多源微变监测数据复合方法及存储介质

技术领域

本公开涉及点云数据处理、雷达数据处理技术领域，具体涉及一种多源微变监测数据复合方法及计算机可读存储介质。

背景技术

现有技术中雷达光学三维多源数据复合方法采用原理为欧氏距离匹配，雷达朝向坐标获取为人工手动测量与点云坐标匹配误差大，现有方法全部点云逐点遍历，计算量巨大。

发明内容

本公开意图提供一种多源微变监测数据复合方法及计算机可读存储介质，进行点云降维重构，与雷达图特征匹配度高。

根据本公开的方案之一，提供一种多源微变监测数据复合方法，包括：

将多帧雷达数据复合预处理；

直角坐标系点云转换处理，得到非标准球坐标系下的三维球坐标点云数据；

球坐标系点云重构处理，生成二维重构图；

匹配二维重构图与雷达图，完成雷达图像素与直角坐标三维点云的复合。

在一些实施例中，其中，将多帧雷达数据复合预处理，包括：

得到雷达成像幅度均值矩阵；

生成相干均值掩模矩阵；

基于雷达成像幅度均值矩阵与相干均值掩模矩阵，滤除小于相干均值阈值的雷达成像幅度均值数据，生成待复合雷达幅度均值矩阵，提取方位向范围和分辨率以及距离向范围和分辨率。

