[發明專利]基于激光雷達點云數據輔助的單鏡頭三維圖像重構方法

在審

• 申請號: 202010896853.3
• 申請日: 2020-08-31
• 公開（公告）號: CN112102458A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 王懷採;李修慶;李慶紅;趙健康;徐靜冉
• 申請（專利權）人: 湖南盛鼎科技發展有限責任公司
• 主分類號: G06T15/00
• 分類號: G06T15/00;G06T7/33
• 代理公司: 北京奧文知識產權代理事務所(普通合伙) 11534
• 代理人: 張文;苗麗娟

1.一種基于激光雷達點云數據輔助的單鏡頭三維圖像重構方法，其特征在于，包括：

1)獲取被掃描對象的多張可見光圖像和激光雷達點云數據；

2)基于激光雷達點云數據，采用增量式運動恢復結構算法對可見光圖像進行三維重建，以獲取圖像點云；

3)采用剛性變換與非剛性變換相結合的方式對圖像點云和激光雷達點云數據進行配準，以獲取被掃描對象的三維點云模型。

2.根據權利要求1所述的基于激光雷達點云數據輔助的單鏡頭三維圖像重構方法，其特征在于，步驟2)包括：

201)特征提?。簩γ恳粡埧梢姽鈭D像做特征提??；

202)圖像匹配：對每一張可見光圖像做初始特征匹配，通過設定匹配算法在多張可見光圖像間搜索同名點；

203)幾何糾正：基于激光雷達點云數據，對每一張可見光圖像通過對極幾何估計基礎矩陣，并采用隨機采樣一致性算法剔除錯誤匹配；

204)初始化：通過對極幾何估計初始化位姿變換，通過特征匹配找出匹配點最多且基線距離在設定范圍內的兩張可見光圖像；

205)圖像配準：選取待配準的圖像，找到待配準圖像中像素點對應的已求解得到空間三維坐標的點，利用點的2D和3D信息，通過隨機采樣一致性算法和最小姿態解算器求解Perspective-n-Point問題，獲得新配準的圖像的位姿；

206)三角化：用初始化的兩張圖像重建出第一批3D點，然后用新配準的圖像與前一張圖像做三角化，重建新的3D點；

207)光束平差：對初始化兩張圖像的相機外參和已三角化的3D點做聯合優化，最小化重投影誤差平方和；

208)外點濾除：根據光束平差之后的重投影誤差統計，濾除部分平差后重投影誤差大于設定值的點；

209)圖像定向模型重建：通過圖像像點坐標與物方同名點坐標，確定像空間坐標系相對于物方坐標系之間為一個空間相似變換模型。

3.根據權利要求2所述的基于激光雷達點云數據輔助的單鏡頭三維圖像重構方法，其特征在于，在平差過程中，根據選權迭代的思想，對不同重投影誤差的點賦予不同的權重，重投影誤差越大，相對應的權重越小。

4.根據權利要求1所述的基于激光雷達點云數據輔助的單鏡頭三維圖像重構方法，其特征在于，采用剛性變換對圖像點云和激光雷達點云數據進行配準，包括：

采用基于特征的粗配準對圖像點云和激光雷達點云數據進行配準以獲取配準初值；

基于獲取的配準初值，對圖像點云和激光雷達點云數據進行迭代最近點算法循環迭代以實現高精度配準。

5.根據權利要求4所述的基于激光雷達點云數據輔助的單鏡頭三維圖像重構方法，其特征在于，基于特征的粗配準包括：基于點特征的配準、基于線特征的配準和基于面特征的配準。

6.根據權利要求4所述的基于激光雷達點云數據輔助的單鏡頭三維圖像重構方法，其特征在于，采用非剛性變換對圖像點云和激光雷達點云數據進行配準，包括：對畸變補償的殘差進行量化，在進行迭代最近點算法循環迭代時將畸變補償的殘差加入誤差函數中。

7.根據權利要求1所述的基于激光雷達點云數據輔助的單鏡頭三維圖像重構方法，其特征在于，在進行配準前，對激光雷達點云數據進行濾波、去噪、去除離群點和采樣處理。