感兴趣区域中像素点的梯度值获得第二灰度图像的梯度信息。
[0022]根据所述第一灰度图像的梯度信息及所述第二灰度图像的梯度信息获得灰度梯度差异度。
[0023]进一步的，所述的基于人工智能的无人机测绘中的点云校正方法，所述边缘差异度的获取步骤包括：
[0024]获得第一图像边缘像素点集合及第二图像边缘像素点集合，所述第一图像边缘像素点集合为所述感兴趣区域在第一图像中的边缘的像素点组成的集合，所述第二图像边缘像素点集合为所述感兴趣区域在第二图像中的边缘的像素点组成的集合。
[0025]根据所述第一图像边缘像素点集合及第二图像边缘像素点集合获得边缘差异度。
[0026]进一步的，所述的基于人工智能的无人机测绘中的点云校正方法，所述获取测绘过程中的第一图像、第二图像及第一深度图像前还包括：
[0027]根据预设调节区间对无人机云台阻尼进行自适应调节。
[0028]第二方面，本专利技术提出了一种基于人工智能的无人机测绘中的点云校正系统，包括：图像获取模块、感兴趣区域获取模块、差异度计算模块、待选图像对获取模块、选定图像对获取模块以及图像校正模块。
[0029]所述图像获取模块用于，获取第一图像、第二图像及第一深度图像。
[0030]所述感兴趣区域获取模块用于，获取所述第一图像及所述第二图像的重叠区域中的感兴趣区域；所述感兴趣区域为所述重叠区域中待校正部分。
[0031]所述差异度计算模块用于，获取所述第一图像中所述感兴趣区域与所述第二图像中所述感兴趣区域的差异度指标。
[0032]所述待选图像对获取模块用于，根据所述差异度指标及预设差异度阈值确定待选图像对。
[0033]所述选定图像对获取模块用于，判断所述待选图像对所对应的时刻的三维角速度和三维加速度在是否均未变化：若判断结果为是，则所述待选图像对为选定图像对。
[0034]所述图像校正模块用于，根据所述选定图像对的灰度梯度对所述第一深度图像进行校正。
[0035]本专利技术提供了一种基于人工智能的无人机测绘中的点云校正方法及系统，包括：获取第一图像、第二图像及第一深度图像；获取第一图像及第二图像的重叠区域中感兴趣区域；获取第一图像中感兴趣区域与第二图像中感兴趣区域的差异度指标；根据差异度指标及预设差异度阈值确定待选图像对；若待选图像对所对应的时刻的三维角速度和三维加速度均未变化，则选图像对为选定图像对；根据选定图像对的灰度梯度对第一深度图像进行校正。
[0036]相比于现有技术，通过图像重叠区域匹配选取最优帧图像，可以得到最好的对比图像进行点云校正，从而得到更为稳定的图像同时鲁棒性较好；利用ROI(感兴趣区域)在两张图像中的梯度分布和色彩分布能够得到较精确的图像差异度，能够很好的过滤掉存在果冻效应的图像。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0038]图1是本专利技术实施例提供的一种基于人工智能的无人机测绘中的点云校正方法的流程示意图。
[0039]图2是本专利技术实施例提供的另一种基于人工智能的无人机测绘中的点云本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的无人机测绘中的点云校正方法，其特征在于，包括：获取第一图像、第二图像及第一深度图像；获取所述第一图像及所述第二图像的重叠区域中的感兴趣区域；所述感兴趣区域为所述重叠区域中待校正部分；获取所述第一图像中所述感兴趣区域与所述第二图像中所述感兴趣区域的差异度指标；根据所述差异度指标及预设差异度阈值确定待选图像对；判断所述待选图像对所对应的时刻的三维角速度和三维加速度在是否均未变化：若判断结果为是，则所述待选图像对为选定图像对；根据所述选定图像对的灰度梯度对所述第一深度图像进行校正。2.根据权利要求1所述基于人工智能的无人机测绘中的点云校正方法，其特征在于，所述差异度指标包括色彩差异度、灰度梯度差异度及边缘差异度。3.根据权利要求2所述基于人工智能的无人机测绘中的点云校正方法，其特征在于，所述色彩差异度的获取步骤包括：将感兴趣区域中预设距离阈值范围内的部分按照色调将感兴趣区域划分为不同区域；计算每个区域的色调、饱和度及明度以及所有区域的色调平均值、饱和度平均值及明度平均值；根据上述每个区域的色调、饱和度和明度以及所有区域的色调平均值、饱和度平均值和明度平均值，得到色彩差异度。4.根据权利要求2所述基于人工智能的无人机测绘中的点云校正方法，其特征在于，所述灰度梯度差异度的获取步骤包括：对所述第一图像和所述第二图像进行灰度处理，分别得到第一灰度图像和第二灰度图像；根据所述第一灰度图像中感兴趣区域中像素点的梯度值获得第一灰度图像的梯度信息；根据所述第二灰度图像中感兴趣区域中像素点的梯度值获得第二灰度图像的梯度信息；根据所述第一灰度图像的梯度信息及所述第二灰度图像...

【专利技术属性】
技术研发人员：金葵葵，
申请(专利权)人：金葵葵，
类型：发明
国别省市：