一种同机影像辅助下的建筑物三维激光点云特征提取方法

摘要

本发明公开了一种同机影像辅助下的建筑物三维激光点云特征提取方法。利用三维激光扫描系统及相机获得建筑物三维激光点云数据的同时获得同机高分辨率的影像数据，将建筑物三维激光点云与同机影像进行精确配准，获得空间中三维激光点与影像像素之间的对应关系，运用LSD算法对影像数据进行特征提取，得到建筑物影像特征图；然后对建筑物三维激光点云特征进行提取，并基于RANSCA算法对提取出的初始三维激光点云特征进行优化处理，最终得到建筑物三维激光点云特征。本发明能够提高三维激光点云特征提取的精细程度和准确度，有助于建筑物模型构建，对数字城市化的发展及BIM的构建有很大的理论参考价值，能够在生产领域解决更多实际问题。

主权项

一种同机影像辅助下的建筑物三维激光点云特征提取方法，利用三维激光扫描系统及相机，其特征在于，该方法的具体步骤如下：步骤1，确定相机的内部和外部参数，实现同机影像与三维激光点云的精确配准，得到相机坐标系(X_C,Y_C,Z_C)与空间中三维激光点(X_W,Y_W,Z_W)之间的关系公式：$\left[\begin{array}{c}{X}_c\\ Y_c\\ Z_c\\ 1\end{array}\right]=Mounting·{\mathrm{COP}}^{-1}·{\mathrm{SOP}}^{-1}·\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]---\left(1\right)$得到空间中三维激光点(X_W,Y_W,Z_W)与影像像素(u,v)之间的对应关系公式：$Z_c·\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=M_1·M_2\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]=M_1·Mounting·{\mathrm{COP}}^{-1}·{\mathrm{SOP}}^{-1}·\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]---\left(2\right)$其中，空间中三维激光点(X_W,Y_W,Z_W)是指站点配准后工程项目坐标系下三维激光点的坐标；M₁是相机内部参数矩阵，即相机坐标系与图像坐标系相互转换的矩阵；M₂为外部参数矩阵，即相机坐标系与世界坐标系的相互转换的矩阵；Mounting矩阵是装配相机后，相机坐标系与扫描系统坐标系的初始位置关系校正矩阵；COP矩阵是拍摄纹理时，相机相对于初始位置的旋转矩阵；SOP矩阵是不同站的扫描系统坐标系相对于工程坐标系的旋转平移矩阵；步骤2，运用LSD直线段检测算法提取建筑物影像特征，得到建筑物影像特征图；步骤3，根据预处理后建筑物三维激光点云数据、建筑物影像特征图、影像与三维激光点云配准后相机内部和外部参数及空间中三维激光点与影像像素之间的对应关系，提取影像像素特征对应的建筑物三维激光点云特征；建筑物影像特征到三维激光点云的映射方法流程如下：步骤31，记建筑物影像特征图中像素坐标为(U,V)，遍历每一个像素点(U_i,V_i)，判断当前像素点是否为特征像素，如果不是，继续遍历下一个像素点，如果是，保存当前像素点的坐标，最终得到特征像素集合(U_C,V_C)；步骤32，准备预处理后原始三维激光点云数据(X_W,Y_W,Z_W)及影像与三维激光点云配准后得到的M₁矩阵、Mounting矩阵、COP矩阵和SOP矩阵，遍历每个三维激光点(X_Wi,Y_Wi,Z_Wi)，根据公式(1)，求出对应的相机坐标(X_Ci,Y_Ci,Z_Ci)，从而得到每个三维激光点对应的相机光轴Z_Ci值，根据公式(2)，求出每个三维激光点对应的影像像素坐标(u_i,v_i)；步骤33，判断影像特征像素集合(U_C,V_C)中是否存在像素坐标(u_i,v_i)，如果存在，则该像素坐标(u_i,v_i)对应的三维激光点(X_Wi,Y_Wi,Z_Wi)即是所求的三维激光点云特征，保存该像素坐标及对应的三维激光点坐标，最终得到三维激光特征点集合(X_WC,Y_WC,Z_WC)；步骤4，在RANSAC算法的基础上对初始三维激光特征点进行直线检测，得到更加准确的建筑物三维激光点云特征，具体的实现流程如下：步骤41，将步骤3中检测出的三维激光特征点作为初始候选点集合，并记为Q＝{q_j}，选择初始候选点集合Q中的任意两个点{q₁,q₂}；步骤42，依据两个点{q₁,q₂}的位置坐标构造出三维直线I；步骤43，计算集合Q中除点{q₁,q₂}外的其他点q_j到直线I的距离值d_j，并统计值d_j中小于距离阈值ξ的点的集合D_I，将集合D_I的个数作为直线I所得分数S_I；步骤44，重复步骤41到43过程M次，从而选出得分最高的三维直线I^*，次数M的计算公式为：$M=\frac{\log (1-\Psi )}{\log (1-{\left(1-\eta \right)}^2)}---\left(3\right)$其中，η是直线I^*之外的点所占的百分比，Ψ为M次采样之后被选中的概率大小；步骤45，记录直线I^*并在集合Q中移除集合D_I^*中的点；步骤46，重复步骤41到45过程，直到从剩余的点中不能够再选出得分大于分数阈值Sˊ的直线。