一种配准方法及系统

技术领域

本发明涉及点云数据技术领域，具体涉及一种配准方法及系统。

背景技术

随着地球空间信息技术发展进入一个新的时期，获取、分析用以准确描述三维空间信息的空间数据成为研究地球空间信息的基础。传统的获取三维数据的方式不仅耗时，而且采样密度低，造成采集到的数据无法对空间对象进行精确完整描述。另外，空间对象及其周围环境纷繁复杂，如何准确、全方位获取相应的空间数据也成为当前空间信息科学研究的主要困难之一。地面三维激光扫描技术的出现为我们提供了一种非破坏性的高分辨率三维测量手段，可以弥补传统测量手段的不足。

三维激光扫描也被称为激光雷达(Light Detection and Ranging,LIDAR)，其作为一种测绘新技术在近十多年来得到了快速的发展，由于其扫描速度快，扫描得到的坐标点密度较大等优点，在包括地形测量，逆向工程，历史遗迹保护等方面均具有广阔的应用前景，并逐渐成为城市三维数据模型获取的一种重要手段和方法，该技术也被称为继GPS技术以来测绘领域的又一次技术革新。根据载体的不同，三维激光扫描分为机载激光扫描、车载激光扫描及地面三维激光扫描。本论文数据采集主要利用地面三维激光扫描仪完成，该数据与其它方式获取的点云数据相比有其自身的特点。在地面扫描激光扫描过程中，由于受到测量设备和环境的限制，每次测量得到的点云数据往往只覆盖扫描对象的大部分表面，完整的点云数据则需要通过多站测量完成，因此需要对这些局部点云数据进行拼接和配准，有效而精确的配准可以为后续的点云三维建模提供良好的基础数据。

由于受到扫描环境之间的遮挡，地面三维激光扫描获取的点云数据常常包含有各种无法测量到的区域，产生点云空洞，导致局部区域信息丢失。这些空洞不仅使得扫描对象的三维模型无法完整地实现可视化，也会影响建模后参数提取。由于近景影像获取相对方便，灵活性较高，而且成本较低。因此，扫描人员可以从不同角度利用数码相机进行补拍。这样，充分利用两种传感器的优点，获取对象全貌。然而，多源数据融合一直是数据处理领域的难点，需要克服在两种数据之间寻找同名特征的问题，利用重叠部分的信息，通过配准操作将两种类型的数据纳入到统一的坐标系统中，并使得各个元素在几何上对准。目前已有的融合方法主要专注于点云与图像上共同几何特征的提取，基于中心投影原理利用共线方程进行，实际上仍是二维与三维之间的配准，精度较低，并且限制条件较多。

所以，还需要再开发一种配准方法，以满足目前数据采集后的处理技术。

发明内容

针对上述现有技术的不足，本发明旨在提供一种配准方法，以解决对激光点云和影像数据配准的精度较低，限制条件较多的问题。

为了解决上述问题，本发明采用了如下的技术方案：

一方面，本发明提供一种配准方法，包括

对数码相机进行镜头畸变校正，获取数码相机内外参数，并对提取的影像数据进行畸变矫正；

对三维激光点云进行去噪精简处理；

使用POS传感器中的位置、姿态与时间信息数据，根据时间同步原理，获取数码相机拍摄影像数据与三维激光雷达扫描点云在同一时刻下的时间戳，在同一时间戳的基础上，从POS数据中提取出影像数据与激光点云对应的配准初始值，并基于共线方程模型进行初始配准；

利用基于Robust估计的选权迭代法提高配准初始值精度，确定高精度的配准值，结合迭代最近点算法，把高精度的配准值作为迭代最近点算法的初始值，使用影像数据点云与激光点云进行迭代最近点配准，获得高精度的配准。

