一种融合影像信息的摄影测量点云滤波方法技术

本发明专利技术公开了一种融合影像信息的摄影测量点云滤波方法，其整体流程为：首先融合影像和摄影测量点云高程多源信息；再引入新型分类器对融合影像进行分类，其分类结果作为知识引导用于点云滤波中，即将分类专题图与摄影点云叠加以过滤非地面点，实现点云滤波并生成数字高程模型；本发明专利技术克服了传统点云滤波算法通用性差，滤波效果受限于参数设置，且均未利用生成点云的影像信息等问题，利用该点云滤波方法生成的DEM与参考DEM呈现高度相关性，可大大减少生产DEM人工后处理的工作量。少生产DEM人工后处理的工作量。少生产DEM人工后处理的工作量。

【技术实现步骤摘要】
一种融合影像信息的摄影测量点云滤波方法


[0001]本专利技术涉及一种摄影测量点云滤波方法，尤其涉及一种融合影像信息的摄影测量点云滤波方法。

技术介绍

[0002]数字高程模型(digitalelevation model,DEM)作为4D产品之一，在测绘、国土和国防建设等领域有着广泛的应用。现阶段国土调查和测图等工作中均使用测绘卫星或航空影像作为数据源，利用影像匹配技术获取摄影测量点云，经过后期处理生成DEM。而在测图自动化程度较高的生产流程中，摄影测量点云自动滤波技术仍不成熟，DEM后期处理需花费大量人力物力，因此研究高效、快速、适用性强的摄影测量点云滤波方法具有重要意义。
[0003]传统的点云滤波算法大多数针对LiDAR点云设计，已提出的LiDAR点云滤波算法主要有基于坡度的滤波算法、基于数学形态学的方法和基于表面的滤波算法几类，上述点云滤波算法虽然在特定的条件下取得了较好的滤波效果，但存在针对不同场景时适用性不强、算法参数通用性差等问题。摄影测量点云依赖于影像匹配技术及地面纹理信息，造成摄影测量点云相较于LiDAR点云存在噪声大、精度低且无法穿透植被等缺陷，因此直接利用针对LiDAR点云设计的算法实施摄影测量点云滤波，不能取得理想的滤波效果。

