[发明专利]一种基于平面特征的点云数据自动配准方法及装置

说明书

本发明涉及一种基于平面特征的点云数据自动配准方法及装置，属于三维激光扫描技术领域。本发明首先通过平面分割算法对点云数据进行平面分割得到平面片，并计算各平面属性信息，然后通过平面片属性信息、平面间相互关系以及旋转平移几何约束建立平面片间的对应关系，得到用于坐标转换参数求解的对应平面对集合，利用平面参数求解坐标转换参数，根据建立的点云配准总体一致性度量，选择最优解，即为最终配准结果。该方法综合利用平面属性信息、平面间约束以及空间几何约束确保了配准过程的准确性和高效性，且不依赖额外的强度或色彩信息，对于各种平台获取的点云数据均能有效进行配准，适用性强。

技术领域

本发明涉及一种基于平面特征的点云数据自动配准方法及装置，属于三维激光扫描技术领域。

背景技术

三维点云是客观世界的离散采样，由一系列点组成，可由激光扫描仪、激光雷达(Light Detection and Ranging,LiDAR)、深度相机、立体视觉等传感器获得。在测绘遥感领域，三维激光扫描被誉为“实景复制”技术，能够快速准确获取目标的海量点云数据，因而受到极大关注。因测量仪器的有效测程和视场范围有限以及遮挡的影响，为获取作业场景的完整点云，往往需要在多个测站架设仪器进行测量，而后进行点云间的序列配准，如图1所示。点云配准的实质是寻求一组平移和旋转参数将点云统一到同一坐标系下，使得经过坐标转换后的点云重叠部分间良好对齐。用数学语言描述点云配准问题为，给定待配准点云P＝{p_i＝(x_i,y_i,z_i)}和目标点云Q＝{q_i＝(x_i,y_i,z_i)}，求解刚体变换使得：

其中，R∈SO(3)为旋转矩阵，t为平移向量，e_ij为误差度量，C＝{(i,j)_m}表示对应点对集合，点p_i对应点q_j。

近二十年来，三维激光扫描凭借其特有的优点已成为众多领域的标准技术，被大量研究和广泛应用，特别是随着其性价比的不断提高，各类产品不断更新换代，已被运用到三维建模、数字工厂、文物保护、滑坡监测、资产管理等领域。然而，三维激光扫描仪获取的海量点云对后期的数据处理带来了挑战。在一般的测量作业中，往往通过布设人工靶标来实现多站点云间的配准，采用这种方法，需要提前设计靶标的布设方案，在测量过程中还需要对靶标进行二次精细扫描，费时又费力，同时需要为购买靶标支出额外的费用。并且，在很多情况下(如高大城市建筑群)，人工布设的靶标只能分布在较小的空间范围内，对配准参数不能形成良好的网形约束，导致求解得到的坐标转换参数存在较大误差；甚至在一些不能或不便于布设靶标的情况下，点云的配准处理将给内业处理人员带来极大困扰。当不能基于人工靶标实现点云配准时，往往需要通过人工从待配准点云中选取三组以上对应点计算粗略的初始配准结果，并以此为初值利用迭代最近点(Iterative Closest Point,ICP)求解最终配准结果，这一过程消耗大量精力和时间，不能满足点云数据自动化处理的需求。与此同时，点云的海量性给数据处理硬件平台提出了较高的要求，直接以三维坐标点作为处理元素，在处理几十甚至成百上千组点云时，需要占用极大的内存，需要超高性能的中央处理器(CPU)和图形处理器(GPU)。寻求自动高效的点云配准一直以来是点云数据处理领域的热点研究问题，提出利用强度信息辅助点云配准，首先将三维点云投影为二维强度图像，通过强度图像提取特征点并计算描述子以便建立对应关系，实现坐标转换参数的求解。然而，将点云投影为图像不可避免的存在畸变，且强度值受扫描距离和角度的影响较大，对点云配准精度影响较大。