一种激光扫描点云标靶球的自动识别方法及系统技术方案

本发明专利技术提出一种激光扫描点云标靶球的自动识别方法及系统，涉及目标自动识别的技术领域，解决了现有激光扫描点云球面目标自动识别方法中目标识别准确度低和目标搜索速度慢的问题，获取目标的三维激光扫描点云数据；将三维激光扫描点云数据转换成深度图；对深度图进行边缘增强滤波，得到滤波图像；识别提取滤波图像中的圆形，记所述圆形为标靶球圆圈；将所述标靶球圆圈进行过滤，得到合格的标靶球圆圈；对合格的标靶球圆圈进行预处理，得到标靶球点云；对标靶球点云进行标靶球模型拟合，根据拟合结果保留合格的标靶球模型，将其作为标靶球的识别结果

【技术实现步骤摘要】
一种激光扫描点云标靶球的自动识别方法及系统


[0001]本专利技术涉及目标自动识别的
，特别涉及一种激光扫描点云标靶球的自动识别方法及系统
。

技术介绍

[0002]激光扫描技术是一种通过使用激光器发射激光束，并利用光电传感器接收反射回来的激光来测量物体表面形状
、
大小
、
位置等信息的技术，激光扫描技术可以精确地捕捉物体表面的三维坐标数据，用于生成高精度的点云模型或三维重建，因此，在激光扫描过程中，点云数据的准确性和可靠性至关重要
。
[0003]目前，点云标靶球的识别方法主要有基于点云直接搜索标靶球
、
基于反射强度进行标靶球的识别提取和基于
RGB
信息进行标靶球的提取识别三种方法；基于点云直接搜索标靶球方法是通过分析点云数据中的几何形状和特征来判断是否存在标靶球，并进行自动提取，但提取效率较低，不稳定且容易受到场景干扰的影响；基于反射强度进行标靶球的识别提取方法是利用激光扫描仪获取到的反射强度信息，通过分析点云数据中的强度分布特征来判断是否存在标靶球，并进行自动提取，但该方法存在一些数据无反射强度信息的情况，或者在部分场景下反射强度信息对比不明显导致识别结果不准确；基于
RGB
信息进行标靶球的提取识别方法是利用激光扫描仪采集到的点云数据中的
RGB
颜色信息，通过分析颜色特征来判断是否存在标靶球，并进行自动提取，但该方法有时候会遇到一些数据无
RGB
信息的情况，或者无法满足拍摄条件，从而影响标靶球的提取和识别准确性
。
[0004]现有技术公开了一种地面三维激光扫描点云球面目标自动识别方法，首先将激光扫描仪扫描的原始数据在三维极坐标信息转换为三维直角坐标信息的过程中，保留其极坐标信息中距离
、
角度信息，然后利用角度
、
距离
、
灰度信息实现球面类目标的快速粗识别，然后再根据其三维直角坐标进行球面目标的数据进行拟合，结合点云拟合球之后的公差判断目标是否是真正的一个球，以及其标准差
、
球面半径
、
球心等信息，但在粗识别过程中利用角度
、
距离
、
灰度信息来判断球面类目标，一方面，这种搜索方法对于复杂的目标形状或者背景干扰的情况不够准确，导致目标识别准确度降低，产生错误的识别结果；另一方面，由于角度
、
距离
、
灰度信息复杂，导致目标搜索速度慢，即判断速度慢，