技术实现思路

[0004]本专利技术的目的是提供一种融合影像信息的摄影测量点云滤波方法。
[0005]本专利技术的目的是通过以下技术方案实现的：
[0006]本专利技术的融合影像信息的摄影测量点云滤波方法，包括步骤：
[0007]a、摄影测量点云及其深度图的获取：
[0008]获取点云之前，需对影像进行定向；
[0009]采用高分辨率遥感影像一体化测图系统—PixelGrid对航空影像进行空中三角测量，以精化影像定姿定位参数；
[0010]采用的密集匹配算法为半全局匹配算法，主要采用互信息作为测度，匹配代价如公式(1)：
[0011][0012]式中：全局代价函数E(D)由一个数据项和两个光滑项组成，D代表参考影像的视差影像，包含了参考影像上所有像素x
b
的视差估计值；x
N
代表x
b
的邻域像素值；T[]表示条件判断操作符，若为真，取1；否则，取0；P1和P2为惩罚参数；
[0013]b、多源数据融合和影像分类：
[0014]制作数字正射影像需要相应区域DEM作为基础；
[0015]手动去除异常匹配点对影像匹配点云经过内插处理生成数字表面模型，将DSM代替DEM作为生成正射影像的底图；
[0016]c、摄影测量点云滤波：
[0017]对影像进行分类后可生成地面类和非地面类二分类专题图，依据此分类结果进行点云滤波。
[0018]由上述本专利技术提供的技术方案可以看出，本专利技术实施例提供的融合影像信息的摄影测量点云滤波方法，利用摄影测量点云所特有的影像信息，借助空中三角测量技术获取点云深度图，将两种图像信息融合作为知识引导达到摄影测量点云滤波的目的，该方法自动化程度高、对不同场景适用性强，突破了传统生产高精度DEM时所需的大量人工编辑工作。
附图说明
[0019]图1为本专利技术实施例提供的融合影像信息的摄影测量点云滤波方法结构示意图；
[0020]图2为摄影测量点云及其深度图(a.带有RGB信息的摄影测量点云及其局部放大图；b.点云深度图)；
[0021]图3为DOM及其融合影像(a.正射影像；b.DOM与深度图融合影像)；
[0022]图4为新型分类器影像分类结果；
[0023]图5摄影测量点云滤波后的结果；
[0024]图6滤波后的地面点生生成的DEM(a.滤波后生成的DEM；b.手动编辑生成的参考DEM)。
具体实施方式
[0025]下面将对本专利技术实施例作进一步地详细描述。本专利技术实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
[0026]本专利技术的融合影像信息的摄影测量点云滤波方法，其较佳的具体实施方式是：
[0027]包括步骤：
[0028]a、摄影测量点云及其深度图的获取：
[0029]获取点云之前，需对影像进行定向；
[0030]采用高分辨率遥感影像一体化测图系统—PixelGrid对航空影像进行空中三角测量，以精化影像定姿定位参数；
[0031]采用的密集匹配算法为半全局匹配算法，主要采用互信息作为测度，匹配代价如公式(1)：
[0032][0033]式中：全局代价函数E(D)由一个数据项和两个光滑项组成，D代表参考影像的视差影像，包含了参考影像上所有像素x
b
的视差估计值；x
N
代表x
b
的邻域像素值；T[]表示条件判断操作符，若为真，取1；否则，取0；P1和P2为惩罚参数；
[0034]b、多源数据融合和影像分类：
[0035]制作数字正射影像需要相应区域DEM作为基础；
[0036]手动去除异常匹配点对影像匹配点云经过内插处理生成数字表面模型，将DSM代替DEM作为生成正射影像的底图；
[0037]c、摄影测量点云滤波：
[0038]对影像进行分类后可生成地面类和非地面类二分类专题图，依据此分类结果进行点云滤波。
[0039]所述步骤a中，影像提供了丰富的光谱及纹理信息，利用密集匹配点云能获取相应区域点云深度图，其深度值代表该点在实际地物处的高程；
[0040]所述点云深度图类似于影像，也由一定间隔的规则阵列逐行逐列进行像素组织，点云深度图的每个像素值代表高程。
[0041]所述步骤b中，生成的正射影像空间分辨率为20cm，此过程在PixelGrid中完成；
[0042]为了提高其分类精度，首先将点云深度图代表的非光谱特征与正射影像通过波段堆叠的方式融合，形成一副既有地物高程信息又有地物光谱特征的复合图像；再引入支持向量机的分类方法对融合影像进行分类解译；
[0043]利用SVM对融合后的影像进行分类，按照所选数据源将其分为五类，包括：建筑物、树木、草地、道路及阴影；由于影像分类的目的是实现非地面点的滤除，因此将分类结果归并为地面类和非地面类，即将建筑物、树木归为非地面类，剩余地类归为地面类，对初步分类结果经过Majority分析、聚类处理等后处理。
[0044]所述步骤c中，具体步骤为：
[0045]首先将分类结果中的非地面类转换为矢量；
[0046]其次将非地面类矢量与摄影测量点云叠加，利用非地面类矢量范围滤除点云中非地面点，剩余点云认为是地面点以达到点云滤波目的；
[0047]最后利用地面点内插生成DEM。
[0048]本专利技术的融合影像信息的摄影测量点云滤波方法，利用摄影测量点云所特有的影像信息，借助空中三角测量技术获取点云深度图，将两种图像信息融合作为知识引导达到摄影测量点云滤波的目的，该方法自动化程度高、对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合影像信息的摄影测量点云滤波方法，其特征在于，包括步骤：a、摄影测量点云及其深度图的获取：获取点云之前，需对影像进行定向；采用高分辨率遥感影像一体化测图系统—PixelGrid对航空影像进行空中三角测量，以精化影像定姿定位参数；采用的密集匹配算法为半全局匹配算法，主要采用互信息作为测度，匹配代价如公式(1)：式中：全局代价函数E(D)由一个数据项和两个光滑项组成，D代表参考影像的视差影像，包含了参考影像上所有像素x
b
的视差估计值；x
N
代表x
b
的邻域像素值；T[]表示条件判断操作符，若为真，取1；否则，取0；P1和P2为惩罚参数；b、多源数据融合和影像分类：制作数字正射影像需要相应区域DEM作为基础；手动去除异常匹配点对影像匹配点云经过内插处理生成数字表面模型，将DSM代替DEM作为生成正射影像的底图；c、摄影测量点云滤波：对影像进行分类后可生成地面类和非地面类二分类专题图，依据此分类结果进行点云滤波。2.根据权利要求1所述的融合影像信息的摄影测量点云滤波方法，其特征在于，所述步骤a中，影像提供了丰富的光谱及纹理信息，利用密集匹配点云能获取相应区域点云深度图，...

【专利技术属性】
技术研发人员：王静，邢轻，马瑞峰，孙振辉，刘富堂，王庆勇，李大斌，梅艳，刘颖，王新财，陈斌，
申请(专利权)人：王静，
类型：发明
国别省市：