[发明专利]基于激光雷达点云数据辅助的单镜头三维图像重构方法

说明书

本发明公开了一种基于激光雷达点云数据辅助的单镜头三维图像重构方法，该方法包括：获取被扫描对象的多张可见光图像和激光雷达点云数据；基于激光雷达点云数据，采用增量式运动恢复结构算法对可见光图像进行三维重建，以获取图像点云；采用刚性变换与非刚性变换相结合的方式对图像点云和激光雷达点云数据进行配准，以获取被扫描对象的三维点云模型。本发明的方法采用寻找图像与激光雷达点云同名点的方式，在图像的三维重建过程中添加虚拟的地面控制点来进行几何纠正，能够减少图像的三维重建过程中的失真情况；采用刚性变换和非刚性变换相结合的方式对图像点云和激光雷达点云数据进行配准，能够提高配准精度，实现高精度的三维点云模型重建。

技术领域

本发明涉及图像数据融合技术领域，尤其涉及一种基于激光雷达点云数据辅助的单镜头三维图像重构方法。

背景技术

图像信息具有丰富的纹理信息，分辨率和边缘精度较高，采集方式也灵活方便，但是基于图像三维重建的建模过程中，为了后续数据处理，需要大量的像控制点，工作量大。并且，由于自然条件的限制，存在很多外业测控困难的区域及大量无有效可用像控制点的区域，测量过程中无法得到有效的地面控制点，因而基于图像信息的三维重构数据精度有较大差别。激光雷达能够快速、大面积、高精度的获取被扫描对象的三维点云数据，激光雷达点云数据具有主动性强、操作方便、信息量大以及建模速度快等优点，但同时单纯激光雷达点云信息过于稀疏、分辨率较低、无纹理特征且边缘精度较差，在大型复杂场景或复杂对象的数据中多存在漏洞。

为了获取具有丰富纹理信息的被扫描对象的三维点云模型，目前主要采用激光雷电点云数据与图像点云数据进行配准融合的方式获取。例如，华南理工大学的吴伟坊于2019年发表的名称为《基于机载LiDAR系统激光点云与图像点云的融合技术》的论文中公开的激光点云与图像点云的融合方法。

然而，现有的雷达激光点云与图像点云的融合是基于外参转换关系进行配准，极大程度上依赖于相机与激光雷达雷达外参标定。而且，图像点云与激光点云的配准为刚性配准，融合结果也仅仅是对点云数据进行了着色处理，配准结果的精度和可靠性较差。但是实际生产过程中，由图像建立的三维模型多会产生非刚性变形，所以仅仅将雷达点云信息和图像信息做刚性配准是不全面的。

激光雷达能够快速、大面积、高精度的获取被扫描对象的三维点云数据，从而进行被扫面对象的三维几何重建。但是由于激光雷达点云数据缺乏纹理信息，需要通过与纹理图像进行配准方能获取具有丰富纹理信息的三维点云模型。

发明内容

为解决上述现有技术中存在的技术问题，本发明提供一种基于激光雷达点云数据辅助的单镜头三维图像重构方法。

为此，本发明公开了一种基于激光雷达点云数据辅助的单镜头三维图像重构方法，所述方法包括：

1)获取被扫描对象的多张可见光图像和激光雷达点云数据；

2)基于激光雷达点云数据，采用增量式运动恢复结构算法对可见光图像进行三维重建，以获取图像点云；

3)采用刚性变换与非刚性变换相结合的方式对图像点云和激光雷达点云数据进行配准，以获取被扫描对象的三维点云模型。

在一些可选的实施方式中，步骤2)包括：

201)特征提取：对每一张可见光图像做特征提取；

202)图像匹配：对每一张可见光图像做初始特征匹配，通过设定匹配算法在多张可见光图像间搜索同名点；

203)几何纠正：基于激光雷达点云数据，对每一张可见光图像通过对极几何估计基础矩阵，并采用随机采样一致性算法剔除错误匹配；

204)初始化：通过对极几何估计初始化位姿变换，通过特征匹配找出匹配点最多且基线距离在设定范围内的两张可见光图像；