一种新型空间图像处理方法及装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种新型空间图像处理方法及装置。

背景技术

激光雷达探测技术能够通过对探测物体的激光反射，求解探测物坐标，描绘出探测物的点云图像，从而实现对探测对象的勘察和定位。在激光雷达的工程应用中，点云图像的绘制至关重要，一般而言，单次的激光雷达扫描，往往得到的反射点位数量不足。所以，工程实践中往往结合多次多角度的点云扫描图像对探测物进行点云配准，得到较为清晰的空间图像。这样的方法虽然能够得到清晰的空间图像，但其实施过程较为复杂，算法处理时间长，不适用于即时的勘探监测对象。因此亟待提出一种效率更高的空间图像处理方法。

发明内容

本发明提供一种新型空间图像处理方法、装置及计算机可读存储介质，其主要目的在于解决空间图像处理的效率较低的问题。

为实现上述目的，本发明提供的一种新型空间图像处理方法，包括：

获取利用点云扫描设备对预设勘察对象进行扫描处理得到的点云扫描坐标集，并根据预设的坐标提取算法计算所述点云扫描坐标集的反射点坐标集；

根据所述反射点坐标集构建坐标信息矩阵，并利用预设的多项式求解算法计算所述坐标信息矩阵对应的数据趋势结构；

基于预设的马特恩协方差函数提取出所述反射点坐标集对应的空间自相关特征；

根据所述空间自相关特征和所述点云扫描坐标集计算得到对应的点云预测勘察值集，基于所述点云数据插值算法对所述点云预测勘察值集及所述反射点坐标集进行空间插值，得到点云配准图像。

可选地，所述根据预设的坐标提取算法计算所述点云扫描坐标集的反射点坐标集，包括：

基于所述点云扫描坐标集显示出对应的点云图，并选取所述点云图中的监测平面；

确定所述监测平面的多条平面边界，并选取多条所述平面边界内的扫描点作为反射点，将多个反射点进行汇总，得到反射点坐标集。

可选地，所述根据所述反射点坐标集构建坐标信息矩阵，包括：

构建预设大小的空矩阵，并统计所述反射点坐标集中反射点的数量，得到反射点数据量；

基于所述反射点数据量和预设回归方程阶数生成多个填充数，并将多个所述填充数按照填充要求补充至所述空矩阵中，得到坐标信息矩阵。

可选地，所述所述预设的多项式求解算法为：

其中，

可选地，所述基于预设的马特恩协方差函数提取出所述反射点坐标集对应的空间自相关特征，包括：

通过极大似然估计法求解得到多个方程参数；

根据多个所述方程参数和所述马特恩协方差函数计算得到所述空间自相关特征。

可选地，所述马特恩协方差函数为：

其中，R(h

可选地，所述根据所述空间自相关特征和所述点云扫描坐标集计算得到对应的点云预测勘察值集，包括：

基于所述空间自相关特征构建对应的协方差矩阵；

根据所述协方差矩阵及预设的预测勘察值计算公式计算对应的点云预测勘察值集。

为了解决上述问题，本发明还提供一种新型空间图像处理装置，所述装置包括：

坐标计算模块，用于获取利用点云扫描设备对预设勘察对象进行扫描处理得到的点云扫描坐标集，并根据预设的坐标提取算法计算所述点云扫描坐标集的反射点坐标集；

矩阵构建模块，用于根据所述反射点坐标集构建坐标信息矩阵，并利用预设的多项式求解算法计算所述坐标信息矩阵对应的数据趋势结构；

特征生成模块，用于基于预设的马特恩协方差函数提取出所述反射点坐标集对应的空间自相关特征；

空间插值模块，用于根据所述空间自相关特征和所述点云扫描坐标集计算得到对应的点云预测勘察值集，基于所述点云数据插值算法对所述点云预测勘察值集及所述反射点坐标集进行空间插值，得到点云配准图像。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现上述所述的新型空间图像处理方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的新型空间图像处理方法。

本发明实施例中，通过激光雷达和坐标提取算法得到预设勘察对象对应的点云扫描坐标集和反射点坐标集，并得到反射点坐标集中数据的趋势结构和空间自相关特征，根据趋势结构及空间自相关特征对点云扫描坐标集进行插值计算，得到清晰的点云图像。通过空间插值算法，以及简单的计算流程和计算公式，处理了激光雷达的点云配准问题，提高了空间图像处理的效率。因此本发明提出的新型空间图像处理方法、装置、电子设备及计算机可读存储介质，可以解决空间图像处理的效率较低的问题。

