[發明專利]激光點云與序列全景影像自動配準方法

在審

• 申請號: 202011625760.3
• 申請日: 2020-12-31
• 公開（公告）號: CN112767461A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 陳馳
• 申請（專利權）人: 武漢大學
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06K9/62;G06T7/10;G06T7/80
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

針對無人機/車載移動測量激光點云與序列全景影像數據質量、精度、空間數據基準不統一、多源成像數據之間存在配準誤差的問題，本發明提出一種自動配準方法——基于SFGM(Space Fingerprint Graph Matching，空間指紋圖匹配)實現激光點云與序列全景影像的自動配準方法，在配準基元提取的基礎上，以空間指紋圖方法實現同名匹配，繼而由粗到精兩步實現穩健配準，突破點云與影像自動數據配準的技術瓶頸。本發明成果為多源空間數據聯合分析與處理奠定堅實數據基礎，服務于基礎測繪、智慧城市、導航與位置服務等領域。

技術領域

本發明屬于無人機/車載移動測量數據融合中自動數據配準的應用，提出一種全新的激光點云與序列全景影像自動配準方法——SFGM(Space Fingerprint GraphMatching，空間指紋圖匹配)配準方法。

技術背景

集成LiDAR(Light Detection and Ranging，激光測距)、全景相機等多傳感器的無人機/車載MMS(Mobile Mapping System，移動測量系統)為遙感對地觀測提供了一種新的技術手段，在觀測方向、數據分辨率等方面擴展了傳統攝影測量與遙感數據，使得低空頂面與全景、街景側面與全景的多角度、高分辨率、多源數據獲取成為可能，為城市場景建模、目標提取與識別提供了多樣化的數據源。

激光點云數據與影像融合處理是當前攝影測量與遙感領域的一個研究熱點。無人機/車載MMS的多源數據配準問題是其數據融合的技術瓶頸，很大程度上制約了融合多源數據的分類、識別、建模方法在移動測量平臺上的應用與發展，是迫切需要解決的重要研究問題。無人機/車載MMS上的LiDAR點云數據與序列全景影像的融合是實現三維激光點云與影像數據兩者優勢互補的必然。相較于成熟的星載/大航空攝影測量與遙感頂面數據配準方法研究，目前，鮮見無人機/車載MMS數據配準相關研究。因此，迫切需要一種激光點云與序列全景影像數據魯棒配準方法，以達到數據空間基準統一、幾何、光譜信息融合等，從而進一步實現多源、多維、多視角、高分辨率無人機/車載MMS數據的聯合處理。

國內外學者針對有人機載、星載、地面固定站激光掃描數據與影像的配準方法開展了大量的研究，但在無人機/車載MMS序列全景影像與激光點云的自動配準方面，國內外鮮有研究成果報告。不局限于數據類型與采集平臺，現有的配準方法主要分為四類，即：①多傳感器標定的方法；②幾何特征匹配的2D-3D配準算法；③互信息最大化的2D-3D配準算法；④影像密集點云與激光點云配準的3D-3D配準算法。

多傳感器標定的方法主要用于消除同一系統中不同遙感傳感器之間的安置誤差帶來的數據配準誤差，是傳統攝影測量與遙感傳感器平臺上常用的數據配準方法，主要通過實驗室標定與室外檢校場標定相結合的方法解算多傳感器之間的安置位置參數。無地面檢校場多傳感器安置誤差半自動檢校方法近年來亦得到廣泛研究，但由于無人機/車載MMS誤差來源多樣，尚未見無地面檢校場的多傳感器標定方法在其多傳感器檢校中應用。無人機MMS多搭載消費級相機、手機等非專業傳感器，其控制精度遠遜于專業級航測儀。由于非專業相機未知曝光延遲時間、系統標定誤差、多傳感器之間的時間同步誤差難以完全消除，加之輕小型POS數據精度不足等原因，通過多傳感器同步以及標定的方法難以獲得高精度數據配準結果。

幾何特征匹配的2D-3D配準方法是Palenichka配準方法分類法中基于特征的配準算法中的代表算法。該類方法的基本原理是利用激光點云與二維光學影像中共軛的幾何特征求解影像的外方位元素實現兩者間的配準。點、線、面、體等多種幾何基元均可以作為配準基元，形成共軛配準基元對。and Haggrén(2012)研究成果表明，使用人工構筑物(Artificial Features)進行數據配準融合精度高于使用自然地物(例如：樹冠)。因此，下文所論述的相關研究工作均以人工構筑物作為配準基元。