[發(fā)明專利]一種水上交通環(huán)境中雷達(dá)點(diǎn)云與影像數(shù)據(jù)的融合方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110474363.9
• 申請(qǐng)日: 2021-04-29
• 公開（公告）號(hào): CN113177593B
• 公開（公告）日: 2023-10-27
• 發(fā)明（設(shè)計(jì)）人: 劉濤;李帥;雷正玲;孟威;高進(jìn);閆化然
• 申請(qǐng)（專利權(quán)）人: 上海海事大學(xué)
• 主分類號(hào): G06V10/80
• 分類號(hào): G06V10/80;G06T7/13;G06T7/70
• 代理公司: 太原申立德知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 14115
• 代理人: 郭海燕

1.一種水上交通環(huán)境中雷達(dá)點(diǎn)云與影像數(shù)據(jù)的融合方法，其特征在于，包括以下步驟：

步驟1，圖像數(shù)據(jù)預(yù)處理：包括將相機(jī)采集到的影像數(shù)據(jù)，生成對(duì)應(yīng)的二值化影像數(shù)據(jù)；通過高斯濾波算法進(jìn)行降噪處理；利用最大類間方差法進(jìn)行影像分割；通過Canny算法進(jìn)行邊緣提?。?/p>

步驟2，點(diǎn)云數(shù)據(jù)生成與組織：對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換和3DTiles金字塔空間結(jié)構(gòu)切片；

步驟3，影像像素地理位置標(biāo)定：通過已知的影像分辨率大小和對(duì)應(yīng)地理空間中的經(jīng)緯度范圍，利用線性插值方法計(jì)算影像像素的經(jīng)緯度位置；

步驟4，基于最小二乘方法，構(gòu)建匹配目標(biāo)函數(shù)并求解融合矩陣；

步驟5，自反饋調(diào)整點(diǎn)云模型和影像的角度誤差：通過比較點(diǎn)云數(shù)據(jù)軸線向量和對(duì)應(yīng)影像邊線向量所構(gòu)成的夾角與設(shè)定閾值的大小，迭代式構(gòu)造匹配矩陣，進(jìn)行自反饋調(diào)節(jié)，減小誤差；

步驟6，融合結(jié)果可視化：將最終的融合結(jié)果通過三維可視化平臺(tái)Cesium展示，獲得融合結(jié)果的可視化。

2.根據(jù)權(quán)利要求1所述的一種水上交通環(huán)境中雷達(dá)點(diǎn)云與影像數(shù)據(jù)的融合方法，其特征在于，所述步驟1中二值化影像數(shù)據(jù)生成的過程為：利用加權(quán)平均的方法對(duì)影像進(jìn)行灰度化處理，所述加權(quán)平均方法計(jì)算如下：

Gray(i,j)＝W_r*R(i,j)+W_g*G(i,j)+W_b*B(i,j) (1)

式中，W_r，W_g，W_b分別為三個(gè)通道的權(quán)重，R(i,j)，G(i,j)，B(i,j)分別為影像像素點(diǎn)(i,j)的R、G、B三通道的顏色值，根據(jù)重要相關(guān)程度不同，賦予不同的權(quán)值。

3.根據(jù)權(quán)利要求1所述的一種水上交通環(huán)境中雷達(dá)點(diǎn)云與影像數(shù)據(jù)的融合方法，其特征在于，所述步驟1中高斯濾波降噪處理的過程為：采用均值為0的二維高斯濾波器，卷積窗口大小為(2K+1)*(2K+1)，其中(2K+1)為高斯核徑向值，K為可調(diào)節(jié)參數(shù)，取值為非零正整數(shù)，將待處理圖像與模板進(jìn)行迭代卷積，遍歷整幅圖像，從而實(shí)現(xiàn)對(duì)整幅圖像的加權(quán)平均，模板中某位置(i，j)處的像素值為：

其中，σ為方差待調(diào)參數(shù)，f(i,j)為像素點(diǎn)(i,j)處的像素值。

4.根據(jù)權(quán)利要求1所述的一種水上交通環(huán)境中雷達(dá)點(diǎn)云與影像數(shù)據(jù)的融合方法，其特征在于，所述步驟1中利用最大類間方差法進(jìn)行影像分割的具體過程為：

采用最大類間方差法區(qū)分后景和前景，設(shè)影像的灰度級(jí)為I，I的取值范圍為1～255，T為分割前景和后景的灰度值，該值將圖像區(qū)分為前景[1,2,3,...,T]和后景[T+1,...,I]，確定T值的計(jì)算方法如下：

前景概率：前景平均灰度：

后景概率：后景平均灰度：

影像全局灰度均值為：f_(T)＝p₁*(μ₁-μ)²+p₂*(μ₂-μ)²，

其中，表示各灰度值i的概率，n_i表示灰度值為i的像素點(diǎn)數(shù)，W表示影像總像素點(diǎn)數(shù)，f_(T)為類間方差，當(dāng)該值最大時(shí)，此時(shí)的T為最佳閾值。

5.根據(jù)權(quán)利要求1所述的一種水上交通環(huán)境中雷達(dá)點(diǎn)云與影像數(shù)據(jù)的融合方法，其特征在于，所述步驟1中通過Canny算法進(jìn)行邊緣提取的步驟包括：

步驟5.1，計(jì)算梯度幅值和方向，求像素點(diǎn)的局部最大值，其中梯度的模長(zhǎng)為：

方向?yàn)椋害龋絘tan2(L_x,L_y) (4)

式中，L_x，L_y代表的是水平和垂直兩個(gè)方向的差分，θ的取值為[-π,π]；

步驟5.2，通過比較像素點(diǎn)灰度值和設(shè)定的強(qiáng)、弱邊緣閾值的大小，確定是否為邊緣，若梯度值大于強(qiáng)邊緣閾值，則認(rèn)為該像素點(diǎn)是強(qiáng)邊緣點(diǎn)，將該像素點(diǎn)識(shí)別為邊緣信息；若梯度值在強(qiáng)邊緣閾值和弱邊緣閾值之間，則認(rèn)為該像素點(diǎn)是弱邊緣點(diǎn)，保留該像素點(diǎn)；若梯度值小于弱邊緣閾值，則抑制該像素點(diǎn)。