在一些实施例中，其中，得到雷达成像幅度均值矩阵，包括：

读取N帧雷达成像复图像数据，获取N个雷达成像复数矩阵数据；

求取每一复数矩阵的模矩阵；

将N个雷达成像模矩阵相加后，求取雷达成像幅度均值矩阵。

在一些实施例中，其中，生成相干均值掩模矩阵，包括：

读取N帧雷达相干图数据，获取N个雷达相干数据矩阵；

将N个雷达相干数据矩阵相加后，求取雷达相干数据均值矩阵；

设置相干均值阈值，保留大于相干均值阈值的雷达相干均值数据，生成相干均值掩模矩阵。

在一些实施例中，其中，直角坐标系点云转换处理，得到非标准球坐标系下的三维球坐标点云数据，包括：

读取处于空间直角坐标系下的无序三维点云数据；

获取雷达位于该坐标系的空间坐标；

将三维点云数据的整体坐标减去雷达坐标数据，将空间直角坐标系原点偏移至雷达所在坐标处。

在一些实施例中，其中，直角坐标系点云转换处理，得到非标准球坐标系下的三维球坐标点云数据，还包括：

将偏移后的三维点云直角坐标数据通过改进的直角坐标转球坐标公式转化为非ISO国际标准球坐标；

遍历所有直角坐标点，得到非标准球坐标系下的三维球坐标点云数据。

在一些实施例中，其中，球坐标系点云重构处理，生成二维重构图，包括：

提取三维球坐标点云数据的方位向数据以及距离数据，确定方位向数据与距离数据的最大值与最小值；

计算二维重构图行列号；

二维重构图矩阵二值化。

在一些实施例中，其中，匹配二维重构图与雷达图，完成雷达图像素与直角坐标三维点云的复合，包括：

将雷达成像幅度均值矩阵二值化，获取雷达成像幅度二值矩阵；

对雷达成像幅度二值矩阵与三维点云二维重构图二值矩阵进行二值图像匹配处理，以使实现雷达图的像素行列号与三维点云二维重构图像素行列号的一一对应。

在一些实施例中，其中，至少应用于多源三维重建数据与微变监测雷达的形变监测数据的融合，与微变监测雷达数据复合的数据，包括：

无人机三维重建数据、区域CAD三维数据、多目视觉光学三维重建数据、卫星三维地形数据。

根据本公开的方案之一，提供计算机可读存储介质，其上存储有计算机可执行指令，所述计算机可执行指令由处理器执行时，实现：

根据上述的多源微变监测数据复合方法。

本公开的各种实施例的多源微变监测数据复合方法及计算机可读存储介质，至少将多帧雷达数据复合预处理；直角坐标系点云转换处理，得到非标准球坐标系下的三维球坐标点云数据；球坐标系点云重构处理，生成二维重构图；匹配二维重构图与雷达图，完成雷达图像素与直角坐标三维点云的复合，对三维点云数据的坐标系转化与二维重构，将三维点云数据与雷达成像数据建立起了一种二维图像维度的匹配关系，通过点云二维重构图在俯仰向上数据的保持，将雷达数据与三维点云数据进行了匹配。本公开各实施例免去雷达设备的初始方向定位，通过另一维度多匹配点的获取，避免了现有技术存在的误差，提升数据的复合精度，为后续雷达数据耦合三维地形参数进行预警提供了良好的数据支撑。

应当理解，前面的大体描述以及后续的详细描述只是示例性的和说明性的，并非对所要求保护的本公开的限制。

附图说明

在未必按照比例绘制的附图中，不同视图中相似的附图标记可以表示相似的构件。具有字母后缀的相似附图标记或具有不同字母后缀的相似附图标记可以表示相似构件的不同实例。附图通常作为示例而非限制地图示各种实施例，并且与说明书和权利要求书一起用于解释所公开的实施例。

图1示出了本公开实施例的多源微变监测数据复合方法的一种流程图；

图2示出了本公开实施例的非标准空间直角坐标转球坐标的示意图。

具体实施方式

为了使得本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。

结合前文背景技术部分内容记载，本公开以实施例方式示例性记载了相应解决方案以解决现有技术中存在的缺陷，但不作为对本公开所要求专利权保护范围的限定。

结合前文内容，为了克服上述一些技术缺陷，作为方案之一，如图1所示，本公开的实施例提供了一种多源微变监测数据复合方法，包括：

S1：将多帧雷达数据复合预处理；

S2：直角坐标系点云转换处理，得到非标准球坐标系下的三维球坐标点云数据；

S3：球坐标系点云重构处理，生成二维重构图；

S4：匹配二维重构图与雷达图，完成雷达图像素与直角坐标三维点云的复合。

针对前文所提出的问题，本公开各实施例旨在针对多源三维重建数据与微变监测雷达的形变监测数据的融合，例如无人机三维重建数据，区域CAD三维数据，多目视觉光学三维重建数据，卫星三维地形数据等与微变监测雷达数据的复合，提出了一种多源微变监测数据复合方法。作为发明构思之一，本公开各实施例主要读取微变监测雷达成像数据，获取雷达数据方位向分辨率与距离向分辨率以及雷达二维成像数据；然后读取空间直角坐标系下的三维点云数据，使用改进的球坐标系变换法对空间直角坐标系下的三维点云数据进行坐标系变换，得到非标准球坐标系下的三维点云数据；接着利用雷达数据方位向分辨率与距离向分辨率重构非标准球坐标三维点云水平方位向数据与斜距数据，获取三维点云方位-距离二维重构图；然后将雷达二维成像数据与三维点云方位-距离二维重构图进行特征点匹配，获取点云-雷达数据匹配索引矩阵；最后生成特定数据格式完成数据复合。

结合以步骤S1至S4为例的方法，本公开各实施例能够免去雷达设备的初始方向定位，另一维度多匹配点的获取，避免误差，提升数据的复合精度，为后续雷达数据耦合三维地形参数进行预警提供了良好的数据支撑。

示例性的，本实施例的具体实施方案可以通过以下步骤S1至步骤S4进行详细说明。

在一些实施方案中，本公开实施例的方法，可以为：将多帧雷达数据复合预处理，包括：

得到雷达成像幅度均值矩阵；

生成相干均值掩模矩阵；

基于雷达成像幅度均值矩阵与相干均值掩模矩阵，滤除小于相干均值阈值的雷达成像幅度均值数据，生成待复合雷达幅度均值矩阵，提取方位向范围和分辨率以及距离向范围和分辨率。

