一种基于影像配准的建筑物高程提取方法技术

本发明专利技术公开了一种基于影像配准的建筑物高程提取方法。首先通过折反射全向成像系统得到建筑物的折反射全向图像，从Google Earth上下载对应的遥感图像。将折反射全向图像变换为平面图像，和遥感图像进行配准得到视点位置信息，利用这些信息提取建筑物的上下边界，最后基于边界信息计算建筑物的高度。本发明专利技术方法所需硬件设备简单，成本较低，且提取过程不需要人工干预，能够实现建筑物高程的自动获取，整个系统实用性强，便于推广。

【技术实现步骤摘要】

本专利技术属于基于图像的虚拟现实
，涉及建筑物高程的获取方法，特指一种基于影像配准的建筑物高程提取方法。
技术介绍
：近年来，随着遥感技术的飞速发展，航天飞机和卫星系统为人们提供了大量高分辨率对地观测数据。这些数据是我们建设数字地球、数字城市的信息源泉，也是当今空间信息的主要载体。以往在以城市地区为目标的影像分析中，通常只获取建筑物的平面信息，并不获取其高程信息。而随着数字城市的快速发展，人们对三维空间数据的信息需求越来越大，尤其是建筑物的高程信息的需求尤为突出。基于遥感图像的城市建筑物高程提取方法因此受到广泛的关注。目前获取建筑物高程的方法主要有以下几种方式：一是用人工的方式在测量工作站对遥感影像中的建筑物进行采集，记录其三维信息；二是利用遥感图像中的纹理、阴影等二维特征信息获取建筑物高程信息；三是遥感影像结合机载激光扫描系统获取建筑物高程信息。第一种方法耗费大量人工，且效率低下；第二种方法易受遥感图像质量的影像，准确度不高；第三种方法采集设备昂贵，处理方式比较复杂。
技术实现思路
本专利技术针对现有建筑物高程提取方法的不足，提出了一种基于影像配准的建筑物高程提取方法，利用多种传感器的互补特征综合提取有用信息。其基本思路是通过折反射全向成像系统得到对应建筑物的折反射全向图像，将其和遥感图像进行配准，利用配准信息计算建筑物高程，具体步骤如下：第一步，获取建筑物的折反射全向图像和遥感图像；通过折反射全向成像系统得到建筑物的折反射全向图像，从GoogleEarth上下载对应的遥感图像。第二步，将折反射全向图像和遥感图像进行配准，包括两个步骤：(1)根据折反射全向图像成像原理，以折反射曲面焦点O为虚拟视点，对折反射全向图像作投影变换，将其变换为平面图像，同时得到平面图像上对应视点的坐标；变换示意图如图3所示，以反射曲面底部圆心O′为原点，以相机光轴为Z轴建立直角坐标系。用P表示抛物面的高度，s表示虚拟视点距离抛物面顶点的距离，t表示投影平面(即投影水平成像面)距离抛物面顶点的距离，Q表示镜头光心距离抛物面顶点的距离，f表示相机的镜头焦距。反射曲面是一个旋转抛物面，截面方程为抛物线方程：y＝x2/a-P。a表示抛物线开口的大小，由折反射全向成像系统直接得到。任取折反射全向图像上一点B2，连接B2与相机光心F并延长，交反射曲面于点B3；连接虚拟视点O与点B3并延长，与投影水平成像面交于点B1，B1即为B2投影后的对应像素点；令点B1坐标为(x1,y1)，点B2坐标为(x2,y2)，两者的关系用公式表示如下：x2=ACA2+E2;y2=ECA2+E2]]>公式1其中通过公式1可以实现平面图像和折反射全向图像的互相转换。折反射图像的中心点即Z轴与其的交接点，投影到平面图像上也为Z轴与平面图像的交接点，此点即为平面图像的视点，用O2表示。(2)对变换后的平面图像和遥感图像进行图像配准，采用经典的基于SIFT特征进行配准的方法，平面图像的视点O2于遥感图像的对应点即为遥感图像的视点；由于SIFT特征对光照变化及尺度变化均具有很强的鲁棒性，图像配准大都选择SIFT特征。上述经典的基于SIFT特征进行配准的方法，步骤是：分别提取两幅图像的SIFT特征，得到两个特征点集F1、F2；对两个特征点集进行特征匹配，得到匹配上的特征点集对{(F1i,F2i)本文档来自技高网...

