[发明专利]一种面向城市三维建模的密集点云的快速提取方法

权利要求书

1.一种面向城市三维建模的密集点云的快速提取方法，其特征在于具体包括以下步骤：

1)数据准备，数据具体包括倾斜航空摄影获取的多视影像数据、空三加密后的影像外方位元素、倾斜航摄仪相机参数信息，所述的多视影像数据包括有元数据，内含影像分辨率、影像投影坐标；

2)在步骤1中的多视影像数据中的垂直影像上，按照城市三维建模精细化的实际需求建立坐标格网，坐标格网中每个格网单元的大小不小于影像分辨率，所述影像分辨率与步骤1的影像分辨率相同；

3)将多视影像转换为灰度图像，并通过高斯滤波对灰度图像进行平滑处理；

4)在灰度图像中，计算各目标像素点的灰度值与其邻域像素点的灰度值，将各目标像素点的灰度值与其邻域像素点的灰度值进行比较形成差值，多个差值构成一个数值范围，在该数值范围内确定阀值A的大小，然后判断各目标像素点的灰度值与其邻域像素点的灰度值的差值是否大于阀值A，如果是，则将该目标像素点提取作为候选角点，否则，直接舍去；

5)计算步骤4中候选角点的角点响应函数(CRF)值，判断该候选角点的角点响应函数(CRF)值是否大于预先设定的阀值B，如果是，则将该候选角点提取作为特征点，否则，直接舍去；

6)匹配同名点，选择参考影像和搜索影像，将参考影像上的特征点按核线几何约束条件在搜索影像上寻找同名点；

7)生成种子点，利用步骤1中的数据进行初始匹配，获取种子点；

8)区域扩散，即种子点扩散，内插生成待定点的空间坐标和法向量，得到相对密集的点云，使其均匀密集的分布在规则格网上；

9)粗差剔除，通过多片前方交会严密解方式以及最小二乘思想，剔除点云粗差点；并判断格网单元是否计算完毕，如果是，则进入步骤10，否则，回到步骤8继续进行区域扩散；

10)生成密集点云，构tin建立三维模型。

2.根据权利要求1所述的一种面向城市三维建模的密集点云的快速提取方法，其特征在于：关于步骤2中建立坐标格网，格网的范围包含所有参与匹配的影像在物方的覆盖范围，格网单元的大小表示成果密集点云的最小单位，利用规则格网将平面划分为小的面元，使其在平面上沿平行于物方的X、Y轴方向规则分布；其中，面元的大小根据匹配要达到的精度或者根据生成DSM的分辨率来确定，且其不小于对应影像的分辨率；同时，每个面元中心的平面坐标是固定的，且初始化平面元不具备高程值属性。

3.根据权利要求1所述的一种面向城市三维建模的密集点云的快速提取方法，其特征在于：关于步骤4选取候选角点，设定阀值A作为点S(i，j)目标像素点和邻域像素点差值的参数，通过对灰度图像进行扫描，若被扫描的目标像素点与其邻域像素点之差在(-s，s)之间，则该目标像素点为灰度相似点，即指目标像素点与邻域像素点的灰度值之差小于阀值A的目标像素点，根据八邻域内灰度相似点的个数判断该点是否为候选角点，并记录所有的候选角点S(i，j)。

4.根据权利要求1所述的一种面向城市三维建模的密集点云的快速提取方法，其特征在于：关于步骤5中阀值B的确定，利用Harris角点响应函数(CRF)确定灰度图像中阈值B，具体地说，目标像素点与其邻域像素点灰度变化小，Harris角点响应函数(CRF)值为小数值的正数，不是角点；目标像素点包含边缘时Harris角点响应函数(CRF)值为大数值的负数，不是角点；目标像素点沿任意方向移动窗口时灰度变化大，Harris角点响应函数(CRF)值为大数值的正数，以上三种情况Harris角点响应函数(CRF)值的大小区分很明显，其中阈值B大于小数值的正数。

5.根据权利要求1所述的一种面向城市三维建模的密集点云的快速提取方法，其特征在于：在步骤6中，参考影像采用垂直影像，搜索影像采用同航线、同名相机上的影像，若无法获取同航线、同名相机上的影像则搜索影像采用同姿态影像。

6.根据权利要求1所述的一种面向城市三维建模的密集点云的快速提取方法，其特征在于：关于步骤7，在搜索影像上得到参考影像的同名点后，利用空三加密的结果，确定同名点的内外方位信息，由两个同名点根据几何交汇得到物方点，然后将每一个物方点根据其空间坐标映射到相应的网格内，用不同的颜色代表不同的高程信息，所映射到网格内的物方点作为密集匹配的初始种子点，且每一个格网不只是含有一个种子点。