[發明專利]一種基于古文物LiDAR點云的三維變化檢測方法

有效

• 申請號: 201910348858.X
• 申請日: 2019-04-28
• 公開（公告）號: CN110335234B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 孟慶祥;伍煒超;孔云鵬
• 申請（專利權）人: 武漢大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/33
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 唐萬榮

1.一種基于古文物LiDAR點云的三維變化檢測方法，其特征在于，該方法包括以下步驟：

步驟1、對兩個不同時期的LiDAR點云數據分別進行濾波和插值處理，生成兩個不同時期的三維點云模型；

步驟2、對兩個三維點云模型進行粗配準操作，進行剛體變換操作，使兩個三維點云模型完成粗配準，剛體變換操作包括：平移、旋轉；

步驟3、對兩個三維點云模型進行精確匹配，計算兩個三維點云模型的特征點，通過ICP算法使兩個三維點云模型根據特征點精確配準；

步驟4、建立三維參考坐標系(X,Y,Z)，并將三維點云模型歸納到該坐標系下，使三維點云滿足最大面朝上；最大面朝上，即通過旋轉三維點云模型，使其在X-Y平面上投影面積最大；

步驟5、以參照點云為基礎建立重采樣格網，在重采樣格網下對兩個三維點云模型分別進行重采樣，得到重采樣點云；

步驟6、對重采樣點云進行差值處理，計算得到不同時期同一格網的Z值變化量，得到差值影像；

步驟7、對差值影像進行處理，獲取點云模型變化區域；

步驟8、根據既定的閾值對變化區域進行結果渲染，將變化區域根據差值大小進行可視化區分并表達；

步驟3的具體方法為：

使用ICP算法，即Iterative Closest Point算法對點云進行精確匹配，具體匹配策略如下：

設在T1時期的點云集合為P_i，i＝1，2，3，...，T2時期的點云集合為Q_i，i＝1，2，3，...；兩個點集的對齊配準轉換為使下列目標函數E最小；

其中，旋轉矩陣R和平移矩陣T，就是找到的待配準點云數據與參考點云數據之間的旋轉參數和平移參數，使得兩個點云數據集之間滿指定度量準則下的最優匹配；

在T1時期點云中取點集P_i∈T₁，計算P_i中的每一個點到臨近點的距離D：

選取D最小的點作為其對應最近點，從而找出點云T₂中的對應點集Q_i∈T₁，使得||Q_i-P_i||＝min；

計算旋轉矩陣R和平移矩陣T，對Q_i使用求得的旋轉和平移矩陣，得到新的點集Q_i′；

如果新的變換點集Q_i′滿足目標函數要求，即兩點集的平均距離小于某一給定閾值min，則停止迭代計算，否則新的變換點集Q_i′作為新的Q_i繼續迭代，直到達到目標函數要求；

步驟4的具體方法為：

分別計算點云模型在X，Y，Z三個方向上的坐標值方差，以表示點云在三個方向上的離散程度，對應關系如下式：

選取離散程度，即方差最大的方向求取兩個點云內所有特征點在此方向上的坐標均值，根據該均值，將點云在該方向上分為兩部分；每一部分求取幾何中心點O(X，Y，Z)，對應關系如下式：

其中，n為當前部分點云內特征點的數量，x_i，y_i，z_i為第i個特征點的三維坐標參數；

根據所求幾何中心點，在兩個點云內分別以已求得的幾何中心點為起終點建立方向向量；根據該方向向量與X-Y平面的相對關系，通過旋轉，使該向量與X-Y平面平行，通過解算，獲得旋轉矩陣R₁，R₂；最后通過點云與旋轉矩陣相乘，使點云最大面朝上，Z軸方向豎直向上。

2.根據權利要求1所述的基于古文物LiDAR點云的三維變化檢測方法，其特征在于，步驟1的具體方法為：

對新舊兩個不同時期的原始LiDAR點云數據進行處理，分別記為T1時期LiDAR數據和T2時期LiDAR數據，對兩期原始LiDAR點云數據進行濾波以剔除粗差點，包括：極高點、極低點和噪聲點。

3.根據權利要求1所述的基于古文物LiDAR點云的三維變化檢測方法，其特征在于，步驟5的具體方法為：

在三維點云的最大面上按照固定大小矩形格網對點云進行區域劃分，選取其中一個點云建立格網，當有多個特征點在同一格網中時，取均值為該格網的最大面方向特征值；采樣格網大小對應關系如下式：

其中，Cell_width為采樣格網大小，N為點云內特征點總數，widthX為點云在X方向上的寬度，widthY為點云在Y方向上的寬度；widthX及widthT為初始默認值。