附图说明

图1为本发明一实施例提供的新型空间图像处理方法的流程示意图；

图2为本发明一实施例提供的新型空间图像处理装置的功能模块图；

图3为本发明一实施例提供的实现所述新型空间图像处理方法的电子设备的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种新型空间图像处理方法。所述新型空间图像处理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述新型空间图像处理方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

参照图1所示，为本发明一实施例提供的新型空间图像处理方法的流程示意图。在本实施例中，所述新型空间图像处理方法包括：

S1、获取利用点云扫描设备对预设勘察对象进行扫描处理得到的点云扫描坐标集，并根据预设的坐标提取算法计算所述点云扫描坐标集的反射点坐标集。

本发明其中一个实施例中，所述点云扫描设备可以是激光雷达。所述激光雷达是以发射激光束探测目标的位置、速度等特征量的雷达系统，其工作原理是向目标发射探测信号，然后将接收到的从目标反射回来的信号与发射信号进行比较，做适当处理后就可获得目标的有关信息，例如目标距离、方位、高度、速度、姿态、或者形状等参数，从而对勘察对象进行探测、跟踪和识别。

由于所述激光雷达对预设勘察对象进行扫描处理得到的点云扫描坐标集通常以栅格或者网格的形式进行数据存储，因此得到的点云扫描坐标集也可以称为网格格栅坐标集。通常所述点云扫描坐标集中包含的坐标为三维坐标，即二维平面的(x,y)坐标和其对应的高程z。

在本发明一实施例中，所述根据预设的坐标提取算法计算所述点云扫描坐标集的反射点坐标集，包括：

识别所述点云扫描坐标集映射得到的对象形状类型，当所述对象形状类型为球体类型或者圆形类型时，以对象的球心或者圆心作为变形监测点；

基于所述变形监测点选取预设范围内的扫描点坐标作为反射点坐标集。

详细地，在本方案中所述预设的坐标点提取算法为拟合法，所述拟合法主要适合于处理球体类或者圆形面的变形监测块上的点云，这类监测块由人工布设，通过拟合球体的球心或者圆形面圆心作为变形监测点。

在本发明另一实施例中，所述根据预设的坐标提取算法计算所述点云扫描坐标集的反射点坐标集，包括：

基于所述点云扫描坐标集显示出对应的点云图，并选取所述点云图中的监测平面；

确定所述监测平面的多条平面边界，并选取多条所述平面边界内的扫描点作为反射点，将多个反射点进行汇总，得到反射点坐标集。

详细地，本发明实施例基于所述点云扫描坐标集在计算机中显示出对应的点云图，通过进行缩放、旋转、平移等操作来选取监测块的一个平面，并合理确定该面的边界，根据法向方向的一致性选取边界范围内的扫描点。

优选地，在本方案中所述预设的坐标点提取算法为重心法，其中，所述重心法主要处理不规则监测块体上的点云。这类监测块可以是人工布设，也可以是自然块体。特别地，很多自然块体都有一个平面，可以充分利用平面法向量一致性的特性选择有效扫描点。

S2、根据所述反射点坐标集构建坐标信息矩阵，并利用预设的多项式求解算法计算所述坐标信息矩阵对应的数据趋势结构。

本发明实施例中，由于空间数据的趋势结构对后续进行点云配准十分重要，因此需要根据得到的坐标信息生成数据趋势结构。

具体地，所述根据所述反射点坐标集构建坐标信息矩阵，包括：

构建预设大小的空矩阵，并统计所述反射点坐标集中反射点的数量，得到反射点数据量；

基于所述反射点数据量和预设回归方程阶数生成多个填充数，并将多个所述填充数按照填充要求补充至所述空矩阵中，得到坐标信息矩阵。

详细地，本发明实施例统计所述反射点坐标集中反射点的数量，得到反射点数据量m，所述预设回归方程阶数为n，基于所述反射点数据量和预设回归方程阶数生成多个填充数，多个所述填充数可以为t