进一步，所述对数码相机进行镜头畸变校正，获取数码相机内外参数，并对提取的影像数据关键帧进行畸变矫正，包括：

在棋盘格图像和数码相机之间固定，从不同方向获取多张影像；

将棋盘格影像的右上角定为图像坐标原点，并根据影像的长和宽获取棋盘格上的方格数目，并进行角点检测；

进行参数的初始化和非线性最优化，计算数码相机的内参数和畸变系数；

基于所述内参数和畸变系数，计算畸变映射，对影像数据进行校正。

进一步，所述对三维激光点云进行去噪和精简处理，包括：

计算三维激光点云中每个点到前若干个紧邻点的距离；

根据所述距离计算点云中的整体平均距离和方差；

将其距离大于等于整体平均距离与标准差倍数*σ之和的点视为噪声点，并进行去除；

其中，其中t＝u+m*σ，u为平均距离，m为标准差倍数，σ为方差，u

设定最小体素尺度，将原始点云放入三维网格中，每个包含多个点的最小体素用其中一个点替代，完成体素降采样。

进一步，所述使用POS传感器中的位置、姿态与时间信息数据，根据时间同步原理，获取数码相机拍摄影像数据与三维激光雷达扫描点云在同一时刻下的时间戳，在同一时间戳的基础上，从POS数据中提取出影像数据与激光点云对应的配准初始值，并基于共线方程模型进行初始配准，包括：

确定激光点云的三维激光雷达坐标与同名图像点的像空间辅助坐标间的关系为

式中，[X

求得影像数据关键帧的图像点像空间辅助坐标与其WGS-84坐标系间的转换关系：

C

基于所述转换关系，得出共线方程为：

式中：x，y为像点的像平面坐标；x

通过所述共线方程将激光点云和影像数据进行初配准。

进一步，所述利用基于Robust估计的选权迭代法提高配准初始值精度，确定高精度的配准值，结合迭代最近点算法，把高精度的配准值作为迭代最近点算法的初始值，使用影像数据点云与激光点云进行迭代最近点配准，获得高精度的配准，包括：

S401、根据共线方程的误差方程以最小二乘迭代开始，第一次迭代应用POS位置姿态数据值的权阵为单位矩阵；

S402、应用第一次迭代的残差，计算第二次迭代的权函数，进行改进的丹麦法选权迭代；

S403、计算单位权中误差，如果不满足条件，循环至S402，直至精度满足要求；

S404、按照所述共线方程的误差方程，以第三次迭代为分界点，迭代终止的条件为影像数据关键帧图像角元素改正数经两次运算的差值为0.1′。

另一方面，本发明提供一种配准系统，包括影像数据矫正模块、去噪精简处理模块、初始配准模块和高精度配准模块；

所述影像数据矫正模块，用于对数码相机进行镜头畸变校正，获取数码相机内外参数，并对提取的影像数据进行畸变矫正；

所述去噪精简处理模块，用于对三维激光点云进行去噪精简处理；

所述初始配准模块，用于使用POS传感器中的位置、姿态与时间信息数据，根据时间同步原理，获取数码相机拍摄影像数据与三维激光雷达扫描点云在同一时刻下的时间戳，在同一时间戳的基础上，从POS数据中提取出影像数据与激光点云对应的配准初始值，并基于共线方程模型进行初始配准；

所述高精度配准模块，用于利用基于Robust估计的选权迭代法提高配准初始值精度，确定高精度的配准值，结合迭代最近点算法，把高精度的配准值作为迭代最近点算法的初始值，使用影像数据点云与激光点云进行迭代最近点配准，获得高精度的配准。

