本发明专利技术提供了一种基于道路特征的高分辨遥感影像与激光点云配准方法及系统,包括步骤:步骤1,根据激光点云提取点云道路矢量线;步骤2,遥感影像的正射影像预处理获得二值化分割影像;步骤3,利用初始外方位元素将点云道路矢量线反投影到二值化分割影像,并采用矩形整体匹配法获得影像道路中心线;步骤4,以点云道路矢量线端点为地面控制点,以影像道路中心线端点为地面控制点的像点,实现激光点云与遥感影像的配准。本发明专利技术可实现多源数据间快速、自动化、高精度配准,为融合后地物提取、三维重建以及变化检测提供参考。
【技术实现步骤摘要】
【专利摘要】本专利技术提供了一种基于道路特征的高分辨遥感影像与激光点云配准方法及系统,包括步骤:步骤1,根据激光点云提取点云道路矢量线;步骤2,遥感影像的正射影像预处理获得二值化分割影像;步骤3,利用初始外方位元素将点云道路矢量线反投影到二值化分割影像,并采用矩形整体匹配法获得影像道路中心线;步骤4,以点云道路矢量线端点为地面控制点,以影像道路中心线端点为地面控制点的像点,实现激光点云与遥感影像的配准。本专利技术可实现多源数据间快速、自动化、高精度配准,为融合后地物提取、三维重建以及变化检测提供参考。【专利说明】基于道路特征的遥感影像与激光点云配准方法及系统
本专利技术属于遥感与摄影测量
,尤其涉及一种基于道路特征的遥感影像与 激光点云配准方法及系统。
技术介绍
无人驾驶飞机简称无人机(Unmanned Aerial Vehicle, UAV),是一种有动力、可控 制、能携带多种任务设备、执行多种任务,并能重复使用的无人驾驶航空器。通过无人驾驶 飞行器技术与遥感传感器技术、遥测遥控技术、通讯技术、GPS差分定位技术和遥感应用技 术相结合,无人机遥感系统可快速获取国土、资源、环境等的空间遥感信息,通过地面接收 站进行遥感数据处理从而实现自动化、智能化、专题化建模和分析。尤其是激光点云和影像 数据对目标的描述有诸多的互补性,使二者的融合处理对自动生成数字高程模型、城市建 模、目标识别等领域的应用大有裨益。由于制造与操作上原因,数码相机和激光扫描仪并非 严格意义上的统一坐标系,因此实现两种数据间的配准是二者集成应用前需要解决的首要 任务,具有十分重要的现实意义。 不同成像机理的传感器获得数据源间的自动配准,依然采用传统图像配准的四大 要素:配准基元、相似性测度、变换函数和匹配策略。目前,在激光点云数据与遥感影像的 配准方面,国内外学者进行了大量研究,配准方法主要分为两大类:其一是直接或间接在激 光点云数据和遥感影像间寻找同名特征实现配准;其二是利用两种数据间的互信息实现自 动配准,即,按照某原则计算两点集间的坐标转换函数,实现激光点云数据与遥感影像的配 准。对于建筑物密集的城市区域,由于激光点云数据的离散性和不均匀分布,提取到的建筑 物轮廓精确性与细节性不高;而又因为航空遥感影像存在遮挡,使得一些建筑物的结构边 和角点无法提取。针对该问题,本专利技术基于激光点云数据提取点云道路矢量线,以点云道路 矢量线为配准基元,采用改进的矩形整体匹配法自动提取遥感影像的道路信息,即实现点 云道路矢量线和影像道路中心线的匹配;最终,利用同名线特征端点重新计算遥感影像的 外方位元素,完成两种数据的配准。 文中涉及如下参考文献: Kumar Mishra R. A Review of Optical Imagery and Airborne LiDAR Data Registration Methods. The Open Remote Sensing Journal, 2012, 5:54-63. Habib A, Schenk T. A new approach for matching surfaces from laser scanners and optical scanners. International Archives of Photogrammetry and Remote Sensing, 1999, 32:3/W14-55-61. Mastin A, Kepner J, Fisher J. Automatic registration of LIDAR and optical images of urban scenes //Computer Vision and Pattern Recognition, 2009. CVPR 2009.IEEE Conference on.IEEE,2009:2639-2646. Deng F. Registration between Multiple Laser Scanner Data Sets · Laser Scanning, Theory and Applications, 2011:978-953. Pothou A, Karamitsos S, Georgopoulos A, et al. Assessment and comparison of registration algorithms between aerial images and laser point clouds//ISPRS, Symposium:,From sensor to imagery. 2006. 张永军,熊小东,沈翔.城区机载LiDAR数据与航空影像的自动配准.遥 感学报,2012, 16 (3) : 579-595. 徐景中,寇媛,袁芳,等.基于结构特征的机载LiDAR数据与航空影像自动 配准 ·红外与激光工程,2013, 42 (12) : 3501-3506. 张帆,黄先锋,李德仁.激光扫描与光学影像数据配准的研究进展.测绘 通报,2008 (2) :7-10.
