一种融合倾斜影像和激光点云的联合平差方法技术

本发明专利技术提供一种融合倾斜影像和激光点云的联合平差方法，在极坐标视觉下以激光点云数据为控制点引入视觉模型进行联合平差优化

【技术实现步骤摘要】
一种融合倾斜影像和激光点云的联合平差方法


[0001]本专利技术属于测绘
，主要是涉及空中三角测量中对多源数据进行融合的联合平差方法
。

技术介绍

[0002]倾斜摄影测量和三维激光扫描技术是构建三维世界
、
完成地表可视化表达的基础
。
无人机倾斜摄影已成为空间数据获取的一种重要方式，被广泛应用于实景三维建设
。
倾斜摄影技术极大地提高了三维模型重建的效率，降低了人力成本，承载了更为丰富的地表信息，为政府决策
、
生产调度和和生活规划等提供了有效支撑
。
[0003]与传统三维建模方法不同，倾斜摄影在数据采集过程中存在拍摄死角
、
遮挡和匹配点位不足等情况，导致模型有孔洞
、
悬浮物和不完整
。
同时，多视角影像数据量急剧增加，会造成空三失败或低效
、
影像匹配难等问题，难以满足精细化实景三维模型的建设需求
。
与传统测绘技术相比，三维激光扫描设备可以高效获取地物表面点云数据，具有几何精度高
、
建模速度快等优点
。
但是，不同的激光雷达也存在缺点，如机载激光雷达很难获取完整的建筑物立面信息，同时也缺乏纹理信息，单独使用激光点云数据也无法完成实景三维模型精细化重建
。
[0004]此外，在直角坐标系下进行空三平差计算也存在缺陷
。
像点直角坐标化的机器视觉理论在每一个光束法平差单元内需迭代求解3个欧拉角组成的相机外参，相比相机空间位置和连接点的三维坐标，解算欧拉角表示的相机外参在机器视觉中是较为困难的，收敛精度对误差非常敏感
。
尤其是绕
z
轴旋转的欧拉角
κ
，它的值分布在
‑
180
°
到
180
°
范围内，搜索最优解时非常容易陷入局部最优
。
计算过程中的参数越多，计算成本越高，解算的稳定性越差，导致解算方程难以收敛
。
[0005]随着城市建设的不断推进，建筑物的密集度和高层建筑不断增加，建筑物底商等地物目标更替频繁
、
植被遮挡等问题给城市精细化建模带来挑战，如何通过优化空三平差流程，获取高效
、
精细化的实景三维模型成为新型基础测绘和智慧城市建设必须解决的问题
。

技术实现思路

[0006]为了提高多源数据下空中三角测量的效率和精度，本专利技术提出了一种联合平差方法，在极坐标视觉系统下将倾斜影像
、
车载激光点云和机载激光点云进行融合，从而提高了空中三角测量的准确性，并进一步提高了模型的精度
。
[0007]为实现上述目的，本专利技术提供以下技术方案：
[0008]一种融合倾斜影像和激光点云的联合平差方法，在极坐标视觉下以激光点云数据为控制点引入视觉模型进行联合平差优化，包括以下步骤：
[0009](1)
倾斜影像传统空三解算，并对得到的稀疏点云进行加密；
[0010](2)
将视觉点云和激光点云进行配准
。
采用改进的空间一致性方法进行点云配准，
以视觉点云为基准，将车载激光雷达点云的三维空间极坐标
(
ρ
i
,
τ
i
,n
i
)
和机载激光雷达点云的三维空间极坐标
(
δ
i
,
η
i
,m
i
)
分别与视觉点云进行配准；
[0011](3)
根据视觉点云是否被激光点云观测到，分别进行极坐标视觉平差方案和视觉与激光的联合平差方案；
[0012](a)
如果连接点只被视觉观测到，则执行极坐标视觉平差方案：在极坐标视觉模型中，对第
i
个连接点
p
i
，其通过视觉模型计算得到的三维空间坐标为
U
ij
，第
j
张相片的外方位角元素分别为
ω
j
和
κ
j
，由此可得极坐标视觉模型的残差方程为：
[0013][0014][0015]其中和为根据像点极坐标化的成像方程将连接点
p
i
投影到第
j
张相片上的投影极坐标，
θ
ij
和
φ
ij
为连接点
p
i
到第
j
张相片的相应观测坐标值；通过同时改正
m
张相片的位姿和
n
个连接点的三维空间坐标来最小化残差；
[0016]将残差方程线性化，并写为矩阵形式为：
[0017]V
＝
J1t1+J2t2‑
L
[0018]其中，
J1为相机外方位元素的雅可比矩阵，
J2为连接点空间坐标的雅可比矩阵，分别为：
[0019][0020][0021]t1为相机外方位元素的改正向量，
t2为连接点空间坐标的改正向量：
[0022]t1＝
[
Δα
xj
Δω
j
Δ
X
Sj
Δ
Y
Sj
Δ
Z
Sj
]T
[0023]t2＝
[
Δ
X
i
Δ
Y
i
Δ
Z
i
]T
[0024]因此对应的法方程为：
[0025][0026]利用
Schur
补方法，求解上式相机外参改正量
t1的最小二乘解为：
[0027][J
1T
J1‑
J
1T
J2(J
2T
J2)
‑1J
2T
J1]5×5＝
J
1T
L
‑
J
2T
J1t1[0028]求解连接点坐标改正量
t2的最小二乘解为：
[0029](J
2T
J2)
‑
13
×3t2＝
J
1T
L
‑
J
2T
J1t1[0030]将改正向量
t1加到初始值上对相机外参进行改正，将改正向量
t2加到初始值上对连接点坐标进行改正：
[0031][0032]进行迭代优化解算出相片组的5个相机外方位元素个相机外方位元素和连接点的三维空间坐标
P2＝
(X
i
,Y
i
,Z...

