一種機載激光點云數據與車載激光點云數據融合方法
【專利摘要】本發明公開一種機載激光點云數據與車載激光點云數據融合方法，包括：以機載數據為參考數據，對車載激光點云數據進行同名點或相同特征線的提取；將車載激光點云數據和機載激光點云數據在機載激光點云數據的坐標系中進行配準；在坐標系中對車載激光點云數據進行抽稀處理，去除多余的車載激光點云數據；在坐標系中對車載激光點云數據按照地物類型進行分類，得到不同類別的車載激光點云數據；在坐標系中刪除同一類別下機載激光點云數據和車載激光點云數據的重疊部分，保留同一類別下所述重疊部分中數據密度相對高的點云數據，得到融合點云數據。本發明的方案克服了兩種數據的分辨率和數據量的差異，能夠很好的將兩種數據進行融合。
【專利說明】
一種機載激光點云數據與車載激光點云數據融合方法
技術領域
[0001]本發明涉及圖像處理領域，特別是涉及一種機載激光點云數據與車載激光點云數據融合方法。
【背景技術】
[0002]隨著數字城市建設的飛速發展，車載激光掃描作為一種新興技術，在近些年來得到了廣泛應用。然而，在車載激光發展之前，機載激光技術就得到了迅速推廣，針對機載激光點云數據的應用也進行了許多研究和嘗試。
[0003]機載激光技術是在地物上空對地物進行采集，能快速獲取地物頂部的信息，但對地物側面信息的采集存在很大缺陷，而車載激光是在移動測量車上沿路獲取道路兩旁地物的側面信息，但車載激光測量在城市中進行數據采集時容易受GPS信號的遮擋，定位精度會降低。
[0004]因此，將利用機載激光和車載激光獲取的數據進行融合成為目前研究的一大熱點。當前的機載激光和車載激光的點云數據的融合主要解決了兩種數據的格式統一、尺度統一、以及同名點匹配等問題。目前沒有一種方案能夠克服機載激光和車載激光點云數據的分辨率和數據量的差異從而實現有效融合。

【發明內容】

[0005]本發明的目的是提供一種機載激光點云數據與車載激光點云數據融合方法，旨在克服機載激光點云數據和車載激光點云數據之間的分辨率和數據量的差異從而實現兩種數據的有效融合。
[0006]為實現上述目的，本發明提供了如下方案:
[0007]—種機載激光點云數據與車載激光點云數據融合方法，其特征在于，包括:
[0008]以機載數據為參考數據，對車載激光點云數據進行同名點或相同特征線的提取；所述機載數據包括機載激光點云數據和高分辨率的正射影像；
[0009]將所述車載激光點云數據和所述機載激光點云數據在機載激光點云數據的坐標系中進行配準，使同一位置的所述車載激光點云數據和所述機載激光點云數據在同一坐標系中具有相同的坐標；
[0010]在所述坐標系中對所述車載激光點云數據進行抽稀處理，去除多余的車載激光點云數據；
[0011]在所述坐標系中對所述車載激光點云數據按照地物類型進行分類，得到不同類別的車載激光點云數據；
[0012]在所述坐標系中刪除同一類別下所述機載激光點云數據和所述車載激光點云數據的重疊部分，保留同一類別下所述重疊部分中數據密度相對高的點云數據，得到融合點云數據;所述融合點云數據為所述機載激光點云數據與所述車載激光點云數據融合后的點云數據。
[0013]可選的，所述以所述機載數據為參考，對車載激光點云數據進行同名點或相同特征線的提取之前，還包括:
[0014]采集同一區域的機載激光點云數據和車載激光點云數據；
[0015]將不同航帶之間的機載激光點云數據按照航帶順序排列，并將不同航帶之間的機載點云數據進行拼接，形成完整的機載激光點云數據。
[0016]利用高分辨率的正射影像對所述機載激光點云數據進行彩色賦值；
[0017]統一所述機載激光點云數據和所述車載激光點云數據的數據屬性，將激光的反射強度值轉換到O?65535，將機載激光點云數據和車載激光點云數據的時間轉換到GPS標準時間；
[0018]可選的，將所述車載激光點云數據和所述機載激光點云數據在機載激光點云數據的坐標系中進行配準，具體包括:
[0019]使用高分辨率的正射影像對所述車載激光點云數據的平面位置進行糾正；
[0020]使用所述機載激光點云數據對所述車載激光點云數據的高程進行糾正。
[0021]可選的，使用高分辨率的正射影像對所述車載激光點云數據的平面位置進行糾正，具體包括:
