[发明专利]一种顾及房檐特征的机载与车载LiDAR点云配准方法

权利要求书

1.一种顾及房檐特征的机载与车载LiDAR点云配准方法，其特征在于：包括以下步骤：

步骤1：对机载LiDAR与车载LiDAR点云数据去噪和滤波处理，从地物点中提取建筑物点云和特征角点；

步骤2：建立一种局部邻域相似性测度模型，实现机载LiDAR与车载LiDAR伪同名点的快速自动匹配，并利用伪同名点对实现粗配准；

步骤3：基于方向预测算法对车载LiDAR建筑物轮廓线外扩，构建潜在房檐特征点集；

步骤4：利用两次迭代最邻近点算法分别实现机载与车载LiDAR点云真同名点对匹配和迭代精配准。

2.根据权利要求1所述的顾及房檐特征的机载与车载LiDAR点云配准方法，其特征在于：在步骤2中，局部邻域相似性测度模型的建立步骤如下：

步骤2.1：计算特征点局部重心；

从机载LiDAR特征点中顺序选择一点ap，查找与其属于同一建筑物的k个最邻近特征点ap，apn₁，…，apn_k-1，计算此k个点的重心O_ap；

从车载LiDAR特征点中顺序选择一点vp，查找与其属于同一建筑物的k个最邻近特征点vp，vpn₁，…，vpn_k-1，计算得此k个点的重心O_vp；

步骤2.2：评估局部邻域相似性；

利用公式(1)和(2)计算ALS特征点坐标差序列与VLS特征点坐标差序列的相关系数；

式中，g_ix、g_iy分别为ALS点云当前点的第i个邻域点的横、纵坐标，g′_ix、g′_iy分别为VLS点云中当前点的第i个邻域点的横、纵坐标；

计算ap到O_ap的方位角与vp到O_vp的方位角之差，并计算ap到O_ap的欧氏距离与vp到O_vp的欧氏距离之差；

步骤2.3：构建相似性测度模型；

将VLS中的每一个特征点与当前ALS特征点进行匹配计算，当横纵相关系数的绝对值均大于阈值T_ρ，ap到O_ap的方位角与vp到O_vp的方位角差值小于阈值T_a时，且ap到O_ap的欧氏距离与vp到O_vp的欧氏距离绝对差值小于阈值T_d1时，即满足公式(3)，存储于初始匹配集合S_sim中；

式中，∠apO_ap为ap到O_ap的方位角，∠vpO_vp为vp到O_vp的方位角；|ap-O_ap|为ap到O_ap的欧氏距离；|vp-O_vp|为vp到O_vp的欧氏距离；| |为取绝对值；

重复步骤2.1-步骤2.3，直到所有ALS特征点处理完毕；

步骤2.4：随机抽样一致性匹配确定最优匹配对；

从集合S_sim中随机选一对匹配点并计算其横纵坐标差，统计其他点对横纵坐标差与之绝对差值在阈值T_d2范围内的数量，根据拥有最大数量的匹配点对建立伪同名点对集合S_pcp，集合中会出现一对多或多对一匹配现象，选择max(ρ(x)+ρ(y))的点对保证一对一匹配，获得伪同名点对；

步骤2.5：粗配准；

利用滤波处理的地面点云对伪同名点对高程插值，以[X_als Y_als Z_als]^T和[X_vls Y_vls Z_vls]^T分别代表伪同名点对的ALS和VLS特征点坐标，坐标转换关系由公式(4)、(5)、(6)表示，并利用最小二乘解算坐标转换参数；

式中，R(α,β,γ)代表旋转矩阵，α、β、γ分别为绕Z轴、Y轴和X轴的欧拉旋转角；[T_x T_yT_z]^T代表X、Y、Z方向的平移量；λ代表尺度参数，因ALS和VLS配准为刚性变换，设λ＝1。