技术实现思路
针对现有技术存在的不足,本专利技术提供了一种自动化程度强、配准精度高的基于 道路特征的遥感影像与激光点云配准方法及系统。 为解决上述技术问题,本专利技术采用如下的技术方案: 一、基于道路特征的高分辨遥感影像与激光点云配准方法,包括步骤: 步骤1,根据激光点云提取道路中心线,即点云道路矢量线; 步骤2,对遥感影像的正射影像进行阈值分割获得二值化影像,去除二值化影像中 的非道路噪声; 步骤3,利用无人机系统中初始外方位元素将点云道路矢量线反投影到步骤2获 得的二值化影像,从而获得二值化影像中的大致道路区域,在大致道路区域中采用矩形整 体匹配法获得影像道路中心线; 步骤4,以点云道路矢量线端点为地面控制点,以对应的影像道路中心线端点为地 面控制点的像点,重新解算遥感影像的外方位元素,实现激光点云与遥感影像的配准。 步骤1进一步包括子步骤: 1. 1预处理激光点云,获得激光点云的虚拟格网及激光点在虚拟格网中的索引; 1. 2采用基于虚拟格网的地形坡度滤波法滤除激光点云中的非地面点; 1. 3通过强度特征和面积特征约束去除激光点云中的非道路地面点; 1. 4从激光点云的道路点集中提取道路中心线,即点云道路矢量线。 子步骤1. 2具体为: 遍历虚拟格网获得各虚拟格网中高程最低点Emin ;针对各虚拟格网,分别计算当前 虚拟格网中高程最低点Επ?η与8个邻域虚拟格网中高程最低点的坡度,若坡度大于坡度阈 值,将当前虚拟格网内所有点作为非地面点并删除;否则,针对当前虚拟格网中各点,逐一 计算其与个邻域虚拟格网中高程最低点的坡度,将当前虚拟格网中坡度小于坡度阈值的点 作为地面点保留,其他点删除。 子步骤1. 4具体为: 采用a -shapes法提取道路点集的边界线,并栅格化边界线包含的区域,基于数 学形态学对栅格化后的区域进行细化获得初始道路中心线,对初始道路中心线进行拟合本文档来自技高网...
【技术保护点】
基于道路特征的高分辨遥感影像与激光点云配准方法,其特征在于,包括步骤:步骤1,根据激光点云提取道路中心线,即点云道路矢量线;步骤2,对遥感影像的正射影像进行阈值分割获得二值化影像,去除二值化影像中的非道路噪声;步骤3,利用无人机系统中初始外方位元素将点云道路矢量线反投影到步骤2获得的二值化影像,从而获得二值化影像中的大致道路区域,在大致道路区域中采用矩形整体匹配法获得影像道路中心线;步骤4,以点云道路矢量线端点为地面控制点,以对应的影像道路中心线端点为地面控制点的像点,重新解算遥感影像的外方位元素,实现激光点云与遥感影像的配准。
【技术特征摘要】
【专利技术属性】
技术研发人员:万幼川,何培培,秦家鑫,杨威,
申请(专利权)人:武汉大学,
类型:发明
国别省市:湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。