[發(fā)明專利]林業(yè)無人機(jī)點(diǎn)云和地基點(diǎn)云無目標(biāo)自動(dòng)配準(zhǔn)方法及裝置

在審

• 申請?zhí)枺?/td>: 202211519817.0
• 申請日: 2022-11-30
• 公開（公告）號(hào): CN115937715A
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 聶勝;馮寶坤;王成;習(xí)曉環(huán);黎東
• 申請（專利權(quán)）人: 中國科學(xué)院空天信息創(chuàng)新研究院
• 主分類號(hào): G06V20/17
• 分類號(hào): G06V20/17;G06V20/10;G06V10/75;G06V10/762
• 代理公司: 北京億騰知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 陳霽

1.一種林業(yè)無人機(jī)點(diǎn)云和地基點(diǎn)云無目標(biāo)自動(dòng)配準(zhǔn)方法，其特征在于，包括以下步驟：

S1、針對來自地基激光掃描系統(tǒng)和無人機(jī)激光掃描系統(tǒng)這兩種數(shù)據(jù)源的林區(qū)點(diǎn)云，提取每種數(shù)據(jù)源的預(yù)設(shè)高度位置的點(diǎn)云切片，利用基于密度的噪點(diǎn)空間聚類算法DBSCAN處理所述點(diǎn)云切片，提取每種數(shù)據(jù)源的單木坐標(biāo)信息；

S2、基于由所述每種數(shù)據(jù)源的單木坐標(biāo)信息而構(gòu)成的星芒圖，確定所述兩種數(shù)據(jù)源之間具有對應(yīng)關(guān)系的點(diǎn)對，并基于所述點(diǎn)對求解初始變換矩陣；

S3、在所述初始變換矩陣的基礎(chǔ)上，采用迭代最近點(diǎn)ICP算法對所述點(diǎn)對進(jìn)行匹配，獲取最終變換矩陣；

S4、根據(jù)所述最終變換矩陣，基于無人機(jī)點(diǎn)云對地基點(diǎn)云進(jìn)行空間坐標(biāo)系轉(zhuǎn)換。

2.如權(quán)利要求1所述的方法，其特征在于，步驟S1具體包括：

S11、利用無人機(jī)激光掃描系統(tǒng)和地基激光掃描系統(tǒng)獲取林區(qū)點(diǎn)云數(shù)據(jù)；

S12、利用布料模擬濾波算法CSF將所述兩種數(shù)據(jù)源的點(diǎn)云分別分為地面點(diǎn)云和非地面點(diǎn)云，基于各自的地面點(diǎn)云得到歸一化點(diǎn)云；

S13、根據(jù)單木預(yù)設(shè)高度位置截取歸一化點(diǎn)云，得到切片點(diǎn)云；

S14、利用DBSCAN聚類算法分別從所述兩種數(shù)據(jù)源的切片點(diǎn)云中提取單木坐標(biāo)信息。

3.如權(quán)利要求2所述的方法，其特征在于，步驟S14中具體為：

S141、采用DBSCAN聚類方法處理每種數(shù)據(jù)源的點(diǎn)云切片，得到每顆單木的點(diǎn)云簇；

S142、以所述點(diǎn)云簇中點(diǎn)云平面坐標(biāo)的平均值作為每顆單木的坐標(biāo)位置。

4.如權(quán)利要求1所述的方法，其特征在于，步驟S2具體包括：

S21、分別從兩種數(shù)據(jù)源的單木坐標(biāo)信息中隨機(jī)選擇一顆單木的坐標(biāo)信息，依次連接同源數(shù)據(jù)中的每棵單木，構(gòu)成星芒圖；

S22、重復(fù)S21的步驟，直至構(gòu)建完成每種數(shù)據(jù)源中所有單木的星芒圖；

S23、通過兩種數(shù)據(jù)源中星芒圖的形狀確定星芒圖的對應(yīng)關(guān)系；

S24、基于所述對應(yīng)關(guān)系，采用最小二乘擬合方法求解初始變換矩陣。

5.如權(quán)利要求4所述的方法，其特征在于，步驟S23具體包括：

S231、將無人機(jī)點(diǎn)云中每木的星芒圖轉(zhuǎn)換為以每木為中心、以該星芒圖中最長邊為極軸的極坐標(biāo)系中，同時(shí)將地基點(diǎn)云每木的星芒圖也轉(zhuǎn)換到對應(yīng)的極坐標(biāo)中；

S232、從地基點(diǎn)云星芒圖中隨機(jī)選取一個(gè)星芒圖；

S233、從所有無人機(jī)點(diǎn)云星芒圖中匹配出與該地基點(diǎn)云星芒圖坐標(biāo)相同個(gè)數(shù)最多的無人機(jī)點(diǎn)云星芒圖，并統(tǒng)計(jì)其中坐標(biāo)相同個(gè)數(shù)的最大值N；

S234、重復(fù)S232和S233的步驟直至遍歷完成所有的地基星芒圖；

S235、從所有星芒圖匹配的結(jié)果中選擇最佳的三個(gè)結(jié)果作為確定地基點(diǎn)云和無人機(jī)點(diǎn)云對應(yīng)關(guān)系的點(diǎn)對。

6.如權(quán)利要求1所述的方法，其特征在于，步驟S3具體包括：

S31、將無人機(jī)點(diǎn)云的特征集作為初始點(diǎn)云特征集，并構(gòu)建對應(yīng)的k維空間Kd樹；

S32、基于所述Kd樹搜索初始點(diǎn)云特征集中對應(yīng)目標(biāo)點(diǎn)云特征集中的最鄰近點(diǎn)；所述目標(biāo)點(diǎn)云特征集為基于所述地基點(diǎn)云和所述初始變換矩陣所確定的粗匹配地基點(diǎn)云的特征集；

S33、計(jì)算最鄰近點(diǎn)對的相似度，選取閾值t，若相似度小于閾值，則記錄匹配點(diǎn)對，獲得匹配點(diǎn)對集；

S34、根據(jù)匹配點(diǎn)對集，利用奇異值分解法計(jì)算旋轉(zhuǎn)矩陣和平移矢量，進(jìn)而得到初始點(diǎn)云特征集一次變換后的坐標(biāo)；設(shè)置迭代次數(shù)n和收斂閾值，直至計(jì)算次數(shù)為n或迭代收斂則得到初始點(diǎn)云最后變換后的點(diǎn)集，收斂條件為兩次變換的匹配點(diǎn)集距離方差。

7.如權(quán)利要求6所述方法，其特征在于，步驟S32中，最鄰近點(diǎn)的判斷準(zhǔn)則為歐式距離。

8.如權(quán)利要求6所述的方法，其特征在于，步驟S33中的相似度判斷準(zhǔn)則分別是協(xié)方差矩陣的最小特征值和最鄰近點(diǎn)鄰域三角形邊長。