[发明专利]一种激光点云与密集匹配点云融合方法

说明书

本发明针对地面激光扫描点云和航摄影像密集匹配点云融合存在质量退化与分层问题，在空地异源点云配准的基础上，对混合点云进行数据去冗余和质量改善，公开了一种激光点云与密集匹配点云融合方法。本发明首先根据密集点云与激光点云的距离和法向量夹角构建能量函数数据项，同时利用密集点云内的几何邻域关系和颜色差异构建平滑项，采用图割算法优化得到密集点云的二分类标签集，根据标签去除两类点云之间的重叠冗余区域；最后根据一种邻域点选择策略对边界附近的密集匹配点进行以表面曲率加权的引导点云滤波，合并异源点云得到融合点云。

技术领域

本发明涉及一种城市场景三维重建中的异源点云融合算法，属于遥感测绘领域。

背景技术

点云是三维数字模型重建的重要数据源。为了获取城市场景表面的点云，当前主要有两类测量技术，分别是基于主动视觉的激光扫描法或结构光扫描法和基于被动匹配算法的运动恢复结构、多视立体视觉算法。激光雷达扫描技术被广泛应用于城市场景重建中，但是受传感器视场和遮挡的限制，地面激光扫描系统单次扫描甚至多次扫描都不能保证点云模型的完整性，扫描点云中通常缺少建筑物屋顶点云。运动恢复结构和多视立体匹配算法可从航摄倾斜影像序列中自动恢复大尺度的三维点云模型。航摄影像密集匹配点云具有颜色、纹理信息，点云密度高，但匹配精度很大程度上取决于光照条件和场景纹理的丰富程度。城市场景中存在大量的规则建筑，针对地面激光扫描点云和航摄影像密集匹配点云融合存在质量退化与分层问题，需要对不同精度的空地异源点云数据进行高质量的融合，以提高城市场景重建的精度和完整性。

多源点云融合可发挥多源点云的优势互补特性，是提高模型重建质量，解决单一数据缺失的有效方法之一。待融合的异源点云数据由于获取途径和设备误差等问题存在诸多差异，如点云密度、分布均匀性、精度、噪声、覆盖范围和遮挡。当前的点云融合算法通过异源点云配准获得了拼接点云，拼接点云一方面提高了场景点云的完整性，但也不可避免地存在分层的冗余点，并且点云拼接的边缘不平滑。在点云配准基础上，有些工作针对提高拼接点云的精度和完整性提出了一些方法，如利用渐进迁移方法实现拼接点云边界的平滑连接，但间距较大的缝隙附近的点云无法有效移动；或者利用多视点投影方法检测激光点云中的孔洞，从配准后的密集匹配点云中提取相应数据填补孔洞，并利用基于微分域的拉普拉斯融合方法增强合并点云的表面细节，但是该算法无法实现激光点云边界外的点云融合。由于直接混合的场景点云复杂且庞大，上述方法未能在保持混合点云数据唯一性的前提下，对异源点云的混合边界进行平滑处理从而达到点云精度融合的结果。

发明内容

本发明要解决的技术问题是在保持点云数据唯一性的前提下，对异源点云的混合边界进行平滑处理从而达到点云精度融合的结果。

本发明针对地面激光扫描点云和航摄影像密集匹配点云融合存在质量退化与分层问题，在空地异源点云配准的基础上，对混合点云进行数据去冗余和质量改善，提供了一种基于图割算法和引导点云滤波算法的异源点云融合方法。该方法首先利用一种结合几何和颜色信息的图割算法分割密集点云，然后利用分割后的密集点云填补激光点云的孔洞和遮挡区域，接着采用以表面曲率加权的引导点云滤波算法消除混合边界处的缝隙以及纠正混合点云中的平面错层。

为了达到上述目的，本发明首先根据密集点云与激光点云的距离和法向量夹角构建能量函数数据项，同时利用密集点云内的几何邻域关系和颜色差异构建平滑项，采用图割算法优化得到密集点云的二分类标签集，根据标签去除两类点云之间的重叠冗余区域；最后根据一种邻域点选择策略对边界附近的密集匹配点进行以表面曲率加权的引导点云滤波，合并异源点云得到融合点云。

本发明采用的技术方案为一种激光点云与密集匹配点云融合方法，包括如下步骤：

步骤1，以激光点云和密集匹配点云作为输入，首先对两类点云进行去噪和配准；

步骤2，采用基于PCA的点云法向量估计方法为两类点云计算法向量，并进一步计算表面曲率；