[发明专利]空间指纹图配准基元特征描述与匹配方法

说明书

本发明提出一种空间指纹图配准基元特征描述与匹配方法，使用配准基元集合内各个元素之间的空间关系构建空间指纹图，从而对配准基元集合整体分布特征进行描述。采用GED(Graph Edit Distance，图编辑距离)度量异源空间指纹图之间的相似性，将局部与全局相似性作为匹配测度，查找最优配准基元空间指纹图匹配关系，实现共轭配准基元对的生成，用于后续模型参数的解算。

技术领域

本发明属于三维激光点云数据与二维影像的配准融合领域的应用，提出一种空间指纹图配准基元特征描述与匹配方法。

背景技术

三维激光点云数据和二维光学影像自动配准方法研究是摄影测量与遥感领域的一个长期研究热点。国内外学者针对有人机载、星载、地面固定站激光扫描数据与影像的配准方法开展了大量的研究，但在无人机/车载MMS序列框幅式/全景影像与激光点云的自动配准方面，国内外鲜有研究成果报告。不局限于数据类型与采集平台，现有的配准方法主要分为四类，即：①多传感器标定的方法；②几何特征匹配的2D-3D配准算法；③互信息最大化的2D-3D配准算法；④影像密集点云与激光点云配准的3D-3D配准算法。其中第一类多传感器标定与部分第二类几何特征匹配的2D-3D配准算法属半自动配准算法。为保证研究现状的论述完备性，下文对现有配准算法进行总结，分析了各方法的优缺点与适用范围。

(1)多传感器标定的方法

多传感器标定的方法主要用于消除同一系统中不同遥感传感器之间的安置误差带来的数据配准误差，是传统摄影测量与遥感传感器平台上常用的数据配准方法，主要通过实验室标定与室外检校场标定相结合的方法解算多传感器之间的安置位置参数(Pfeifer and Briese,2007)。无地面检校场多传感器安置误差半自动检校方法近年来亦得到广泛研究(钟良,2011,陈洁et al.,2015)，但由于无人机/车载MMS误差来源多样，尚未见无地面检校场的多传感器标定方法在其多传感器检校中应用。目前，多数商用车载移动测量系统，如Google Street View、NavTEQ TRUE均采用硬件标定与同步方式在专设定标场内对两类传感器进行时间同步与安置标定，实现数据配准且配准模型非公开。多传感器标定算法可较好解决同机数据配准问题，但是长时间作业颠簸以及弱GPS信号状态下IMU数值的漂移均会导致全景影像的外方位元素的真实值发生改变，进而导致多时相、分次采集的激光点云与框副式/全景影像配准与融合错误。采用专用标定场对两类数据进行重配准费时耗力，已远远不能满足移动测量系统实际作业的需要，且在数据标定配准后配准差依然存在(Wang et al.,2012)，故迫切需要从算法角度发展两者间高精度配准方法，实现优势互补。

(2)几何特征匹配的2D-3D配准方法

几何特征匹配的2D-3D配准方法是Palenichka配准方法分类法中基于特征的配准算法中的代表算法。该类方法的基本原理是利用激光点云与二维光学影像中共轭的几何特征求解影像的外方位元素实现两者间的配准。点、线、面、体等多种几何基元均可以作为配准基元，形成共轭配准基元对。and Haggrén(2012)研究成果表明，使用人工构筑物(Artificial Features)进行数据配准融合精度高于使用自然地物(例如：树冠)。因此，下文所论述的相关研究工作均以人工构筑物作为配准基元。

特征匹配的2D-3D配准算法，如基于线对的半自动配准方法(Habib et al.,2005)，目前已成功应用于传统遥感平台LiDAR点云与影像的配准。但该类方法，需要较为准确的影像外方位元素初值与正确的匹配对保证平差的正确收敛，且特征选取难以自动化。同时，由于激光点云本质上的三维离散采样特性，严格意义上讲，不存在扫描完整、定位准确的几何基元。故任何直接自激光点云数据进行的几何基元自动提取与拟合的算法都存在几何基元提取完整性与角点定位精度的问题。在配准过程中，自动拟合线或是角点等几何基元的不确定性，如激光线特征提取完整度与线段端点精度，均会对数据配准精度产生影响。