进一步，所述影像数据矫正模块包括影像获取单元、角点检测单元、计算单元和校正单元：

所述影像获取单元，用于在棋盘格图像和数码相机之间固定，从不同方向获取多张影像；

所述角点检测单元，用于将棋盘格影像的右上角定为图像坐标原点，并根据影像的长和宽获取棋盘格上的方格数目，并进行角点检测；

所述计算单元，用于进行参数的初始化和非线性最优化，计算数码相机的内参数和畸变系数；

所述校正单元，用于基于所述内参数和畸变系数，计算畸变映射，对影像数据进行校正。

进一步，所述去噪精简处理模块包括距离计算单元、整体平均距离和方差计算单元、去除单元和降采样单元；

所述距离计算单元，用于计算三维激光点云中每个点到前若干个紧邻点的距离；

所述整体平均距离和方差计算单元，用于根据所述距离计算点云中的整体平均距离和方差；

所述去除单元，用于将其距离大于等于整体平均距离与标准差倍数*σ之和的点视为噪声点，并进行去除；

其中，其中t＝u+m*σ，u为平均距离，m为标准差倍数，σ为方差，u

所述降采样单元，用于设定最小体素尺度，将原始点云放入三维网格中，每个包含多个点的最小体素用其中一个点替代，完成体素降采样。

进一步，所述初始配准模块包括坐标关系确定单元、坐标转换单元、共线方程确定单元和初配准单元；

所述坐标关系确定单元，用于确定激光点云的三维激光雷达坐标与同名图像点的像空间辅助坐标间的关系为

式中，[X

所述坐标转换单元，用于求得影像数据关键帧的图像点像空间辅助坐标与其WGS-84坐标系间的转换关系：

C

所述共线方程确定单元，用于基于所述转换关系，得出共线方程为：

式中：x，y为像点的像平面坐标；x

所述初配准单元，用于通过所述共线方程将激光点云和影像数据进行初配准。

进一步，所述高精度配准模块包括第一次迭代单元、选权迭代单元、判定单元和迭代终止单元；

所述第一次迭代单元，用于根据共线方程的误差方程以最小二乘迭代开始，第一次迭代应用POS位置姿态数据值的权阵为单位矩阵；

所述选权迭代单元，用于应用第一次迭代的残差，计算第二次迭代的权函数，进行改进的丹麦法选权迭代；

所述判定单元，用于计算单位权中误差，如果不满足条件，循环至S402，直至精度满足要求；

所述迭代终止单元，用于按照所述共线方程的误差方程，以第三次迭代为分界点，迭代终止的条件为影像数据关键帧图像角元素改正数经两次运算的差值为0.1′。

本发明的有益效果在于：本发明结合迭代最近点算法，把高精度的配准值作为迭代最近点算法的初始值，提高了初始配准值的精度，并使用影像数据点云与激光点云进行迭代最近点配准，获得高精度的配准，解决了因采用激光点云数据或影响数据不能全面、方便的获取采集目标数据的问题。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为本发明实施例一种配准方法流程示意图。

图2为本发明实施例一种配准系统示意图。

具体实施方式

下面结合具体实施例对本发明作进一步的详细说明。

需要说明的是，这些实施例仅用于说明本发明，而不是对本发明的限制，在本发明的构思前提下本方法的简单改进，都属于本发明要求保护的范围。

参见图1，为一种配准方法，包括

S100、对数码相机进行镜头畸变校正，获取数码相机内外参数，并对提取的影像数据进行畸变矫正；

S200、对三维激光点云进行去噪精简处理；

S300、使用POS传感器中的位置、姿态与时间信息数据，根据时间同步原理，获取数码相机拍摄影像数据与三维激光雷达扫描点云在同一时刻下的时间戳，在同一时间戳的基础上，从POS数据中提取出影像数据与激光点云对应的配准初始值，并基于共线方程模型进行初始配准；

S400、利用基于Robust估计的选权迭代法提高配准初始值精度，确定高精度的配准值，结合迭代最近点算法，把高精度的配准值作为迭代最近点算法的初始值，使用影像数据点云与激光点云进行迭代最近点配准，获得高精度的配准。