【技术保护点】
一种基于影像匹配的建筑物高程提取方法，其特征在于，包括以下步骤：S1.获取建筑物的折反射全向图像和相应的遥感图像通过折反射全向成像系统得到建筑物的折反射全向图像，从Google Earth上下载对应的遥感图像；S2.将S1中的折反射全向图像和遥感图像进行配准S2.1根据折反射全向图像成像原理，以折反射曲面焦点O为虚拟视点，对折反射全向图像作投影变换，将其变换为平面图像，同时得到平面图像上对应视点的坐标；以反射曲面底部圆心O′为原点，以相机光轴为Z轴建立直角坐标系；用P表示抛物面的高度，s表示虚拟视点距离抛物面顶点的距离，t表示投影平面距离抛物面顶点的距离，Q表示镜头光心距离抛物面顶点的距离，f表示相机的镜头焦距；反射曲面是一个旋转抛物面，截面方程为抛物线方程：y＝x2/a‑P；其中：a表示抛物线开口的大小，由折反射全向成像系统直接得到；任取折反射全向图像上一点B2，连接B2与相机光心F并延长，交反射曲面于点B3；连接虚拟视点O与点B3并延长，与投影水平成像面交于点B1，B1即为B2投影后的对应像素点；令点B1坐标为(x1,y1)，点B2坐标为(x2,y2)，两者的关系用公式表示如下：其中通过公式1能够实现平面图像和折反射全向图像的互相转换；折反射图像的中心点即Z轴与其的交接点，投影到平面图像上也为Z轴与平面图像的交接点，此点即为平面图像的视点，用O2表示；S2.2对变换后的平面图像和遥感图像进行图像配准采用经典的基于SIFT特征进行配准的方法，得到平面图像视点在遥感图像上的对应点，即为遥感图像的视点；S3利用配准信息获取建筑物的下边界S3.1用配准得到的视点信息把遥感图像变换为折反射全向图像；相当于把遥感图像看成平面物体，在视点位置的正上方用折反射全向成像系统进行拍摄，获取一幅新的折反射全向图像，以遥感图像作为拍摄景物的折反射成像过程相当于S2.1的逆过程，中间的投影平面在这里为遥感图像，任取遥感图像上一点B1′，连接B1′与虚拟视点O，交反射曲面于点B3′；连接点B3′与相机光心F并延长，与折反射全向图像交于点B2′，B2′即为B1′变换后的对应像素点；将遥感图像变换得到折反射图像，其变换过程依然可用公式1表示；S3.2将遥感图像变换得到的折反射图像和S1中的折反射全向图像按像素求差，得到差值图像，根据差值图像的取值特性确定建筑物的下边界；对于差值图像，设置一个固定阈值，像素值小于阈值的连续区域作为地面区域；地面区域的外边界即为建筑物下边界线；S4.获取建筑物上边界S4.1提前训练一个识别天空和非天空的两类问题分类器：选择任意地点的100幅折反射全向图像，对它们进行图像分割，将所有分割区域分为天空和非天空两类，用颜色、位置、占图像百分比和纹理作为分类特征，训练一个线性分类器；S4.2对S1中得到的折反射全向图像进行图像分割，对每个分割区域用训练好的线性分类器进行分类，将分类结果为天空的区域的上边界记为候选天空边界；S4.3结合S3中得到的建筑物下边界，认为建筑物下边界正外面的天空边界才是天空与建筑物相接的地方，在候选天空边界中进行选择，获得最终的建筑物上边界；S5.基于上下边界信息计算建筑物的高度S5.1基于建筑物的上、下边界信息计算建筑物的水平信息建筑物上下边界提取完成后，O’为相机光心对应像点，过O’作射线分别交建筑物下边界线和天空边界线于N2和N1，记为折反射全向图中的下边界点和上边界点，其所对应的实际建筑物下边界点和上边界点分别是M2和M1；建立的直角坐标系，横坐标与地面平行，纵坐标与地面垂直；反射面的纵截面是抛物线曲面，方程为y＝ax2；F表示相机光心，f为焦距，相机光心到抛物面顶点的距离LT和反射面距离地面的高度HT都是已知的；点F和下边界点N2的连线为反射直线SL2，与反射面相交于点G2，对应的入射直线SL1为建筑物在实际空间中的下边界点M2和G2的连线；建筑物 的高度等于上边界点M1的纵坐标加上反射面的高度HT，所以只需要求得M1点的纵坐标即可；反射直线SL2上点F坐标为(0,‑LT)，点N2的即为下边界点其坐标(i,j)均已知，计算可得反射直线SL2的直线方程和斜率联合直线SL2方程和抛物面方程y＝ax2可以求得交点G2的坐标(xG2,yG2)：求得抛物线在点G2处的切线斜率：tanβ＝2axG2；根据光线反射定律，入射角等于反射角，可推出入射直线SL1的斜率k＝tan(2β‑α)，根据斜率和点G2，可得入射直线SL1的方程y＝kx+(yG2‑kxG2)，然后令y＝‑HT带入直线方程，可以得到下边界点M2的横坐标，这里用WT表示：WT＝(yG2‑kxG2+HT)/k；S5.2基于上下边界信息和建筑物的水平信息计算建筑物的高程信息；反射面的纵截面是抛物线曲面，方程为y＝ax2；相机光心F到抛物面顶点的距离LT...