进一步地，所述坐标信息矩阵为：

其中，X为坐标信息矩阵，n为所述预设回归方程阶数，m为反射点数据量，t为时刻。

优选地，n的确定可以根据工程实际运用情况，结合扫描点数据分布特征确定。

具体地，本发明实施例中，所述预设的多项式求解算法为：

其中，

S3、基于预设的马特恩协方差函数提取出所述反射点坐标集对应的空间自相关特征。

本发明实施例中，所述反射点坐标集对应的空间自相关特征可以由数据的相关函数和自相关参数表征，在本方案中，采用具有灵活变化形式的马特恩协方差函数(Matérn)方程表征数据的数据集的相关特征。其中，所述马特恩协方差函数是统计学中的一个协方差函数，它常被用于定义两点测量值之间的协方差。

具体地，所述基于预设的马特恩协方差函数提取出所述反射点坐标集对应的空间自相关特征，包括：

通过极大似然估计法求解得到多个方程参数；

根据多个所述方程参数和所述马特恩协方差函数计算得到所述空间自相关特征。

详细地，所述极大似然估计法满足如下公式：

W＝X

Q＝I-XW

其中，X是坐标信息矩阵，V为监测点坐标点数据的协方差矩阵，I为单位矩阵，θ为一个预设向量，包含了(v，r，s)，n为反射点数量，p为θ中的元素数量,Z为反射点集信息的高程坐标。

进一步地，所述马特恩协方差函数为：

其中，R(h

S4、根据所述空间自相关特征和所述点云扫描坐标集计算得到对应的点云预测勘察值集，基于所述点云数据插值算法对所述点云预测勘察值集及所述反射点坐标集进行空间插值，得到点云配准图像。

本发明实施例中，所述根据所述空间自相关特征和所述点云扫描坐标集计算得到对应的点云预测勘察值集，包括：

基于所述空间自相关特征构建对应的协方差矩阵；

根据所述协方差矩阵及预设的预测勘察值计算公式计算对应的点云预测勘察值集。

具体地，所述预设的预测勘察值计算公式为：

Z

其中，Z

优选地，

进一步地，所述协方差矩阵的公式如下：

其中，Δ

进一步地，本发明实施例基于所述点云数据插值算法对所述点云预测勘察值集及所述反射点坐标集进行空间插值，得到点云配准图像。其中，所述点云数据插值算法为普通克里金插值法。在本方案中，通过空间插值算法，以及简单的计算流程和计算公式，处理了激光雷达的点云配准问题，在工程勘察中，该方法无需对勘察对象进行多次的点云扫描和采集多角度的点云图像。

优选地，本方案采用空间点预测的方式进行点云图的填充，相比传统的点云配准算法而言，不仅节约了点云配准的处理时间，同时避免了点云配准过程中出现的漏配点和错配的问题，并且采用该方法进行点云图像处理，处理出的图像清晰度高，数据处理时间短，操作简单。

本发明实施例中，通过激光雷达和坐标提取算法得到预设勘察对象对应的点云扫描坐标集和反射点坐标集，并得到反射点坐标集中数据的趋势结构和空间自相关特征，根据趋势结构及空间自相关特征对点云扫描坐标集进行插值计算，得到清晰的点云图像。通过空间插值算法，以及简单的计算流程和计算公式，处理了激光雷达的点云配准问题，提高了新型空间图像处理的效率。因此本发明提出的新型空间图像处理方法可以解决空间图像处理的效率较低的问题。

如图2所示，是本发明一实施例提供的新型空间图像处理装置的功能模块图。

本发明所述新型空间图像处理装置100可以安装于电子设备中。根据实现的功能，所述新型空间图像处理装置100可以包括坐标计算模块101、矩阵构建模块102、特征生成模块103及空间插值模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述坐标计算模块101，用于获取利用点云扫描设备对预设勘察对象进行扫描处理得到的点云扫描坐标集，并根据预设的坐标提取算法计算所述点云扫描坐标集的反射点坐标集；

所述矩阵构建模块102，用于根据所述反射点坐标集构建坐标信息矩阵，并利用预设的多项式求解算法计算所述坐标信息矩阵对应的数据趋势结构；

所述特征生成模块103，用于基于预设的马特恩协方差函数提取出所述反射点坐标集对应的空间自相关特征；

所述空间插值模块104，用于根据所述空间自相关特征和所述点云扫描坐标集计算得到对应的点云预测勘察值集，基于所述点云数据插值算法对所述点云预测勘察值集及所述反射点坐标集进行空间插值，得到点云配准图像。