在一些实施方案中，本公开实施例的方法，可以为：得到雷达成像幅度均值矩阵，包括：

读取N帧雷达成像复图像数据，获取N个雷达成像复数矩阵数据；

求取每一复数矩阵的模矩阵；

将N个雷达成像模矩阵相加后，求取雷达成像幅度均值矩阵。

在一些实施方案中，本公开实施例的方法，可以为：生成相干均值掩模矩阵，包括：

读取N帧雷达相干图数据，获取N个雷达相干数据矩阵；

将N个雷达相干数据矩阵相加后，求取雷达相干数据均值矩阵；

设置相干均值阈值，保留大于相干均值阈值的雷达相干均值数据，生成相干均值掩模矩阵。

步骤S1：多帧雷达数据复合预处理，具体步骤如下：

步骤S11：读取N帧雷达成像复图像数据，获取N个雷达成像复数矩阵数据，求取每一复数矩阵的模矩阵，将N个雷达成像模矩阵相加后，求取雷达成像幅度均值矩阵；

S12：读取N帧雷达相干图数据，获取N个雷达相干数据矩阵，将N个雷达相干数据矩阵相加后，求取雷达相干数据均值矩阵，设置一相干均值阈值，保留大于此阈值的雷达相干均值数据，生成相干均值掩模矩阵；

S13：将雷达成像幅度均值矩阵与相干均值掩模矩阵进行点乘操作，滤除小于相干均值阈值的雷达成像幅度均值数据，生成待复合雷达幅度均值矩阵，提取方位向范围和分辨率，提取距离向范围与分辨率。

在一些实施方案中，本公开实施例的方法，可以为：直角坐标系点云转换处理，得到非标准球坐标系下的三维球坐标点云数据，包括：

读取处于空间直角坐标系下的无序三维点云数据；

获取雷达位于该坐标系的空间坐标；

将三维点云数据的整体坐标减去雷达坐标数据，将空间直角坐标系原点偏移至雷达所在坐标处。

在一些实施方案中，本公开实施例的方法，可以为：直角坐标系点云转换处理，得到非标准球坐标系下的三维球坐标点云数据，还包括：

将偏移后的三维点云直角坐标数据通过改进的直角坐标转球坐标公式转化为非ISO国际标准球坐标；

遍历所有直角坐标点，得到非标准球坐标系下的三维球坐标点云数据。

示例性的，结合图2示出了本公开实施例的非标准空间直角坐标转球坐标的示意图，本实施例的具体实施方案，在前述步骤S1基础上，可以继续包括步骤S2。

步骤S2：直角坐标系点云转换处理，具体步骤如下：

步骤S21：坐标系偏移：读取处于空间直角坐标系下的无序三维点云数据。空间直角坐标系可以包括：WGS84坐标系或CGCS2000坐标系等。

获取雷达位于该坐标系的空间坐标，将三维点云数据的整体坐标减去雷达坐标数据，将空间直角坐标系原点偏移至雷达所在坐标处。具体实施方式中，雷达空间坐标可由RTK(Real-time kinematic，实时动态，载波相位差分技术)等定位设备测得。

步骤S22：坐标转换：使用将偏移后的三维点云直角坐标数据通过改进的直角坐标转球坐标公式转化为非ISO国际标准球坐标，转化公式如下：

遍历所有直角坐标点，得到非标准球坐标系下的三维球坐标点云数据。

在一些实施方案中，本公开实施例的方法，可以为：球坐标系点云重构处理，生成二维重构图，包括：

提取三维球坐标点云数据的方位向数据以及距离数据，确定方位向数据与距离数据的最大值与最小值；

计算二维重构图行列号；

二维重构图矩阵二值化。

示例性的，本实施例的具体实施方案，在前述步骤S2基础上，可以继续包括步骤S3。

步骤S3：球坐标系点云重构处理，具体步骤如下：

步骤S31：确定方位距离范围：提取三维球坐标点云数据的方位向数据θ以及距离数据ρ，确定θ与ρ的最大值θ

步骤S32：计算二维重构图行列号：根据提取的雷达方位向分辨率AngleRes和距离向分辨率RangeRes以及球坐标方位向和距离向最值，计算三维点云方位-距离二维重构图的行列数，将θ