[0022]獲取所述正射影像和所述車載激光點云數據的同名點；
[0023]計算所述正射影像和所述車載激光點云數據的同名點坐標的均方根誤差；
[0024]計算不同航線的所述車載激光點云數據的同名點坐標的均方根誤差；
[0025]利用最小二乘法對所述同名點進行濾粗差處理，除去所述均方根誤差超過閾值的同名點；
[0026]統計每條航線上不同GPS時間上的車載激光點云數據偏移量，形成誤差曲線，利用平滑算法對所述誤差曲線進行誤差糾正。
[0027]可選的，使用高分辨率的正射影像對所述車載激光點云數據的平面進行糾正，具體包括:
[0028]提取各個航帶對應的車載激光點云數據的墻面特征線；
[0029]尋找航帶上誤差超過閾值的墻面特征線；
[0030]刪除所述誤差超過閾值的墻面特征線；
[0031 ]利用平滑算法對未被刪除的墻面特征線進行誤差糾正。
[0032]可選的，所述使用所述機載激光點云數據對所述車載激光點云數據的高程進行糾正，具體包括:
[0033]調出車載導航數據，尋找所述車載導航數據中與所述機載激光點云數據對應的車載導航航跡；
[0034]將所述車載導航航跡下方的所述機載激光點云數據轉化成機載點云矢量層，利用新生成的所述機載點云矢量層作為參考，尋找所述車載激光點云數據的航跡特征線；
[0035]尋找誤差超過閾值的航跡特征線；
[0036]刪除所述誤差超過閾值的航跡特征線；
[0037]對未被刪除的航跡特征線利用平滑算法進行誤差糾正。
[0038]可選的，所述對車載激光點云數據進行抽稀處理，去除多余的車載激光點云數據，具體包括:
[0039]保留距離車載激光探頭5m以內的車載激光點云數據；
[0040]保留路面和墻面的車載激光點云數據；
[0041]對重疊的車載激光點云數據進行切割，根據需要的信息的詳細程度確定保留密度較大或較小的車載激光點云數據部分。
[0042]可選的，在得到融合點云數據之后，還包括:
[0043]計算所述融合點云數據的法向量；
[0044]利用所述法向量尋找所述融合點云數據的墻面層數據；
[0045]去除所述融合點云數據的噪聲，確定更小范圍的地物信息。
[0046]根據本發明提供的具體實施例，本發明公開了以下技術效果:
[0047]1、采集同一區域的機載激光點云數據和車載激光點云數據，避免了兩種數據采集形式上的差異，減小數據融合的難度。
[0048]2、通過尋找墻面特征線，實現了點云數據的精校正。
[0049]3、通過濾粗差處理，刪除錯誤的同名點，提高融合的精度。
[0050]4、通過抽稀處理，有效克服了兩種數據的分辨率和數據量的差異。
[0051 ]5、本發明的融合方法，操作簡單、效率高、精度高，能夠很好的實現兩種數據的融入口 ο
【附圖說明】
[0052]為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。
[0053]圖1為本發明機載激光點云數據與車載激光點云數據融合方法實施例的方法流程圖；
[0054]圖2為本發明圖1所述方法之前的數據預處理方法實施例的方法流程圖。
【具體實施方式】
[0055]下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
[0056]本發明的目的是提供一種機載激光點云數據與車載激光點云數據融合方法。
[0057]為使本發明的上述目的、特征和優點能夠更加明顯易懂，下面結合附圖和【具體實施方式】對本發明作進一步詳細的說明。
[0058]圖1為本發明機載激光點云數據與車載激光點云數據融合方法實施例的方法流程圖。
[0059]參見圖1，一種機載激光點云數據與車載激光點云數據融合方法，包括:
[0060]步驟101，以機載數據為參考數據，對車載激光點云數據進行同名點或相同特征線的提取;所述機載數據包括機載激光點云數據和高分辨率的正射影像；[0061 ]步驟102，將所述車載激光點云數據和所述機載激光點云數據在機載激光點云數據的坐標系中進行配準，使同一位置的所述車載激光點云數據和所述機載激光點云數據在同一坐標系中具有相同的坐標；
[0062]所述配準，具體為將同一區域內的車載激光點云數據和機載激光點云數據的地理坐標進行匹配。具體步驟為:
