一种基于点云特征提取与配准融合方法技术

本发明专利技术涉及点云特征配准的技术领域，具体涉及一种基于点云特征提取与配准融合方法，包括以下步骤：采集点云样本数据进行预处理，构建点云数据库；提取点云数据库中的点云主动形状模型的全局特征和局部二元模式的局部特征的点云融合特征；标准化主动形状模型的全局特征和局部二元模式的局部特征，利用最优迭代策略进行串联配准融合，生成最终的点云融合特征数据。本发明专利技术的基于点云特征提取与配准融合方法解决了异源数据差异情况影响后续特征融合提取一致性的问题，提高了点云数据特征提取与配准融合的精确度。配准融合的精确度。配准融合的精确度。

【技术实现步骤摘要】
一种基于点云特征提取与配准融合方法


[0001]本专利技术涉及点云特征配准的
，尤其涉及一种基于点云特征提取与配准融合方法。

技术介绍

[0002]激光探测与测距LiDAR(Light Detection AndRanging)技术在过去20年获得了巨大发展，作为一种主动遥感技术，LiDAR通过发射激光脉冲并接收目标反射信号来直接确定目标的空间位置，具有数据采集速度快、几何定位精度高等优点。而传统的光学影像能获得丰富的地物光谱信息和纹理细节，将2种数据结合可以充分发挥各自的优势，并广泛应用于数字城市、灾害评估、精准农业和林业等领域，取得了巨大的社会经济效益。但是激光点云和光学影像的几何参考框架不同，二者之间往往不能直接精确对准。为了实现二者的有效融合与应用，必须首先解决二者之间的几何配准问题。与传统的图像配准问题相比，激光点云与光学影像是二种跨模态(cross-modal)异源数据，二者之间的巨大差异给配准问题带来了很大困难。学者们对点云与影像配准问题开展了多年研究，并提出了一系列的算法，但在配准精度、鲁棒性以及自动化水平等方面还存在局限性，有必要对现有的研究进展进行梳理。
[0003]中国专利CN103345757A公开了一种多层次多特征约束下的光学和SAR影像自动配准方法，但这种属于传统的光学影像配准，如果直接运用在点云与影像的配准会给同名观测值的确定造成了很大困难。

