[发明专利]基于道路特征的遥感影像与激光点云配准方法及系统

说明书

技术领域

本发明属于遥感与摄影测量技术领域，尤其涉及一种基于道路特征的遥感影像与激光点云配准方法及系统。

背景技术

无人驾驶飞机简称无人机(Unmanned Aerial Vehicle，UAV)，是一种有动力、可控制、能携带多种任务设备、执行多种任务，并能重复使用的无人驾驶航空器。通过无人驾驶飞行器技术与遥感传感器技术、遥测遥控技术、通讯技术、GPS差分定位技术和遥感应用技术相结合，无人机遥感系统可快速获取国土、资源、环境等的空间遥感信息，通过地面接收站进行遥感数据处理从而实现自动化、智能化、专题化建模和分析。尤其是激光点云和影像数据对目标的描述有诸多的互补性，使二者的融合处理对自动生成数字高程模型、城市建模、目标识别等领域的应用大有裨益。由于制造与操作上原因，数码相机和激光扫描仪并非严格意义上的统一坐标系，因此实现两种数据间的配准是二者集成应用前需要解决的首要任务，具有十分重要的现实意义。

不同成像机理的传感器获得数据源间的自动配准，依然采用传统图像配准的四大要素：配准基元、相似性测度、变换函数和匹配策略。目前，在激光点云数据与遥感影像的配准方面，国内外学者进行了大量研究，配准方法主要分为两大类：其一是直接或间接在激光点云数据和遥感影像间寻找同名特征实现配准；其二是利用两种数据间的互信息实现自动配准，即，按照某原则计算两点集间的坐标转换函数，实现激光点云数据与遥感影像的配准。对于建筑物密集的城市区域，由于激光点云数据的离散性和不均匀分布，提取到的建筑物轮廓精确性与细节性不高；而又因为航空遥感影像存在遮挡，使得一些建筑物的结构边和角点无法提取。针对该问题，本发明基于激光点云数据提取点云道路矢量线，以点云道路矢量线为配准基元，采用改进的矩形整体匹配法自动提取遥感影像的道路信息，即实现点云道路矢量线和影像道路中心线的匹配；最终，利用同名线特征端点重新计算遥感影像的外方位元素，完成两种数据的配准。

文中涉及如下参考文献：

[1]Kumar Mishra R.A Review of Optical Imagery and Airborne LiDAR Data Registration Methods[J].The Open Remote Sensing Journal,2012,5:54-63.

[2]Habib A,Schenk T.A new approach for matching surfaces from laser scanners and optical scanners[J].International Archives of Photogrammetry and Remote Sensing,1999,32:3/W14-55-61.

[3]Mastin A,Kepner J,Fisher J.Automatic registration of LIDAR and optical images of urban scenes[C]//Computer Vision and Pattern Recognition,2009.CVPR 2009.IEEE Conference on.IEEE,2009:2639-2646.

[4]Deng F.Registration between Multiple Laser Scanner Data Sets[J].Laser Scanning,Theory and Applications,2011:978-953.

[5]Pothou A,Karamitsos S,Georgopoulos A,et al.Assessment and comparison of registration algorithms between aerial images and laser point clouds[C]//ISPRS,Symposium:’From sensor to imagery.2006.

[6]张永军,熊小东,沈翔.城区机载LiDAR数据与航空影像的自动配准[J].遥感学报,2012,16(3):579-595.

[7]徐景中,寇媛,袁芳,等.基于结构特征的机载LiDAR数据与航空影像自动配准[J].红外与激光工程,2013,42(12):3501-3506.

[8]张帆,黄先锋,李德仁.激光扫描与光学影像数据配准的研究进展[J].测绘通报,2008(2):7-10.

发明内容