一种三维激光点云数据的二维图像化表述方法

摘要

一种三维激光点云数据的二维图像化表述方法，属于影像技术领域。主要由移动机器人、激光扫描器和计算机系统组成；激光扫描器和计算机系统均安装在移动机器人平台上，激光扫描器和计算机系统之间通过数据线进行通信；激光扫描器采集场景的三维点云数据信息，计算机系统将三维激光点云数据转化为二维灰度图像。本发明为基于激光点云数据的场景分割与场景理解提供了有力的支持，能用于大范围数据，适应多种扫描方式，提高了图像的景物边界区分度以及细节质量，纹理更加清晰。

主权项

一种三维激光点云数据的二维图像化表述方法，其特征在于主要由移动机器人、激光扫描器和计算机系统组成；激光扫描器和计算机系统均安装在移动机器人平台上，激光扫描器和计算机系统之间通过数据线进行通信；激光扫描器采集图像的三维点云数据信息，计算机系统将三维激光点云数据转化为二维灰度图像；计算机系统软件要求采集的三维激光点云数据可以区分属于每一帧激光线的激光数据点，以便能够使三维激光点云数据以二维数组的形式存储，并且使每个激光点和灰度图的像素点一一对应；将获得的激光点云数据存入二维数组中，使得二维数组的每一列激光点属于同一帧激光线，并在二维数组中截取所需大小的场景，用截取场景的三维点云数据构建灰度图；具体将三维激光点云数据转化为二维灰度图像计算方法如下：(1)最优深度对应灰度值的计算将场景点云投影到水平面，运用统计学原理计算场景点云分布的主方向，由此获得场景的最优深度信息：$C=\left(\begin{array}{cc}\mathrm{cov}\left(x,x\right)& \mathrm{cov}\left(x,y\right)\\ \mathrm{cov}\left(y,x\right)& \mathrm{cov}\left(y,y\right)\end{array}\right)---\left(1\right)$式(1)为点云在水平面投影的协方差矩阵，其中(x,y)为点云在水平面投影的坐标，cov代表协方差运算；通过计算协方差矩阵的特征向量V₁、V₂即可估计出场景的点云分布主方向和最优深度方向；设|V₁|>|V₂|，则V₁为场景点云分布的主方向；由点云在水平面上的投影区域的主方向向量V₁可求出过原点且平行于V₁的直线l₁的斜率K，进而确定直线l₁的方程:K*X+Y＝0      (2)由点到直线的距离公式:$D=\frac{|K*x+y|}{\sqrt{K^2+1}}---\left(3\right)$其中D为位于i行j列的激光点P_i,j的投影(x,y)到直线l₁的距离，这个距离便是点云中激光点P_i,j的最优深度D_i,j；将最优深度D_i,j映射至0‑255的灰度范围，得到点云中激光点P_i,j对应于最优深度D_i,j的灰度值$P_{D_{i,j}}=(D-D_{\min })/(D_{max}-D_{\min })*255---\left(4\right)$其中D_min为点云最优深度值的最小值，D_max为点云最优深度值的最大值；(2)方位向量长度的计算对于激光点云中位于第i行j列列的激光点P_i,j，取其上方相邻的激光点P_i‑1,j,设点P_i,j到点P_i‑1,j的向量为V_d；向量V_d的长度|V_d|即为点P_i,j的方位向量长度L_i,j；方位向量长度能够反应场景中景物的纹理变化，对景物边缘的表现效果尤其明显，所以为了保证较好的效果，在映射为灰度值时不能采用单纯的线性映射；(3)方位向量长度灰度数值均衡化求出激光点数量为I*J的点云中每个点所对应的方位向量长度后，在映射为灰度值时，为了保证得到的灰度图具有高对比度、多变的灰度色调和明显的景物边界，对方位向量长度采取灰度数值均衡化；对I*J个激光点对应的方位向量长度L_i,j按数值大小升序排列，把0‑255的灰度值范围视作256个灰度值区间，求出每个灰度值区间所对应的向量长度数据量N：$N=\frac{I*J}{256}---\left(5\right)$通过N与升序排列的方位向量长度L_i,j，即可确定每个灰度值区间的端点长度值；从而得到点云中激光点P_i,j对应于方位向量长度L_i,j的灰度值$P_{L_{i,j}}=\left\{\begin{array}{cc}0& L_{i,j}<=L_0\\ n& L_{n-1}<L_{i,j}<=L_n,n=1,2,3...,255\end{array}\right.---\left(6\right)$其中L₀,L₁,L₂…,L₂₅₅为256个灰度值区间的端点长度值；(4)权重动态调整将点云中激光点P_i,j对应于最优深度D_i,j的灰度值与对应于方位向量长度L_i,j的灰度值加权平均得到激光点P_i,j在灰度图中对应的灰度值PG_i,j：${\mathrm{PG}}_{i,j}=\frac{{\mathrm{aP}}_{D_{i,j}}+{\mathrm{bP}}_{L_{i,j}}}{a+b}---\left(7\right)$其中PG_i,j为灰度图中第i行j列像素的灰度值；a与b为权值，且a+b＝10；此时所生成灰度图的灰度值矩阵的方差δ²为：${\delta }^2=\frac{\underset{j=1}{\overset{J}{\Sigma }}\underset{i=1}{\overset{I}{\Sigma }}{({\mathrm{PG}}_{i,j}-\overline{PG})}^2}{I*J}---\left(8\right)$其中为灰度图中像素灰度均值；当方差最大时，则意味着灰度图具有高对比度和多变的灰度色调；取使方差最大的权值a与b生成灰度图，此时得到的灰度图是最优的；利用传统求最优解的方法求解式(8)，得到使δ²为最大值的a与b，记做与(5)生成灰度图求出使δ²为最大值的权值与后，遍历点云数据中的I*J个激光点，求出每个激光点对应的灰度值：${\mathrm{PG}}_{i,j}=\frac{\tilde{a}{P}_{D_{i,j}}+\tilde{b}{P}_{L_{i,j}}}{\tilde{a}+\tilde{b}}---\left(9\right)$PG_i,j即为大小为I*J的灰度图中第i行j列像素的灰度值。