[发明专利]一种基于DLG的点云数据配准方法

说明书

本发明公开了一种基于DLG的点云数据配准方法，包括以下步骤：点云边界提取；将点云边界曲线与数字线划地图DLG匹配；进行点云匹配；对配准精度进行统计分析。上述技术方案通过提取点云地物边界曲线，以傅里叶描述子描述曲线特征来与DLG数据曲线进行匹配，得到校正向量，进而实现机载Lidar点云全地形自动配准，克服了常规方法中只提取直线特征的局限，适用范围更广，满足多种复杂地形的自动配准。

技术领域

本发明涉及点云自动配准，尤其涉及一种基于DLG的点云数据配准方法。

背景技术

点云数据配准是逆向工程中的一个核心问题，是计算机视觉所有后续处理的基础，其配准结果在三维测量的精度和后续数据处理中起着至关重要的作用。利用激光雷达数据采集系统对特征目标与环境进行测量之后，得到的数据为场景的三维点云信息，并不是通常所谓的成像结果，要实现三维图像的显示与分析，还需要对获取的数据进一步处理，点云数据自身会存在相关性和冗余性，利用三维点云配准技术可以剔除冗余点、融合关键特征点。

应急救灾工作中具有突发性、灵活性、任务组织特殊性等特征，这些特征要求我们必须打破传统方式，提供实时、快速的测绘数据保障。有资料显示，传统测绘地理信息技术存在数据量大、处理流程操作步骤多等问题导致数据后处理效率较低，无法满足应急测绘对时效性的要求。由于机载LiDAR数据处理效率高、时效性强等特点，在地质灾害、山洪灾害、应急救援等领域应用不断普及，对于基于线特征的LiDAR点云配准方案，已有不少研究，如基于摄影测量原理，将从Lidar数据和影像数据中找到的关联直线特征上的点的位置信息代入变换函数，或者直接从LiDAR点云中提取线特征进行配准的方法。

中国专利文献CN107861920A公开了一种“点云数据配准方法”。采用了包括如下步骤：(a)获取第一点云数据集和第二点云数据集；(b)构造所述第一点云数据集和所述第二点云数据集的距离平方和；(c)使所述距离平方和最小以获得配准矩阵。上述技术方案只提取直线特征，适应性比较差，只能用于直线地物较多的城区，且自动化程度有待提高。

发明内容

本发明主要解决原有的技术方案只提取直线特征，适应性比较差，且自动化程度较低的技术问题，提供一种基于DLG的点云数据配准方法，通过提取点云地物边界曲线，以傅里叶描述子描述曲线特征来与DLG数据曲线进行匹配，得到校正向量，进而实现机载Lidar点云全地形自动配准，克服了常规方法中只提取直线特征的局限，适用范围更广，满足多种复杂地形的自动配准。

本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明包括以下步骤：

(1)点云边界提取；

(2)将点云边界曲线与数字线划地图DLG匹配；

(3)进行点云匹配；

(4)对配准精度进行统计分析。

作为优选，所述的步骤1通过滤波原理和样条曲线拟合，提取点云中的地物边界曲线。边界提取是从中提取出地物之间边界的点。提取出的边界用于配准，无需提取出每种地物之间的边界，只需有一定的样本数量即可。坡度滤波算法的基本原理是：地面引起的坡度变化小于地物引起的坡度变化，即当Lidar数据中两相邻的点高程差异越大时，该高程差是由于地形变化引起的可能性越小，此处为地物边界的可能性就越大。

作为优选，所述的步骤1使用坡度滤波算法提取地物边界，具体包括：将点云进行2D网格划分为x*y个，计算网格内点云高程的方差，

其中n为单个格网中点云点的个数，h_i为某点的高程，h为格网内所有点高程的平均值。