[发明专利]基于高光谱、真彩图与点云互补的室内重建方法及系统

权利要求书

1.基于高光谱、真彩图与点云互补的室内重建方法，其特征在于它包括如下步骤：

步骤一：初始数据的获取；

步骤二：根据高光谱数据识别出成像光源对材质、光照和热量不敏感的物体，其中，所述的步骤二为：

1)根据丰富的光谱数据库、知识库，确定对材质、光照和热量不敏感的物体在高光谱超维空间的密度分布函数，以提高识别精度；

2)分别获得对材质、光照和热量不敏感物体的端元波谱，将高光谱数据进行最小噪声分离变换处理，用于判断图像数据内在的维数，即波段数，分离数据中的噪声，减少后续处理中的计算量，假设所获取的高光谱图像的每个观测信号z表示为：

z＝s+n

其中n为噪声信号的密度分布函数，假设与s不相关，s为对材质、光照和热量不敏感物体的无噪声信号的密度分布函数，记∑_z为观测信号z的协方差矩阵，∑_n为观测信号n的协方差矩阵，假设矩阵F为∑_n的白化矩阵，则有：

F^T∑_nF＝I,

其中Δ_n为由∑_n的特征值组成的对角矩阵，F＝EΔ^-1/2n，矩阵E由∑_n的特征向量组成，满足：

E^T∑_nE＝Δ_n

记∑_w为调整噪声即白化之后的观测数据的协方差矩阵，且满足：

∑_w＝F^T∑_zF

对此矩阵做主成分变换，得到矩阵G，使得：

G^T∑_wG＝Λ_w,G^TG＝I

其中Λ_w是由∑_w的特征值所组成的对角矩阵，G是由相应的特征向量构成，根据特征向量可知，数据的主要部分会集中在前面的几个波段中，从而分别得到对材质、光照和热量不敏感物体的端元波谱；

3)利用支持向量机(Support Vector Machine,SVM)识别对材质、光照和热量不敏感的物体，并获得二维位置坐标，根据端元波谱及对应的特征向量得到光谱吸收特征参数：吸收波段的波深和斜率作为特征值，将光谱分为训练集、测试集和验证集，通过交叉验证得到适用于对材质、光照和热量不敏感物体的识别SVM模型，利用SVM分类器对光谱吸收特征参数做最后的波谱分类识别，并得到对材质、光照和热量不敏感物体的二维位置坐标，记作(x,y)；

步骤三：三维点云信息的初步修正；

步骤四：真彩图数据对修补点云结果的矫正；

步骤五：基于场景自适应的点云滤波、拼接自动化、面片化及纹理映射。