详细地，所述新型空间图像处理装置100各模块的具体实施方式如下：

步骤一、获取利用点云扫描设备对预设勘察对象进行扫描处理得到的点云扫描坐标集，并根据预设的坐标提取算法计算所述点云扫描坐标集的反射点坐标集。

本发明其中一个实施例中，所述点云扫描设备可以是激光雷达。所述激光雷达是以发射激光束探测目标的位置、速度等特征量的雷达系统，其工作原理是向目标发射探测信号，然后将接收到的从目标反射回来的信号与发射信号进行比较，做适当处理后就可获得目标的有关信息，例如目标距离、方位、高度、速度、姿态、或者形状等参数，从而对勘察对象进行探测、跟踪和识别。

由于所述激光雷达对预设勘察对象进行扫描处理得到的点云扫描坐标集通常以栅格或者网格的形式进行数据存储，因此得到的点云扫描坐标集也可以称为网格格栅坐标集。通常所述点云扫描坐标集中包含的坐标为三维坐标，即二维平面的(x,y)坐标和其对应的高程z。

在本发明一实施例中，所述根据预设的坐标提取算法计算所述点云扫描坐标集的反射点坐标集，包括：

识别所述点云扫描坐标集映射得到的对象形状类型，当所述对象形状类型为球体类型或者圆形类型时，以对象的球心或者圆心作为变形监测点；

基于所述变形监测点选取预设范围内的扫描点坐标作为反射点坐标集。

详细地，在本方案中所述预设的坐标点提取算法为拟合法，所述拟合法主要适合于处理球体类或者圆形面的变形监测块上的点云，这类监测块由人工布设，通过拟合球体的球心或者圆形面圆心作为变形监测点。

在本发明另一实施例中，所述根据预设的坐标提取算法计算所述点云扫描坐标集的反射点坐标集，包括：

基于所述点云扫描坐标集显示出对应的点云图，并选取所述点云图中的监测平面；

确定所述监测平面的多条平面边界，并选取多条所述平面边界内的扫描点作为反射点，将多个反射点进行汇总，得到反射点坐标集。

详细地，本发明实施例基于所述点云扫描坐标集在计算机中显示出对应的点云图，通过进行缩放、旋转、平移等操作来选取监测块的一个平面，并合理确定该面的边界，根据法向方向的一致性选取边界范围内的扫描点。

优选地，在本方案中所述预设的坐标点提取算法为重心法，其中，所述重心法主要处理不规则监测块体上的点云。这类监测块可以是人工布设，也可以是自然块体。特别地，很多自然块体都有一个平面，可以充分利用平面法向量一致性的特性选择有效扫描点。

步骤二、根据所述反射点坐标集构建坐标信息矩阵，并利用预设的多项式求解算法计算所述坐标信息矩阵对应的数据趋势结构。

本发明实施例中，由于空间数据的趋势结构对后续进行点云配准十分重要，因此需要根据得到的坐标信息生成数据趋势结构。

具体地，所述根据所述反射点坐标集构建坐标信息矩阵，包括：

构建预设大小的空矩阵，并统计所述反射点坐标集中反射点的数量，得到反射点数据量；

基于所述反射点数据量和预设回归方程阶数生成多个填充数，并将多个所述填充数按照填充要求补充至所述空矩阵中，得到坐标信息矩阵。

详细地，本发明实施例统计所述反射点坐标集中反射点的数量，得到反射点数据量m，所述预设回归方程阶数为n，基于所述反射点数据量和预设回归方程阶数生成多个填充数，多个所述填充数可以为t

进一步地，所述坐标信息矩阵为：

其中，X为坐标信息矩阵，n为所述预设回归方程阶数，m为反射点数据量，t为时刻。

优选地，n的确定可以根据工程实际运用情况，结合扫描点数据分布特征确定。

具体地，本发明实施例中，所述预设的多项式求解算法为：

其中，

步骤三、基于预设的马特恩协方差函数提取出所述反射点坐标集对应的空间自相关特征。

本发明实施例中，所述反射点坐标集对应的空间自相关特征可以由数据的相关函数和自相关参数表征，在本方案中，采用具有灵活变化形式的马特恩协方差函数(Matérn)方程表征数据的数据集的相关特征。其中，所述马特恩协方差函数是统计学中的一个协方差函数，它常被用于定义两点测量值之间的协方差。