【技术保护点】

【技术特征摘要】
1.
一种融合倾斜影像和激光点云的联合平差方法，其特征在于，在极坐标视觉下以激光点云数据为控制点引入视觉模型进行联合平差优化，包括以下步骤：
(1)
倾斜影像传统空三解算，并对得到的稀疏点云进行加密；
(2)
将视觉点云和激光点云进行配准；采用改进的顾及空间一致性的配准方法进行点云配准，以视觉点云为基准，将车载激光雷达点云的三维空间极坐标
(
ρ
i
,
τ
i
,n
i
)
和机载激光雷达点云的三维空间极坐标
(
δ
i
,
η
i
,m
i
)
分别与视觉点云进行配准；
(3)
根据视觉点云是否被激光点云观测到，分别进行极坐标视觉平差方案和视觉与激光的联合平差方案；
(a)
如果连接点只被视觉观测到，则执行极坐标视觉平差方案：在极坐标视觉模型中，对第
i
个连接点
p
i
，其通过视觉模型计算得到的三维空间坐标为
U
ij
，第
j
张相片的外方位角元素分别为
ω
j
和
κ
j
，由此可得极坐标视觉模型的残差方程为：，由此可得极坐标视觉模型的残差方程为：其中和为根据像点极坐标化的成像方程将连接点
p
i
投影到第
j
张相片上的投影极坐标，
θ
ij
和
φ
ij
为连接点
p
i
到第
j
张相片的相应观测坐标值；通过同时改正
m
张相片的位姿和
n
个连接点的三维空间坐标来最小化残差；将残差方程线性化，并写为矩阵形式为：
V
＝
J1t1+J2t2‑
L
其中，
J1为相机外方位元素的雅可比矩阵，
J2为连接点空间坐标的雅可比矩阵，分别为：为连接点空间坐标的雅可比矩阵，分别为：
t1为相机外方位元素的改正向量，
t2为连接点空间坐标的改正向量：
t1＝
[
Δα
xj
Δω
j
Δ
X
Sj
Δ
Y
Sj
Δ
Z
Sj
]
T
t2＝
[
Δ
X
i
Δ
Y
i
Δ
Z
i
]
T
因此对应的法方程为：
利用
Schur
补方法，求解上式相机外参改正量
t1的最小二乘解为：求解连接点坐标改正量
t2的最小二乘解为：将改正向量
t1加到初始值上对相机外参进行改正，将改正向量
t2加到初始值上对连接点坐标进行改正：进行迭代优化解算出相片组的5个相机外方位元素
P1＝和连接点的三维空间坐标
P2＝
(X
i
,Y
i
,Z
i
),i
＝1…
n
；
(b)
如果连接点被视觉和激光同时观测到，则执行极坐标视觉与激光的联合平差方案，将激光坐标作为连接点空间坐标的真值；在极坐标视觉模型中，对第
j
张相片，其外方位线元素分别为和由此可得极坐标视觉模型的残差方程为：其中为根据像点极坐标化的成像方程将第
i
个连接点
p
i
投影到第
j
张相片上的投影极坐标，
θ
ij
为连接点
p
i
在第
j
张相片上相应的观测坐标值；将
n
个连接点的激光坐标作为真值，通过同时改正
m
张相片的位姿来最小化残差；将残差方程线性化，并写为矩阵形式为：
V
＝
J1t1‑
L
其中，
J1为相机外方位元素的雅可比矩阵：
t1为相机外方位元素的改正向量：因此最小二乘解为：
将改正向量
t1加到初始值上对相机外参进行改正：进行迭代优化解算出相片组的5个相机外方位...

【专利技术属性】
技术研发人员：王林，尹峻，陈健龙，
申请(专利权)人：合肥巢湖空间测绘科技有限公司，
类型：发明
国别省市：