[发明专利]激光点云与图像的配准的方法及系统

说明书

本发明实施例提供一种激光点云与图像的配准方法及系统，该方法包括：在待配准的数据中随机抽取预设帧数的随机数据，针对每一帧的随机数据，将随机数据中的点云图像与相机图像调整为具有一致性后，保存调整参数；对预设帧数的随机数据分别对应的调整参数进行分析，获得调整参数与惯导姿态的关联关系；根据关联关系对待配准的数据中的每一帧数据中的点云图像和相机图像进行配准。本发明实施例过对采样部分帧的数据，进行半自动的参数调整，再将其应用到整个数据上，即可以达到较高的精度，又降低了全部调参的成本。

技术领域

本发明涉及移动测量领域，更具体地，尤其涉及一种激光点云与图像的 配准的方法及系统。

背景技术

当前，移动测量技术已经成为高精度导航电子地图数据获取的主要技术 之一。移动测量系统(Mobile Mapping System，MMS)是在机动车上装配 GPS(全球定位系统)、CCD(视频系统)、INS(惯性导航系统)或航位推算系统等 传感器和设备，在车辆高速行驶的过程中，快速采集道路及路侧地物的空间 位置和属性数据，例如：道路面、车道印刷线、路面指示箭头、人行横道、 交通标志牌、交通信号灯等。数据会同步存储在车载计算机系统中，经过各 种软件的处理以后形成各类成果数据，用于导航电子地图的制作等。此外、 MMS本身具有汽车导航功能，还可以用于道路路况、道路设施的实时监测， 发现变化，便于对原有数据进行更新。

单线激光点云、连续的彩色图像是MMS系统的部分主要成果。单线激 光点云可以提供高精度的地物位置，但是缺少纹理和颜色信息，不易进行判 读和分析。而图像数据具有丰富的纹理信息，颜色信息等都有利于地物的提 取。除此之外相对图像数据而言，激光点云数据是无序的，且数据量极大。 图像的处理方法更多、更快、泛化性更好。尤其今年深度学习的快速进步， 将基于图像的处理能力提升到又一个新的高度上，基于点云的深度学习还是 在探索、预言上，暂时尚达不到工业级的应用程度。但是直接从图像数据上 获取地物精确的真实世界的位置，是非常困难的。即使是可以采集深度信息 的相机，其精度跟激光点云也不具有可比性。因此激光点云数据与图像的融 合具有很强的实用价值。

现有的MSS上点云与图像的配准方法主要包括以下几类：(1)基于多传 感器标定的半自动方法，即直接使用位置与姿态系统(Position and Orientation System,POS)输出方位元素值整体补偿标定参数的方法，进行车载激光点云和 图像的配准，该类方法通常需要使用标定场实现标定，且换测站时需要重新 标定，标定的时间成本较高。而且，研究表明由于配准误差的来源各种各样， 标定本身也具有一定误差，通常使用该方法进行配准后，点云数据和图像仍 然有明显的配准差。此外，不同时段GPS信号质量、惯导漂移都不同，这类 误差无法被消除。(2)基于几何配准基元的方法，分别从点云和图像中提取配 准基元匹配对，例如建筑物线框轮廓和激光点云轮廓、图像和点云上的特征 点对(箭头的顶点)、特征线(车道印刷线的边缘线)对。(3)基于互信息的自 动配准方法，将影像依据图像的成像方式进行成像，计算所得图像与相机图 像的互信息测度，求解最高互信息。然而，车载MMS中点云与图像配准由 于GPS信号质量、惯导漂移的动态变化，配准误差来源多种多样，全自动的 配准技术暂时还在研究阶段，还没有达到能够量产应用的水平。而使用标定 场隔一段时间进行标定，这一类半自动的配准方法，会给外业采集带来较多 额外负担，也很难落地实施。

发明内容

本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的激 光点云与图像的配准方法及系统。

第一方面，本发明实施例提供一种激光点云与图像的配准方法，该方法 包括：在待配准的数据中随机抽取预设帧数的随机数据，针对每一帧的随机 数据，将随机数据中的点云图像与相机图像调整为具有一致性后，保存调整 参数；对预设帧数的随机数据分别对应的调整参数进行分析，获得调整参数 与惯导姿态的关联关系；根据关联关系对待配准的数据中的每一帧数据中的 点云图像和相机图像进行配准。

优选的，所述针对每一帧的所述随机数据，将所述随机数据中的点云图 像与相机图像调整为具有一致性后，保存调整参数，包括：