[发明专利]一种直线特征约束下的城区机载激光点云与航空影像配准方法和系统

说明书

本发明提供一种直线特征约束下的城区机载激光点云与航空影像配准方法和系统，其利用城区场景下分布广泛、易于提取的直线特征作为配准控制基元，根据随机采样一致性原理对影像直线粗匹配结果进行精化，基于物方空间实现点云影像同名直线特征匹配。以反投影距离为测度构造代价函数，将连接点和直线特征的观测值纳入统一的度量框架下。采用指数级收敛速率的循环迭代策略，在保证配准高效性的同时，不断优化配准结果，最终实现机载激光点云与航空影像的精确配准。对于城区场景，本方法可以高效、稳健地实现机载激光点云与航空影像的高精度配准。

技术领域

本发明属于测绘科学与技术领域，涉及一种直线特征约束下的城区机载激光点云与航空影像配准方法和系统，主要应用于变化检测、地物分类识别等领域。

背景技术

机载激光雷达作为一种新型地表信息获取手段，相比于传统摄影测量方法，具有全天候、穿透性强、快速获取地表三维几何信息等优点。但其获得的点云数据只是地表空间信息的离散化表示，缺乏光谱和纹理信息。将航空影像与LiDAR点云数据联合使用，可以实现两者的优势互补。但是两者坐标系统通常存在一定的偏差，故联合使用点云数据和航空影像的前提是将两者进行精确几何配准。

现有的机载激光点云与航空影像的配准方法分为以下三类：(1)将LiDAR点云按强度或高度转化为二维影像，再按照影像配准的方法进行处理。此类方法的优点是可以充分利用当前成熟的图像配准算法，自动化程度较高，缺点是点云内插成图像时会引入误差，降低配准精度。(2)利用多视几何原理从影像序列恢复摄影测量点云，采用迭代最邻近算法计算两点云间的变换关系。此类方法对几何变换参数的初始值要求较高，若初始值偏差较大，容易陷入局部最优解。(3)从航空影像和点云中分别提取特征并进行匹配，计算几何变换参数从而实现配准。常用特征包括点特征、直线特征、面特征以及融合特征等。此类方法直接从点云中提取特征，其关键在于数量足够且可靠的点云影像同名特征的获取以及联合区域网平差模型的设计。现有方法主要存在两个问题：一是点云影像同名特征匹配过程的自动化程度较低，如此便不适用于大规模影像与点云的配准；二是鲁棒性不够，为了使匹配特征更为显著，一些方法将其设计的较为复杂，从而降低其存在的普遍性，导致测区内配准控制基元数量不足或者分布不均匀，影响最终配准效果。

发明内容

本发明的目的是提供一种直线特征约束下的城区机载激光点云与航空影像配准方法，解决点云影像同名特征获取困难以及平差模型设计的问题。本发明利用直线特征作为配准基元，设计了稳健的同名直线特征自动匹配方法及航空影像联合区域网平差模型，根据最小二乘原理求得整体代价函数最优解并采用迭代策略精化配准结果。与现有方法相比，本发明所采用的直线特征广泛分布于城区场景，更具普遍性，容易提取且几何约束性更强。因此，该方法具有重要的实用价值和广泛的应用前景。

一种直线特征约束下的城区机载激光点云与航空影像配准方法，包括以下步骤：

步骤1，数据准备，输入数据包括：1)机载激光点云与航空影像的直线段检测结果；2)影像连接点匹配结果；3)Pos辅助区域网平差后的相机内参数和影像外方位元素；

步骤2，影像直线特征和点云直线特征同名直线特征自动匹配；

步骤3，根据步骤2获得的同名直线特征对航空影像进行直线特征控制下的航空影像联合区域网平差，更新相机内参数和影像外方位元素；

步骤4，迭代进行步骤2至步骤3共N_ITER次，输出配准结果。

进一步的，所述步骤2中，同名直线特征自动匹配的具体方法如下：

步骤2.1，影像直线段粗匹配：利用现有的Line3d++算子对影像直线段进行处理，获得影像直线段的粗匹配结果；

步骤2.2，影像同名线特征精化：基于随机采样一致性原理对影像直线段的粗匹配结果进行优化；

步骤2.3，利用影像同名直线特征重建物方直线；