【技术特征摘要】
1.一种基于影像匹配的建筑物高程提取方法，其特征在于，包括以下步骤：
S1.获取建筑物的折反射全向图像和相应的遥感图像
通过折反射全向成像系统得到建筑物的折反射全向图像，从GoogleEarth上下载对应
的遥感图像；
S2.将S1中的折反射全向图像和遥感图像进行配准
S2.1根据折反射全向图像成像原理，以折反射曲面焦点O为虚拟视点，对折反射全向图
像作投影变换，将其变换为平面图像，同时得到平面图像上对应视点的坐标；
以反射曲面底部圆心O′为原点，以相机光轴为Z轴建立直角坐标系；用P表示抛物面的
高度，s表示虚拟视点距离抛物面顶点的距离，t表示投影平面距离抛物面顶点的距离，Q表
示镜头光心距离抛物面顶点的距离，f表示相机的镜头焦距；
反射曲面是一个旋转抛物面，截面方程为抛物线方程：y＝x2/a-P；其中：a表示抛物线开
口的大小，由折反射全向成像系统直接得到；
任取折反射全向图像上一点B2，连接B2与相机光心F并延长，交反射曲面于点B3；连接虚
拟视点O与点B3并延长，与投影水平成像面交于点B1，B1即为B2投影后的对应像素点；
令点B1坐标为(x1,y1)，点B2坐标为(x2,y2)，两者的关系用公式表示如下：
其中
通过公式1能够实现平面图像和折反射全向图像的互相转换；
折反射图像的中心点即Z轴与其的交接点，投影到平面图像上也为Z轴与平面图像的交
接点，此点即为平面图像的视点，用O2表示；
S2.2对变换后的平面图像和遥感图像进行图像配准
采用经典的基于SIFT特征进行配准的方法，得到平面图像视点在遥感图像上的对应
点，即为遥感图像的视点；
S3利用配准信息获取建筑物的下边界
S3.1用配准得到的视点信息把遥感图像变换为折反射全向图像；
相当于把遥感图像看成平面物体，在视点位置的正上方用折反射全向成像系统进行拍
摄，获取一幅新的折反射全向图像，以遥感图像作为拍摄景物的折反射成像过程相当于
S2.1的逆过程，中间的投影平面在这里为遥感图像，任取遥感图像上一点B1′，连接B1′与虚
拟视点O，交反射曲面于点B3′；连接点B3′与相机光心F并延长，与折反射全向图像交于点
B2′，B2′即为B1′变换后的对应像素点；将遥感图像变换得到折反射图像，其变换过程依然可
用公式1表示；
S3.2将遥感图像变换得到的折反射图像和S1中的折反射全向图像按像素求差，得到差
值图像，根据差值图像的取值特性确定建筑物的下边界；
对于差值图像，设置一个固定阈值，像素值小于阈值的连续区域作为地面区域；地面区
域的外边界即为建筑物下边界线；
S4.获取建筑物上边界
S4.1提前训练一个识别天空和非天空的两类问题分类器：选择任意地点的100幅折反
射全向图像，对它们进行图像分割，将所有分割区域分为天空和非天空两类，用颜色、位置、
占图像百分比和纹理作为分类特征，训练一个线性分类器；
S4.2对S1中得到的折反射全向图像进行图像分割，对每个分割区域用训练好的线性分

【专利技术属性】
技术研发人员：黄俊仁，
申请(专利权)人：湖南优象科技有限公司，
类型：发明
国别省市：湖南;43