技术实现思路

[0005]为解决现有激光扫描点云球面目标自动识别方法中目标识别准确度低和目标搜索速度慢的问题，本专利技术提出一种激光扫描点云标靶球的自动识别方法及系统，有效提高了目标识别准确度和目标搜索速度
。
[0006]为了达到上述技术效果，本专利技术的技术方案如下：
[0007]一种激光扫描点云标靶球的自动识别方法，包括以下步骤：
[0008]S1.
获取目标的三维激光扫描点云数据；
[0009]S2.
将三维激光扫描点云数据转换成深度图；
[0010]S3.
对深度图进行边缘增强滤波，得到滤波图像；
[0011]S4.
识别提取滤波图像中的圆形，记所述圆形为标靶球圆圈；
[0012]S5.
将所述标靶球圆圈进行过滤，得到合格的标靶球圆圈；
[0013]S6.
对合格的标靶球圆圈进行预处理，得到标靶球点云；
[0014]S7.
对标靶球点云进行标靶球模型拟合，判断标靶球模型的拟合结果是否大于残差阈值，若是，移除不合格的标靶球模型；否则，保留合格的标靶球模型，将其作为标靶球的识别结果
。
[0015]优选地，所述将三维激光扫描点云数据转换成深度图，具体过程包括：
[0016]S21.
选择测站中心的位置为参考点，计算三维激光扫描点云数据中的每个点到测站中心的距离；
[0017]S22.
计算三维激光扫描点云数据中的每个点到测站中心的水平角和俯仰角；
[0018]S23.
将三维激光扫描点云数据中的每个点到测站中心的距离
、
水平角和俯仰角进行组合，得到三维激光扫描点云数据中的每个点的深度信息，生成深度图
P。
[0019]优选地，所述对深度图进行边缘增强滤波，具体过程包括：
[0020]S31.
将深度图进行拉普拉斯变换，生成边缘增强的图像；
[0021]S32.
对边缘增强的图像进行高斯滤波，然后利用
Canny
算子对高斯滤波后的图像进行边缘检测，生成滤波图像
。
[0022]优选地，所述识别提取滤波图像中的圆形，具体过程包括：通过霍夫变换在滤波图像中进行圆形的识别提取，得到第一圆形集合
Y
，记第一圆形集合
Y
中的圆形为标靶球圆圈，圆形的半径为标靶球圆圈的半径
Rt0。
[0023]优选地，将所述标靶球圆圈进行过滤，具体过程包括：
[0024]S51.
通过标靶球圆圈内的圆心像素点坐标，在深度图
P
中获取该圆心像素点的深度值，将获取到的深度值转换标靶球表面点到测站中心的距离
L0
；
[0025]S52.
根据距离
L0
，计算标靶球的球心到测站中心的距离
L
，具体计算公式如下：
[0026]L
＝
LO+R
[0027]其中，
R
表示目标标靶球球半径；
[0028]S53.
根据标靶球的球心到测站中心的距离
L
和标靶球圆圈内的圆心像素点坐标，计算标靶球的球心的三维坐标
Pmc
；
[0029]S54.
在深度图
P
中计算球心在三维坐标
Pmc
处的标靶球的理论像素半径
Rt1
；
[0030]S55.
判断
Rt0
和
Rt1
的差值是否大于半径阈值，若是，则记当前半径
Rt0
的标靶球圆圈为不合格的标靶球圆圈，在第一圆形集合
Y
中过滤掉不合格的标靶球圆圈；否则，记当前半径
Rt0
的标靶球圆圈为合格的标靶球圆圈，将合格的标靶球圆圈保留，生成第二圆形集合
Y0。
[0031]优选地，对合格的标靶球圆圈进行预处理，具体过程包括：
[0032]S61.
在所述第二圆形集合
Y0
中，将第二圆形集合
Y0
中的每个标靶球圆圈内的圆心像素点坐标转换成标靶球的球心的三维坐标
Pmc
；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种激光扫描点云标靶球的自动识别方法，其特征在于，包括以下步骤：
S1.
获取目标的三维激光扫描点云数据；
S2.
将三维激光扫描点云数据转换成深度图；
S3.
对深度图进行边缘增强滤波，得到滤波图像；
S4.
识别提取滤波图像中的圆形，记所述圆形为标靶球圆圈；
S5.
将所述标靶球圆圈进行过滤，得到合格的标靶球圆圈；
S6.
对合格的标靶球圆圈进行预处理，得到标靶球点云；
S7.
对标靶球点云进行标靶球模型拟合，判断标靶球模型的拟合结果是否大于残差阈值，若是，移除不合格的标靶球模型；否则，保留合格的标靶球模型，将其作为标靶球的识别结果
。2.
根据权利要求1所述的激光扫描点云标靶球的自动识别方法，其特征在于，所述将三维激光扫描点云数据转换成深度图，具体过程包括：
S21.
选择测站中心的位置为参考点，计算三维激光扫描点云数据中的每个点到测站中心的距离；
S22.
计算三维激光扫描点云数据中的每个点到测站中心的水平角和俯仰角；
S23.
将三维激光扫描点云数据中的每个点到测站中心的距离
、
水平角和俯仰角进行组合，得到三维激光扫描点云数据中的每个点的深度信息，生成深度图
P。3.
根据权利要求2所述的激光扫描点云标靶球的自动识别方法，其特征在于，所述对深度图进行边缘增强滤波，具体过程包括：
S31.
将深度图进行拉普拉斯变换，生成边缘增强的图像；
S32.
对边缘增强的图像进行高斯滤波，然后利用
Canny
算子对高斯滤波后的图像进行边缘检测，生成滤波图像
。4.
根据权利要求3所述的激光扫描点云标靶球的自动识别方法，其特征在于，所述识别提取滤波图像中的圆形，具体过程包括：通过霍夫变换在滤波图像中进行圆形的识别提取，得到第一圆形集合
Y
，记第一圆形集合
Y
中的圆形为标靶球圆圈，圆形的半径为标靶球圆圈的半径
Rt0。5.
根据权利要求4所述的激光扫描点云标靶球的自动识别方法，其特征在于，将所述标靶球圆圈进行过滤，具体过程包括：
S51.
通过标靶球圆圈内的圆心像素点坐标，在深度图
P
中获取该圆心像素点的深度值，将获取到的深度值转换标靶球表面点到测站中心的距离
L0
；
S52.
根据距离
L0
，计算标靶球的球心到测站中心的距离
L
，具体计算公式如下：
L
＝
LO+R
其中，
R
表示目标标靶球球半径；
S53.
根据标靶球的球心到测站中心的距离
L
和标靶球圆圈内的圆心像素点坐标，计算标靶球的球心的三维坐标
Pmc
；
S54.
在深度图
P
中计算球心在三维坐标
Pmc
处的标靶球的理论像素半径
Rt1
；
S55.
判断
R...

【专利技术属性】
技术研发人员：付小兵，郝志刚，刘国光，
申请(专利权)人：广州南方卫星导航仪器有限公司，
类型：发明
国别省市：