[發明專利]一種激光雷達數據和高光譜圖像的點云級融合方法

有效

• 申請號: 202011010352.7
• 申請日: 2020-09-23
• 公開（公告）號: CN112130169B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 趙艮平;陳立宜;王卓薇;吳衡;程良倫
• 申請（專利權）人: 廣東工業大學
• 主分類號: G01S17/89
• 分類號: G01S17/89;G01S17/933
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 沈闖

1.一種激光雷達數據和高光譜圖像的點云級融合方法，其特征在于，包括：

獲取激光雷達數據以及高光譜圖像數據；

對所述激光雷達數據以及所述高光譜圖像數據進行預處理；

將預處理過的所述激光雷達數據以及所述高光譜圖像數據進行分割，分割成同質區域以及異質區域；

將所述同質區域中距離凸面單形體中心點最遠的端元作為所述同質區域的代表端元，將所述代表端元結合所述異質區域的端元組合成初始的端元矩陣；

對混合光譜進行非負矩陣分解得到初始的豐度矩陣；

構建非負矩陣解混目標函數，迭代更新所述豐度矩陣以及所述端元矩陣；

對更新后的所述端元矩陣中大于預置的豐度閾值的數據向量作為最終端元，得到最終端元矩陣；

在固定所述最終端元矩陣的前提下，對更新后的所述豐度矩陣進行優化，得到最終豐度矩陣；

根據高光譜圖像數據的所述最終豐度矩陣的豐度信息，采用雙線性內插法獲得對應的激光雷達數據的豐度矩陣；

利用所述激光雷達數據的豐度矩陣與所述最終端元矩陣進行融合，得到高光譜點云。

2.根據權利要求1所述的激光雷達數據和高光譜圖像的點云級融合方法，其特征在于，在所述獲取激光雷達數據以及高光譜圖像數據之前，還包括：

將激光雷達傳感器、高光譜圖像傳感器及定位系統傳感器的坐標原點安裝固定在同一點。

3.根據權利要求1所述的激光雷達數據和高光譜圖像的點云級融合方法，其特征在于，所述對所述激光雷達數據以及所述高光譜圖像數據進行預處理，包括：

對所述激光雷達數據進行幾何校準，對所述高光譜圖像數據進行輻射校準。

4.根據權利要求3所述的激光雷達數據和高光譜圖像的點云級融合方法，其特征在于，在所述對所述激光雷達數據進行幾何校準，對所述高光譜圖像數據進行輻射校準之后，還包括：

采用光線追蹤將高光譜圖像數據與對應的激光雷達數據進行空間對齊。

5.根據權利要求4所述的激光雷達數據和高光譜圖像的點云級融合方法，其特征在于，在所述采用光線追蹤將高光譜圖像數據與對應的激光雷達數據進行空間對齊之后，還包括：

對激光雷達傳感器以及高光譜圖像傳感器進行光譜適應，使得激光雷達傳感器以及高光譜圖像傳感器在光譜上對齊。

6.根據權利要求1所述的激光雷達數據和高光譜圖像的點云級融合方法，其特征在于，所述對混合光譜進行非負矩陣分解得到初始的豐度矩陣，具體為：

線性混合模型將混合光譜表示為：

Y_i＝WH_i+N_i

其中Y_i∈R^L*1表示第i個像素中測得的混合光譜，W∈R^L*M是M個端元矩陣，即為所述初始端元矩陣，H_i∈R^M*1表示各端元在混合光譜中所占豐度分數，N_i∈R^L*1是與建模誤差和噪聲；

對混合光譜進行非負矩陣分解得到初始的豐度矩陣。

7.根據權利要求1所述的激光雷達數據和高光譜圖像的點云級融合方法，其特征在于，所述構建非負矩陣解混目標函數，迭代更新所述豐度矩陣以及所述端元矩陣，具體為：

s.t.W_I≥0,H_I≥0

其中，

式中，φ(.)是全變差正則化函數以約束豐度圖的空間相干性；Y_H為混合光譜；W_I，H_I分別是所述端元矩陣和豐度矩陣；ω_ij是描述豐度矢量h_i和h_j之間的空間相似性的權重；e_i和e_j是與由數字表面模型提供的第i個和第j個像素相關聯的高度，Q_i是歸一化常數，確?！?Sub>j∈N(i)ω_ij＝1，并且是控制權重范圍的參數。

8.根據權利要求1所述的激光雷達數據和高光譜圖像的點云級融合方法，其特征在于，在所述根據高光譜圖像數據的所述最終豐度矩陣的豐度信息，采用雙線性內插法獲得對應的激光雷達數據的豐度矩陣之后，還包括：

根據高光譜圖像的所述最終端元矩陣獲得對應的激光雷達數據的端元矩陣。