技术实现思路

[0004]为了解决现有技术所存在的问题，本专利技术提供了一种基于点云特征提取与配准融合方法，能够解决现有异源数据配准精确度不高且有差异的问题。
[0005]为解决上述技术问题，本专利技术提供以下技术方案：
[0006]一种基于点云特征提取与配准融合方法，包括以下步骤：
[0007]采集点云样本数据进行预处理，构建点云数据库；
[0008]提取点云数据库中的点云主动形状模型全局特征和局部二元模式局部特征的点云融合特征；
[0009]标准化主动形状模型的全局特征与局部二元模式的局部特征，利用最优迭代策略进行串联配准融合，生成最终的点云融合特征数据。
[0010]进一步的，提取点云融合特征的步骤包括：
[0011]确定主动形状模型的目标点位置，提取主动形状模型的全局特征；
[0012]利用目标点位置划分子区域，提取局部二元模式的局部特征。
[0013]进一步的，点云样本数据包括，时间数据、激光距离测量值、机载GPS数据、IMU数据和地面基站GPS数据。
[0014]进一步的，预处理的步骤包括：
[0015]利用机载激光雷达测量系统自带软件对地面基站测得的GPS和机载GPS测量数据进行联合差分解算，确定飞机扫描过程中的飞行轨迹；
[0016]根据吊舱码盘角度、GPS天线相位中心与IMU几何中心的偏心分量，利用系统软件将差分后的航迹进行杆臂补偿，解算出IMU几何中心的航迹；
[0017]IMU几何中心航迹与IMU姿态进行联合式组合导航解算，得到航迹和姿态角；
[0018]利用系统软件将组合导航解算的结果和采集到的原始点云数据进行联合处理，得到各测点的(X，Y，Z)坐标数据，获得具有三维坐标、姿态空间信息数据的激光点云数据；
[0019]将激光点云数据从瞬时激光光束坐标系转换到WG84坐标系，利用系统点云处理软件对激光点云数据进行编辑，剔除空中因灰尘、鸟类引起的噪声点和孤立点。
[0020]进一步的，还包括：
[0021]根据预处理后的点云数据获得主动形状模型的目标点位置；
[0022]以曲率的突变处作为参考点，计算点云数据剩余目标点到目标点的相对距离和角度；
[0023]利用矢量拼接策略将点云数据生目标点到参考点的相对距离和角度整合得到多维的全局特征向量。
[0024]进一步的，划分子区域的步骤包括：
[0025]根据目标点划分子区域，将点云数据中心点的灰度值作为阈值；
[0026]对相邻点进行二值化处理，得到子区域的局部二元模式特征值；
[0027]旋转不变形转化局部二元模式特征值，得到旋转不变形转化后的局部二元模式特征值；
[0028]分别统计各个子区域经旋转不变形转化后局部二元模式特征值的十进制结果，并进行矢量拼接，组合成多维度的子区域局部二元模式的局部特征。
[0029]进一步的，生成最终的点云融合特征数据的步骤包括：
[0030]确定目标点特征在参考点范围后，构建一组同名点集(P，Pn)、(Q，Qn)；
[0031]对主动形状模型的配准结果进行整体平差计算，获取配准结果，并得到初次误差值；
[0032]迭代地进行特征点精确配准，直至误差小于设定阈值，呈收敛趋势，计算结束，输出最终结果，得到点云融合特征数据。
[0033]进一步的，最优迭代策略包括：
[0034][0035]其中，N为可行解集合，i∈N表示点云数据特征点i，N
N
为该集合中曲率突变处的总数，即目标参考点数量，为优化配准融合指标。
[0036]进一步的，还包括以下步骤：
[0037]利用应用环境将点云数据目标点程序化；
[0038]调用多目标算法并关联程序化后的点云数据目标点；
[0039]利用多目标优化策略将初步判断结果产生的变量赋值到主动形状模型内进行求解计算；
[0040]获得多组满足约束条件的可行解并加以比较，求得最优解；
[0041]重复多次计算，得到可行解集合及Pareto最优解集；
[0042]提取解集中最佳解作为最终的判断优化结果，输出优化后的目标信息，完成迭代优化。
[0043]相对于现有技术，本专利技术的有益效果为：
[0044]本专利技术一方面通过预处理，减少点云数据对采集数据的要求，解决了异源数据差异情况影响后续特征融合提取一致性的问题；另一方面通过主动形状模型全局特征和最优迭代策略描述点云数据整体差异、局部二元模式特征描述子区域细节差异，通过融合两组特征，解决了当前现有技术人员点云特征区分度低、稳定性差的问题，提高了点云数据特征提取与配准融合的精确度。
附图说明
[0045]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0046]图1为本专利技术的基于点云特征提取与配准融合方法的流程示意图；
[0047]图2为本专利技术的基于点云特征提取与配准融合方法的点云特征配准融合算法流程示意图。
具体实施方式
[0048]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本专利技术的具体实施方式做详细的说明，显然所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云特征提取与配准融合方法，其特征在于，包括以下步骤：采集点云样本数据进行预处理，构建点云数据库；提取点云数据库中的点云主动形状模型的全局特征和局部二元模式的局部特征的点云融合特征；标准化主动形状模型的全局特征和局部二元模式的局部特征，利用最优迭代策略进行串联配准融合，生成最终的点云融合特征数据。2.根据权利要求1所述的基于点云特征提取与配准融合方法，其特征在于，提取点云融合特征的步骤包括：确定主动形状模型的目标点位置，提取主动形状模型的全局特征；利用目标点位置划分子区域，提取局部二元模式的局部特征。3.根据权利要求1或2所述的基于点云特征提取与配准融合方法，其特征在于，点云样本数据包括：时间数据、激光距离测量值、机载GPS数据、IMU数据和地面基站GPS数据。4.根据权利要求3所述的基于点云特征提取与配准融合方法，其特征在于，预处理的步骤包括：利用机载激光雷达测量系统自带软件对地面基站测得的GPS和机载GPS测量数据进行联合差分解算，确定飞机扫描过程中的飞行轨迹；根据吊舱码盘角度、GPS天线相位中心与IMU几何中心的偏心分量，利用系统软件将差分后的航迹进行杆臂补偿，解算出IMU几何中心的航迹；IMU几何中心航迹与IMU姿态进行联合式组合导航解算，得到航迹和姿态角；利用系统软件将组合导航解算的结果和采集到的原始点云数据进行联合处理，得到各测点的(X，Y，Z)坐标数据，获得具有三维坐标、姿态空间信息数据的激光点云数据；将激光点云数据从瞬时激光光束坐标系转换到WG84坐标系，利用系统点云处理软件对激光点云数据进行编辑，剔除空中因灰尘、鸟类引起的噪声点和孤立点。5.根据权利要求2所述的基于点云特征提取与配准融合方法，其特征在于，还包括：根据预处理后的点云数据获得所述主动形状模型的所述目标点位置；以曲率的突变处作为参考点，计算点云数据剩余目标点到目标点的相对距离和角度；利用矢量拼接策略将...

【专利技术属性】
技术研发人员：原瀚杰，陈泽佳，郑耀华，邓浩光，李焕能，李俊宏，陆勇生，
申请(专利权)人：广东电网有限责任公司肇庆供电局，
类型：发明
国别省市：