具体地，所述基于预设的马特恩协方差函数提取出所述反射点坐标集对应的空间自相关特征，包括：

通过极大似然估计法求解得到多个方程参数；

根据多个所述方程参数和所述马特恩协方差函数计算得到所述空间自相关特征。

详细地，所述极大似然估计法满足如下公式：

W＝X

Q＝I-XW

其中，X是坐标信息矩阵，V为监测点坐标点数据的协方差矩阵，I为单位矩阵，θ为一个预设向量，包含了(v，r，s)，n为反射点数量，p为θ中的元素数量,Z为反射点集信息的高程坐标。

进一步地，所述马特恩协方差函数为：

其中，R(h

步骤四、根据所述空间自相关特征和所述点云扫描坐标集计算得到对应的点云预测勘察值集，基于所述点云数据插值算法对所述点云预测勘察值集及所述反射点坐标集进行空间插值，得到点云配准图像。

本发明实施例中，所述根据所述空间自相关特征和所述点云扫描坐标集计算得到对应的点云预测勘察值集，包括：

基于所述空间自相关特征构建对应的协方差矩阵；

根据所述协方差矩阵及预设的预测勘察值计算公式计算对应的点云预测勘察值集。

具体地，所述预设的预测勘察值计算公式为：

Z

其中，Z

优选地，

进一步地，所述协方差矩阵的公式如下：

其中，Δ

进一步地，本发明实施例基于所述点云数据插值算法对所述点云预测勘察值集及所述反射点坐标集进行空间插值，得到点云配准图像。其中，所述点云数据插值算法为普通克里金插值法。在本方案中，通过空间插值算法，以及简单的计算流程和计算公式，处理了激光雷达的点云配准问题，在工程勘察中，该方法无需对勘察对象进行多次的点云扫描和采集多角度的点云图像。

优选地，本方案采用空间点预测的方式进行点云图的填充，相比传统的点云配准算法而言，不仅节约了点云配准的处理时间，同时避免了点云配准过程中出现的漏配点和错配的问题，并且采用该方法进行点云图像处理，处理出的图像清晰度高，数据处理时间短，操作简单。

本发明实施例中，通过激光雷达和坐标提取算法得到预设勘察对象对应的点云扫描坐标集和反射点坐标集，并得到反射点坐标集中数据的趋势结构和空间自相关特征，根据趋势结构及空间自相关特征对点云扫描坐标集进行插值计算，得到清晰的点云图像。通过空间插值算法，以及简单的计算流程和计算公式，处理了激光雷达的点云配准问题，提高了空间图像处理的效率。因此本发明提出的新型空间图像处理装置可以解决空间图像处理的效率较低的问题。

如图3所示，是本发明一实施例提供的实现新型空间图像处理方法的电子设备的结构示意图。

所述电子设备可以包括处理器10、存储器11、通信接口12和总线13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如新型空间图像处理程序。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如新型空间图像处理程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如新型空间图像处理程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。

所述通信接口12用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。

所述总线13可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。

可选地，该电子设备还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备中的所述存储器11存储的新型空间图像处理程序是多个指令的组合，在所述处理器10中运行时，可以实现：

获取利用点云扫描设备对预设勘察对象进行扫描处理得到的点云扫描坐标集，并根据预设的坐标提取算法计算所述点云扫描坐标集的反射点坐标集；

根据所述反射点坐标集构建坐标信息矩阵，并利用预设的多项式求解算法计算所述坐标信息矩阵对应的数据趋势结构；

基于预设的马特恩协方差函数提取出所述反射点坐标集对应的空间自相关特征；

根据所述空间自相关特征和所述点云扫描坐标集计算得到对应的点云预测勘察值集，基于所述点云数据插值算法对所述点云预测勘察值集及所述反射点坐标集进行空间插值，得到点云配准图像。

具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

获取利用点云扫描设备对预设勘察对象进行扫描处理得到的点云扫描坐标集，并根据预设的坐标提取算法计算所述点云扫描坐标集的反射点坐标集；

根据所述反射点坐标集构建坐标信息矩阵，并利用预设的多项式求解算法计算所述坐标信息矩阵对应的数据趋势结构；

基于预设的马特恩协方差函数提取出所述反射点坐标集对应的空间自相关特征；

根据所述空间自相关特征和所述点云扫描坐标集计算得到对应的点云预测勘察值集，基于所述点云数据插值算法对所述点云预测勘察值集及所述反射点坐标集进行空间插值，得到点云配准图像。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。