[0063]先確定車載激光點云數據和機載激光點云數據的同名點，然后將同名點輸入計算機，以機載激光點云數據的坐標系為基準，將車載激光點云數據匹配到機載激光點云數據的坐標系中。
[0064]所述確定車載激光點云數據和機載激光點云數據的同名點的方法有兩種:手動確定方法和自動確定方法。
[0065]所述手動確定方法為操作人員對車載激光點云數據和機載激光點云數據進行觀察，通過具體分析和計算確定同名點。
[0066]所述自動確定方法為利用計算機提取機載激光點云數據和車載激光點云數據的各種控制點(比如道路交叉點、井蓋等)的特征，然后對各種控制點進行識別，進而實現同名點的確定。
[0067]步驟103，在所述坐標系中對所述車載激光點云數據進行抽稀處理，去除多余的車載激光點云數據；
[0068]步驟104，在所述坐標系中對所述車載激光點云數據按照地物類型進行分類，得到不同類別的車載激光點云數據；
[0069]具體為，將車載激光點云數據分為:地面層、低植被層、中植被層、高植被層、墻面層。
[0070]步驟105，在所述坐標系中刪除同一類別下所述機載激光點云數據和所述車載激光點云數據的重疊部分，保留同一類別下所述重疊部分中數據密度相對高的點云數據，得到融合點云數據;所述融合點云數據為所述機載激光點云數據與所述車載激光點云數據融合后的點云數據。
[0071]實際應用中，所述保留同一類別下所述重疊部分中數據密度相對高的點云數據具體可以為:在地面上保留車載激光點云數據，在低植被層保留車載激光點云數據，在中植被層保留機載激光點云數據，在高植被層保留機載激光點云數據。
[0072]圖2為本發明圖1所述方法之前的數據預處理方法實施例的方法流程圖。
[0073]參見圖2，以機載數據為參考數據，對車載激光點云數據進行同名點或相同特征線的提取，還包括:
[0074]步驟201，利用同一激光探測雷達裝置采集同一區域的機載激光點云數據和車載激光點云數據;具體為，通過硬件上的設計，使激光探測雷達裝置既能放置在移動車上獲取車載激光點云數據，也能放置在飛機上獲取機載激光點云數據。這樣得到的兩種數據的格式和規制一樣，從而使兩種數據能更好地融合。本申請的數據融合方法同樣適用于當用不同的激光探測雷達采集的同一區域的機載激光點云數據和車載激光點云數據的融合。
[0075]步驟202，將不同航帶之間的機載激光點云數據按照航帶順序排列，并將不同航帶之間的機載點云數據進行拼接，形成完整的機載激光點云數據。
[0076]具體為:尋找與每個航帶相鄰的航帶，將每個航帶和與其相鄰的航帶拼接在一起，將所有的航帶完成拼接后就形成完成的機載激光點云數據。
[0077]步驟203，利用高分辨率的正射影像對所述機載激光點云數據進行彩色賦值；
[0078]步驟204，統一所述機載激光點云數據和所述車載激光點云數據的數據屬性，將激光的反射強度值轉換到O?65535，將機載激光點云數據和車載激光點云數據的時間轉換到GPS標準時間。
[0079]可選的，將所述車載激光點云數據和所述機載激光點云數據在機載激光點云數據的坐標系中進行配準，具體包括:
[0080]使用高分辨率的正射影像對所述車載激光點云數據的平面位置進行糾正；
[0081]使用所述機載激光點云數據對所述車載激光點云數據的高程進行糾正。
[0082]可選的，使用高分辨率的正射影像對所述車載激光點云數據的平面位置進行糾正，具體包括:
[0083]獲取所述正射影像和所述車載激光點云數據的同名點；
[0084]計算所述正射影像和所述車載激光點云數據的同名點坐標的均方根誤差；
[0085]計算不同航線的所述車載激光點云數據的同名點坐標的均方根誤差；
[0086]利用最小二乘法對所述同名點進行濾粗差處理，除去所述均方根誤差超過閾值的同名點；
[0087]統計每條航線上不同GPS時間上的車載激光點云數據偏移量，形成誤差曲線，利用平滑算法對所述誤差曲線進行誤差糾正。
[0088]可選的，使用高分辨率的正射影像對所述車載激光點云數據的平面位置進行糾正，具體包括:
[0089]提取各個航帶對應的車載激光點云數據的墻面特征線；
[0090]尋找航帶上誤差超過閾值的墻面特征線；
[0091 ]刪除所述誤差超過閾值的墻面特征線；
[0092]利用平滑算法對未被刪除的墻面特征線進行誤差糾正。
