一种融合激光雷达、倾斜摄影的三维重建方法技术

本发明专利技术提供一种融合激光雷达、倾斜摄影的三维重建方法，包括：S1获取倾斜影像及影像数据并预处理，得到第一倾斜影像，影像数据包括POS数据；S2获取像控点坐标和高精度POS数据；S3对倾斜影像纠正，得到第二倾斜影像；S4对第二倾斜影像进行空中三角测量，通过改进的SIFT得到有效匹配点对；S5基于有效匹配点对进行联合平差和密集匹配得到稠密点云；S6获取激光点云并预处理；S7将激光点云与稠密点云进行坐标统一，用改进的ICP得到融合点云；S8构建三角网并映射纹理，生成三维模型。本发明专利技术利用激光雷达分辨率高、抗干扰能力强优势，对倾斜摄影三维模型的缺陷优化，同时对倾斜影像进行纠正处理和对特征匹配的算法改进，提高三维模型精度、完整性和效率。完整性和效率。完整性和效率。

【技术实现步骤摘要】
一种融合激光雷达、倾斜摄影的三维重建方法


[0001]本专利技术属于三维重建领域，具体涉及一种融合激光雷达、倾斜摄影的三维重建方法。

技术介绍

[0002]倾斜摄影技术是全球摄影测量领域近十几年发展起来的一项高新技术，它颠覆了以往正射影像只能从垂直角度拍摄的局限，通过在同一飞行平台上搭载多台传感器，同时从一个垂直及四个倾斜等五个不同的角度采集影像，呈现了符合人眼视觉的直观真实世界。它不仅能够真实地反映地物情况，高精度地获取物方纹理信息，还可通过先进的定位、融合、建模等技术，生成真实的三维城市模型。该技术在全球已经广泛应用于应急救援、城市规划、测绘测量等行业。
[0003]近年来，三维重建技术在城市规划，土地资源调查，文化遗产保护与修复等方面得到了广泛的应用。此外将三维重建技术应用于电网设备也受到的广泛的关注。例如对对输电杆塔的三维重建，有利于电网的安全运行，同时也提高了输电线路运维检修的效率。如何高精度，高效率地获取三维数据，逐渐成为目前实景三维建模的研究热点。获取三维重建数据源的方式主要3种，即人工建模，无人机倾斜摄影技术和激光雷达建模。
[0004]人工建模技术制作周期长、测量工作量大，适合于尺寸和范围较小的物体进行三维建模，否则大范围的输电杆塔建模既不经济，建模效果也不好。基于倾斜摄影技术的三维重建以其效率高、成本低等优点，广泛应用于三维建模的多个邻域中。
[0005]但是，倾斜摄影技术也有一定的局限性，倾斜影像存在比例尺差异大、视角差异大、遮挡区域大量存在等问题，给倾斜影像密集匹配造成了很大的困难。此外，由于倾斜摄影拍摄角度及作业方法的限制，经空三加密后的三维点云在有遮挡的区域存在空洞，并不能建立完整的三维模型，这会造成模型的美观度、完整性存在缺陷。而激光点云具有精度高、密度大的优点，而且单纯的激光雷达得到的只有点云信息，重建得到的是模型架构，无法真实的还原真实场景。
[0006]因此，设计一种融合激光雷达、倾斜摄影的三维重建方法，通过两者的优势，提高三维重建的精度显得尤为重要。

