[发明专利]基于多源维度分解的城市点云从粗到精的自动配准方法

说明书

本发明涉及一种基于多源维度分解的城市点云从粗到精的自动配准方法，结合城市场景扫描对象特点和地面扫描仪器工作特点，提出了维度分解方法，并在其支撑下实现数据维度和参数维度同时缩减、特征的高效辨识与提取、迭代求解的高效收敛，进而突破当前大规模城市点云场景配准中配准精度与速度的瓶颈；该方法充分利用了点云对场景三维结构化重塑的能力，顾及问题的具体属性，提出了面向对象的配准方案，为点云配准问题的发展提供了新思路；同时，该方法无需人工对场景进行标识，无需提供先验的初始解算值，也无需后续的人机交互选点，是一套从原始数据输入到获取三维精细化点云数据模型的全自动方法，有助于在实际生产中降低时间、人力、物力的开销。

技术领域

本发明涉及计算机视觉技术领域，具体地说是一种基于多源维度分解的城市点云从粗到精的自动配准方法。

背景技术

数字城市的发展离不开三维土地空间管理、表达和可视化等虚拟城市环境构建技术。该技术是全面支撑城市信息感知与互联、以及VR/AR等“数字化”应用的基础，因此大规模、精细化、富语义信息的三维城市模型已经成为智慧城市建设的必要条件。点云数据因其相对于传统测量数据所特有的优势，即数据量丰富并可直接获取扫描物体的三维空间坐标等，已经成为空间数据处理的标准化数据类型。因此，点云数据的处理成为摄影测量、计算机视觉、计算机图形学以及机器人学等领域的研究热点，并获得了丰富的研究成果。

随着三维数字化城市的发展，近年来多源点云配准研究得到了广泛的关注。传统的方法在处理当前大规模多源多尺度复杂结构点云时会遇到不同程度的问题，例如特征点提取复现率低辨识度差，以及特征描述时人为认知干预的局限性等，这些都将对三维点云融合配准以及随后的三维模型重建造成负面影响。

目前较多的点云匹配方法存在如下问题：缺乏针对性，更多追求问题处理的泛化性，现有商业软件对于任意位置下的点云配准还主要基于手工选点(包括人工识别靶标，并建立序列)的方式完成，需要大量人工参与，处理效率低下，成本高；当前可用于点云采集的传感器较多，场景也较为丰富(例如，室内，城市，森林等)，但缺乏针对性，在效率和精度上都存在瓶颈。

因此，提供一种面向对象的点云自动配准方法，以突破当前大规模城市点云场景配准中配准精度与速度的瓶颈问题。

发明内容

有鉴于此，本申请的目的在于提供一种基于多源维度分解的城市点云从粗到精的自动配准方法，以提高当前大规模城市点云融合配准和三维重建的效率，提高配准精度，降低人力、物力成本。

为了达到上述目的，本申请提供如下技术方案。

基于多源维度分解的城市点云从粗到精的自动配准方法，包括以下步骤：

101、对城市场景进行地面扫描，采集点云数据，相邻两个站点的扫描需存在人造建筑物重叠部分；

102、对原始点云数据进行预处理，剔除点云数据中的噪声点，将空间三维点云数据垂直投影到一个法方向为天顶方向的平面上，设置点云密度阈值ρ₀，并利用该阈值对投影后的二维平面点云进行建筑侧立面的提取；

103、实现侧立面投影点云在二维平面上的直线探测与分割，并利用配对直线段实现κ参数与水平平移参数(x,y)方向的求解，实现场景二维配准；

104、利用地面点重叠部分，快速计算高差；随机获取N个地面对应区域后，求得高差的均值作为垂直方向平移值Δz；

105、针对步骤103获得的候选集合的每一组解，都完成步骤104操作，并利用场景随机子集做最近点测试检验，选取满足条件的最优解作为最终的解，两个相邻的点云场景就完成了粗配准；

106、结合建筑物上富含大量的面信息，将以面为基元实现精配准，获得场景精细化配准结果。

优选地，所述步骤101中对城市场景进行地面扫描包括地面激光扫描仪和移动激光测量车。