步骤S33：二维重构图矩阵二值化：将某一点球坐标方位向坐标值减去方位向坐标最小值θ

在一些实施方案中，本公开实施例的方法，可以为：匹配二维重构图与雷达图，完成雷达图像素与直角坐标三维点云的复合，包括：

将雷达成像幅度均值矩阵二值化，获取雷达成像幅度二值矩阵；

对雷达成像幅度二值矩阵与三维点云二维重构图二值矩阵进行二值图像匹配处理，以使实现雷达图的像素行列号与三维点云二维重构图像素行列号的一一对应。

示例性的，本实施例的具体实施方案，在前述步骤S3基础上，可以继续包括步骤S4。

步骤S4：二位重构图与雷达图匹配，具体步骤如下：

步骤S41：雷达幅度均值矩阵二值化：将雷达幅度均值矩阵二值化，获取雷达成像幅度二值矩阵；

步骤S42：二值化匹配处理：对雷达成像幅度二值矩阵与三维点云二维重构图二值矩阵进行二值图像匹配处理，具体匹配可使用汉明距离匹配、结构化匹配、特征描述子匹配以及平方差匹配、归一化互相关匹配和相位相关匹配等模板匹配方法。找到两个矩阵中相同或相似的特征点，获取雷达图像与球坐标点云二维重构图具体方位向和距离向点上的匹配映射。通过多个特征点的控制，实现雷达图的像素行列号与三维点云二维重构图像素行列号的一一对应，由于三维点云二维重构图每个像素对应了某一区域的球坐标三维坐标点，所以也就实现了雷达图像素与直角坐标三维点云的复合。

本公开各实施例的多源微变监测数据复合方法与现有方法相比，对三维点云数据的坐标系转化与二维重构，将三维点云数据与雷达成像数据建立起了一种二维图像维度的匹配关系，通过点云二维重构图在俯仰向上数据的保持，将雷达数据与三维点云数据进行了匹配。本公开各实施例可以免去雷达设备的初始方向定位，现有定位通过两点坐标人工测量确定朝向，偏差较大，初始毫米级的偏差，现有欧氏距离匹配法在几公里的探测位置就会造成几十米甚至上百米的误差，本方法另一维度多匹配点的获取，避免了此误差，提升数据的复合精度，为后续雷达数据耦合三维地形参数进行预警提供了良好的数据支撑。

作为方案之一，本公开的实施例提供了一种多源微变监测数据复合方法装置，包括一种或者多种处理模块，配置为：

将多帧雷达数据复合预处理；

直角坐标系点云转换处理，得到非标准球坐标系下的三维球坐标点云数据；

球坐标系点云重构处理，生成二维重构图；

匹配二维重构图与雷达图，完成雷达图像素与直角坐标三维点云的复合。

作为一种实施方式，本公开的一种或者多种处理模块，进一步配置为：

将多帧雷达数据复合预处理，包括：

得到雷达成像幅度均值矩阵；

生成相干均值掩模矩阵；

基于雷达成像幅度均值矩阵与相干均值掩模矩阵，滤除小于相干均值阈值的雷达成像幅度均值数据，生成待复合雷达幅度均值矩阵，提取方位向范围和分辨率以及距离向范围和分辨率。