技术实现思路

[0007]为了解决上述技术问题，本专利技术提供一种融合激光雷达、倾斜摄影的三维重建方法，利用激光雷达分辨率高、抗干扰能力强等特点，对倾斜摄影三维模型的缺陷进行优化，解决了地物扭曲和空洞问题；此外，通过对倾斜影像进行纠正处理，提高密集匹配的准确性，提高建模的精度、完整性。
[0008]本专利技术提供一种融合激光雷达、倾斜摄影的三维重建方法，包括以下步骤：
[0009]S1 获取倾斜影像并进行第一预处理，得到第一倾斜影像及影像数据，所述影像数据包括POS数据；所述POS数据包括影像姿态角信息；
[0010]S2 实地选取像控点，获取像控点坐标信息，并对POS数据中的平面坐标和高程值进行转换和精化处理，得到高精度POS数据；
[0011]S3 根据高精度POS数据，计算第一倾斜影像与其对应垂直影像间的变换矩阵，通过变换矩阵对第一倾斜影像进行纠正处理，得到第二倾斜影像；
[0012]S4 将第二倾斜影像通过高精度POS数据和像控点坐标信息进行空中三角测量，通过改进的SIFT算法对第二倾斜影像进行特征点提取和匹配，得到有效匹配点对；
[0013]S5 基于有效匹配点对进行多视角联合平差，得到稀疏点云，将稀疏点云采用多视角密集匹配算法生成稠密点云；
[0014]S6 获取激光雷达的激光点云并进行第二预处理；
[0015]S7 将预处理后的激光点云与稠密点云进行坐标统一性转换，采用改进的ICP算法进行点云配准融合，得到融合点云；
[0016]S8 在融合点云基础上构建三角网，同时对三角网进行平滑和简化，并基于倾斜摄影影像自动映射纹理，生成三维模型。
[0017]具体地，步骤S3中所述纠正处理包括：
[0018]S31 通过高精度POS数据中的影像姿态角信息，计算得到第一倾斜影像的第一旋转矩阵；
[0019]S32 模拟影像拍摄视角的变换，计算各视角下的第一倾斜影像与其对应垂直影像间的变换矩阵；
[0020]S33 通过变换矩阵对第一倾斜影像进行重采样，将不同倾斜视角的倾斜影像变换至垂直视角下，得到第二倾斜影像。
[0021]具体地，步骤S4进一步包括：
[0022]S41 在SIFT算法基础上，使用高斯金字塔构建第二倾斜影像的尺度空间；
[0023]S42 对构建的尺度空间利用MSERs算法进行极值检测，根据检测结果定位空间中的特征点；
[0024]S43 采用二值化的FREAK描述子对特征点进行特征描述，得到特征向量；
[0025]S44 根据余弦相似度对特征向量进行粗匹配，得到初级匹配点对；
[0026]S45 采用RANSAC算法对在初级匹配点对进行误匹配点对剔除，得到有效匹配点对。
[0027]具体地，步骤S7进一步包括：
[0028]S71 对稠密点云和激光点云进行整合，得到整合点云，计算整合点云重心，以重心为中心，计算第二旋转矩阵和平移矩阵，分别进行旋转和平移，得到坐标统一的稠密点云和激光点云；
[0029]S72 分别对坐标统一的稠密点云和激光点云进行特征提取，计算各点云的法向量和伞曲率特征，得到点云特征；
[0030]S73 将具有相同点云特征的稠密点云和激光点云，基于双向KD树的ICP算法进行匹配融合。
[0031]具体地，步骤S5中所述多视角密集匹配算法为基于聚簇和面片模型的多视角密集匹配算法。
[0032]具体地，步骤S1中所述第一预处理包括匀光匀色和去畸变。
[0033]具体地，步骤S2中所述平面坐标采用高斯
‑
克吕格直角平面投影进行坐标转换；所述高程值采用像控点所求的七参数进行转换，或采用似大地水准精化面改算。
[0034]具体地，步骤S6中所述第二预处理包括去噪和平滑。
[0035]本专利技术的有益效果为：
[0036]（1）本专利技术融合无人机倾斜摄影的高效性和激光雷达的精准性，解决了单一数据源建模出现的地物扭曲和空洞问题，提高了建模的精度、完整性和效率；并采用双向KD树的方法对稠密点云和激光点云进行匹配，提高了特征点提取的准确度，为点云融合提供了准确的特征匹配数据，进而提升三维重建的精度。
[0037]（2）本专利技术通过方位元素和倾斜影像之间的对应关系计算倾斜影像与其对应垂直影像间的变换矩阵，通过变换矩阵对倾斜影像进行纠正处理，将不同倾斜视角的影变换至垂直视角下，提高了对倾斜影像进行特征提取和匹配的准确性，进而提高建模的精度和完整性。
[0038]（3）本专利技术通过针对SIFT算法存在特征点检测耗时长、计算量大、倾斜影像匹配精度低效果差的问题，基于SIFT算法，采用MSERs算法作为特征点检测的算法，采用FREAK算法作为特征点描述子，采取了由粗到精的匹配策略，提高了影像匹配的精度和效率，进而提高三维重建的效率和精度。
[0039]（4）本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合激光雷达、倾斜摄影的三维重建方法，其特征在于，包括以下步骤：S1 获取倾斜影像并进行第一预处理，得到第一倾斜影像及影像数据，所述影像数据包括POS数据；所述POS数据包括影像姿态角信息；S2 实地选取像控点，获取像控点坐标信息，并对POS数据中的平面坐标和高程值进行转换和精化处理，得到高精度POS数据；S3 根据高精度POS数据，计算第一倾斜影像与其对应垂直影像间的变换矩阵，通过变换矩阵对第一倾斜影像进行纠正处理，得到第二倾斜影像；S4 将第二倾斜影像通过高精度POS数据和像控点坐标信息进行空中三角测量，通过改进的SIFT算法对第二倾斜影像进行特征点提取和匹配，得到有效匹配点对；S5 基于有效匹配点对进行多视角联合平差，得到稀疏点云，将稀疏点云采用多视角密集匹配算法生成稠密点云；S6 获取激光雷达的激光点云并进行第二预处理；S7 将预处理后的激光点云与稠密点云进行坐标统一性转换，采用改进的ICP算法进行点云配准融合，得到融合点云；S8 在融合点云基础上构建三角网，同时对三角网进行平滑和简化，并基于倾斜摄影影像自动映射纹理，生成三维模型。2.根据权利要求1所述的一种融合激光雷达、倾斜摄影的三维重建方法，其特征在于，步骤S3中所述纠正处理包括：S31 通过高精度POS数据中的影像姿态角信息，计算得到第一倾斜影像的第一旋转矩阵；S32 模拟影像拍摄视角的变换，计算各视角下的第一倾斜影像与其对应垂直影像间的变换矩阵；S33 通过变换矩阵对第一倾斜影像进行重采样，将不同倾斜视角的倾斜影像变换至垂直视角下，得到第二倾斜影像。3.根据权利要求1所述的一种融合激光雷达、倾斜摄影的三维重建方法，其特征在于，步骤S4进一步包括：S41 在SIFT算法基...

【专利技术属性】
技术研发人员：魏威，张玥珺，邹圣兵，
申请(专利权)人：北京数慧时空信息技术有限公司，
类型：发明
国别省市：