作为一种可实施方式，所述S100可为：

S101、在棋盘格图像和数码相机之间固定，从不同方向获取多张影像；

S102、将棋盘格影像的右上角定为图像坐标原点，并根据影像的长和宽获取棋盘格上的方格数目，并进行角点检测；

S103、进行参数的初始化和非线性最优化，计算数码相机的内参数和畸变系数；

S104、基于所述内参数和畸变系数，计算畸变映射，对影像数据进行校正。

作为一种可实施方式，所述S200包括：

S201、计算三维激光点云中每个点到前若干个紧邻点的距离；

S202、根据所述距离计算点云中的整体平均距离和方差；

S203、将其距离大于等于整体平均距离与标准差倍数*σ之和的点视为噪声点，并进行去除；

其中，其中t＝u+m*σ，u为平均距离，m为标准差倍数，σ为方差，u

S204、设定最小体素尺度，将原始点云放入三维网格中，每个包含多个点的最小体素用其中一个点替代，完成体素降采样。

作为一种可实施方式，所述S300包括：

S301、确定激光点云的三维激光雷达坐标与同名图像点的像空间辅助坐标间的关系为

式中，[X

S302、求得影像数据关键帧的图像点像空间辅助坐标与其WGS-84坐标系间的转换关系：

C

S303、基于所述转换关系，得出共线方程为：

式中：x，y为像点的像平面坐标；x

S304、通过所述共线方程将激光点云和影像数据进行初配准。

作为一种可实施方式，所述S400包括：

选权迭代的条件可为：

权公式为：

p

使用标准化残差替换残差作为权函数的参数，标准化残差为：

式中，

Q

式中，E为观测误差矢量，A为观测方程系数阵；

所以选权迭代权函数为：

式中，P

进而贡献方程的误差方程为：

S401、根据共线方程的误差方程以最小二乘迭代开始，第一次迭代应用POS位置姿态数据值的权阵为单位矩阵；

S402、应用第一次迭代的残差，计算第二次迭代的权函数，进行改进的丹麦法选权迭代；

S403、计算单位权中误差，如果不满足条件，循环至S402，直至精度满足要求；

S404、按照所述共线方程的误差方程，以第三次迭代为分界点，迭代终止的条件为影像数据关键帧图像角元素改正数经两次运算的差值为0.1′。

参见图2，为一种配准系统，包括影像数据矫正模块100、去噪精简处理模块200、初始配准模块300和高精度配准模块400；

所述影像数据矫正模块100，用于对数码相机进行镜头畸变校正，获取数码相机内外参数，并对提取的影像数据进行畸变矫正；

所述去噪精简处理模块200，用于对三维激光点云进行去噪精简处理；

所述初始配准模块300，用于使用POS传感器中的位置、姿态与时间信息数据，根据时间同步原理，获取数码相机拍摄影像数据与三维激光雷达扫描点云在同一时刻下的时间戳，在同一时间戳的基础上，从POS数据中提取出影像数据与激光点云对应的配准初始值，并基于共线方程模型进行初始配准；

所述高精度配准模块400，用于利用基于Robust估计的选权迭代法提高配准初始值精度，确定高精度的配准值，结合迭代最近点算法，把高精度的配准值作为迭代最近点算法的初始值，使用影像数据点云与激光点云进行迭代最近点配准，获得高精度的配准。

作为一种可实施方式，所述影像数据矫正模块100包括影像获取单元101、角点检测单元102、计算单元103和校正单元104：

所述影像获取单元101，用于在棋盘格图像和数码相机之间固定，从不同方向获取多张影像；

所述角点检测单元102，用于将棋盘格影像的右上角定为图像坐标原点，并根据影像的长和宽获取棋盘格上的方格数目，并进行角点检测；

所述计算单元103，用于进行参数的初始化和非线性最优化，计算数码相机的内参数和畸变系数；

所述校正单元104，用于基于所述内参数和畸变系数，计算畸变映射，对影像数据进行校正。

作为一种可实施方式，所述去噪精简处理模块200包括距离计算单元201、整体平均距离和方差计算单元202、去除单元203和降采样单元204；

所述距离计算单元201，用于计算三维激光点云中每个点到前若干个紧邻点的距离；

所述整体平均距离和方差计算单元202，用于根据所述距离计算点云中的整体平均距离和方差；

所述去除单元203，用于将其距离大于等于整体平均距离与标准差倍数*σ之和的点视为噪声点，并进行去除；

其中，其中t＝u+m*σ，u为平均距离，m为标准差倍数，σ为方差，u

所述降采样单元204，用于设定最小体素尺度，将原始点云放入三维网格中，每个包含多个点的最小体素用其中一个点替代，完成体素降采样。

作为一种可实施方式，所述初始配准模块300包括坐标关系确定单元301、坐标转换单元302、共线方程确定单元303和初配准单元304；

所述坐标关系确定单元301，用于确定激光点云的三维激光雷达坐标与同名图像点的像空间辅助坐标间的关系为：

式中，[X

所述坐标转换单元302，用于求得影像数据关键帧的图像点像空间辅助坐标与其WGS-84坐标系间的转换关系：

C

所述共线方程确定单元303，用于基于所述转换关系，得出共线方程为：

式中：x，y为像点的像平面坐标；x

所述初配准单元304，用于通过所述共线方程将激光点云和影像数据进行初配准。

作为一种可实施方式，所述高精度配准模块400包括第一次迭代单元401、选权迭代单元402、判定单元403和迭代终止单元404；

所述第一次迭代单元401，用于根据共线方程的误差方程以最小二乘迭代开始，第一次迭代应用POS位置姿态数据值的权阵为单位矩阵；

所述选权迭代单元402，用于应用第一次迭代的残差，计算第二次迭代的权函数，进行改进的丹麦法选权迭代；

所述判定单元403，用于计算单位权中误差，如果不满足条件，循环至S402，直至精度满足要求；

所述迭代终止单元404，用于按照所述共线方程的误差方程，以第三次迭代为分界点，迭代终止的条件为影像数据关键帧图像角元素改正数经两次运算的差值为0.1′。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。