作为一种实施方式，本公开的一种或者多种处理模块，进一步配置为：得到雷达成像幅度均值矩阵，包括：

读取N帧雷达成像复图像数据，获取N个雷达成像复数矩阵数据；

求取每一复数矩阵的模矩阵；

将N个雷达成像模矩阵相加后，求取雷达成像幅度均值矩阵。

作为一种实施方式，本公开的一种或者多种处理模块，进一步配置为：生成相干均值掩模矩阵，包括：

读取N帧雷达相干图数据，获取N个雷达相干数据矩阵；

将N个雷达相干数据矩阵相加后，求取雷达相干数据均值矩阵；

设置相干均值阈值，保留大于相干均值阈值的雷达相干均值数据，生成相干均值掩模矩阵。

作为一种实施方式，本公开的一种或者多种处理模块，进一步配置为：直角坐标系点云转换处理，得到非标准球坐标系下的三维球坐标点云数据，包括：

读取处于空间直角坐标系下的无序三维点云数据；

获取雷达位于该坐标系的空间坐标；

将三维点云数据的整体坐标减去雷达坐标数据，将空间直角坐标系原点偏移至雷达所在坐标处。

作为一种实施方式，本公开的一种或者多种处理模块，进一步配置为：直角坐标系点云转换处理，得到非标准球坐标系下的三维球坐标点云数据，还包括：

将偏移后的三维点云直角坐标数据通过改进的直角坐标转球坐标公式转化为非ISO国际标准球坐标；

遍历所有直角坐标点，得到非标准球坐标系下的三维球坐标点云数据。

作为一种实施方式，本公开的一种或者多种处理模块，进一步配置为：球坐标系点云重构处理，生成二维重构图，包括：

提取三维球坐标点云数据的方位向数据以及距离数据，确定方位向数据与距离数据的最大值与最小值；

计算二维重构图行列号；

二维重构图矩阵二值化。

作为一种实施方式，本公开的一种或者多种处理模块，进一步配置为：匹配二维重构图与雷达图，完成雷达图像素与直角坐标三维点云的复合，包括：

将雷达成像幅度均值矩阵二值化，获取雷达成像幅度二值矩阵；

对雷达成像幅度二值矩阵与三维点云二维重构图二值矩阵进行二值图像匹配处理，以使实现雷达图的像素行列号与三维点云二维重构图像素行列号的一一对应。

作为一种实施方式，本公开的一种或者多种处理模块，进一步配置为：至少应用于多源三维重建数据与微变监测雷达的形变监测数据的融合，与微变监测雷达数据复合的数据，包括：

无人机三维重建数据、区域CAD三维数据、多目视觉光学三维重建数据、卫星三维地形数据。

在一些具体实施方案中，本公开的一种或者多种处理模块，配置为用于执行前文中步骤S1至步骤S4的具体实施方式。

具体来说，本公开的发明构思之一，旨在至少将多帧雷达数据复合预处理；直角坐标系点云转换处理，得到非标准球坐标系下的三维球坐标点云数据；球坐标系点云重构处理，生成二维重构图；匹配二维重构图与雷达图，完成雷达图像素与直角坐标三维点云的复合，对三维点云数据的坐标系转化与二维重构，将三维点云数据与雷达成像数据建立起了一种二维图像维度的匹配关系，通过点云二维重构图在俯仰向上数据的保持，将雷达数据与三维点云数据进行了匹配。本公开各实施例免去雷达设备的初始方向定位，通过另一维度多匹配点的获取，避免了现有技术存在的误差，提升数据的复合精度，为后续雷达数据耦合三维地形参数进行预警提供了良好的数据支撑。

本公开还提供了一种计算机可读存储介质，其上存储有计算机可执行指令，所述计算机可执行指令由处理器执行时，主要实现根据上述的多源微变监测数据复合方法，所述方法包括：

将多帧雷达数据复合预处理；

直角坐标系点云转换处理，得到非标准球坐标系下的三维球坐标点云数据；

球坐标系点云重构处理，生成二维重构图；

匹配二维重构图与雷达图，完成雷达图像素与直角坐标三维点云的复合。

以上实施例仅为本公开的示例性实施例，不用于限制本公开，本公开的保护范围由权利要求书限定。本领域技术人员可以在本公开的实质和保护范围内，对本公开做出各种修改或等同替换，这种修改或等同替换也应视为落在本公开的保护范围内。