[0093]可選的，所述使用所述機載激光點云數據對所述車載激光點云數據的高程進行糾正，具體包括:
[0094]將所述車載激光點云數據轉換到所述機載激光點云數據的高程坐標系下；
[0095]調出車載導航數據，尋找所述車載導航數據中與所述車載激光點云數據對應的車載導航航跡；
[0096]將所述車載導航航跡下方的所述機載激光點云數據轉化成機載點云矢量層，利用新生成的所述機載點云矢量層作為參考，尋找所述車載激光點云數據的航跡特征線；
[0097]尋找誤差超過閾值的航跡特征線；
[0098]刪除所述誤差超過閾值的航跡特征線；
[0099]對未被刪除的航跡特征線利用平滑算法進行誤差糾正。
[0100]可選的，所述對車載激光點云數據進行抽稀處理，去除多余的車載激光點云數據，具體包括:
[0101]保留距離車載激光探頭5m以內的車載激光點云數據；
[0102]保留路面和墻面的車載激光點云數據；
[0103]對重疊的車載激光點云數據進行切割，根據需要的信息的詳細程度確定保留密度較大或較小的車載激光點云數據部分;如果需要比較詳細的車載激光點云數據，比如在道路上需要獲取路燈、行人、樹木等信息，則保留密度較大的車載激光點云數據部分，切割密度較小的車載激光點云數據，從而提高數據處理精度;如果需要比較粗略的車載激光點云數據，比如在道路上只需要獲取道路的位置和延伸方向，則保留密度較小的車載激光點云數據，切割密度較大的車載激光點云數據，從而提高數據處理速度。
[0104]可選的，在得到融合點云數據之后，還包括:
[0?05]計算所述融合點云數據的法向量；
[0106]利用所述法向量尋找所述融合點云數據的墻面層數據；
[0107]去除所述融合點云數據的噪聲，確定更小范圍的地物信息。
[0108]所述更小范圍的地物信息包括:樹、路燈、車輛、動物等信息。
[0109]根據本發明提供的具體實施例，本發明公開了以下技術效果:
[0110]1、采集同一區域的機載激光點云數據和車載激光點云數據，避免了兩種數據采集形式上的差異，減小數據融合的難度。
[0111]2、通過尋找墻面特征線，實現了點云數據的精校正。
[0112]3、通過濾粗差處理，刪除錯誤的同名點，提高融合的精度。
[0113]4、通過抽稀處理，有效克服了兩種數據的分辨率和數據量的差異。
[0114]5、本發明的融合方法，操作簡單、效率高、精度高，能夠很好的實現兩種數據的融入口 ο
[0115]本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發明的方法及其核心思想；同時，對于本領域的一般技術人員，依據本發明的思想，在【具體實施方式】及應用范圍上均會有改變之處。綜上所述，本說明書內容不應理解為對本發明的限制。
【主權項】
1.一種機載激光點云數據與車載激光點云數據融合方法，其特征在于，包括: 以機載數據為參考數據，對車載激光點云數據進行同名點或相同特征線的提取;所述機載數據包括機載激光點云數據和高分辨率的正射影像； 將所述車載激光點云數據和所述機載激光點云數據在機載激光點云數據的坐標系中進行配準，使同一位置的所述車載激光點云數據和所述機載激光點云數據在同一坐標系中具有相同的坐標； 在所述坐標系中對所述車載激光點云數據進行抽稀處理，去除多余的車載激光點云數據； 在所述坐標系中對所述車載激光點云數據按照地物類型進行分類，得到不同類別的車載激光點云數據； 在所述坐標系中刪除同一類別下所述機載激光點云數據和所述車載激光點云數據的重疊部分，保留同一類別下所述重疊部分中數據密度相對高的點云數據，得到融合點云數據;所述融合點云數據為所述機載激光點云數據與所述車載激光點云數據融合后的點云數據。2.根據權利要求1所述的方法，其特征在于，所述以所述機載數據為參考，對車載激光點云數據進行同名點或相同特征線的提取之前，還包括: 采集同一區域的機載激光點云數據和車載激光點云數據； 將不同航帶之間的機載激光點云數據按照航帶順序排列，并將不同航帶之間的機載點云數據進行拼接，形成完整的機載激光點云數據。 利用高分辨率的正射影像對所述機載激光點云數據進行彩色賦值； 統一所述機載激光點云數據和所述車載激光點云數據的數據屬性，將激光的反射強度值轉換到O?65535，將機載激光點云數據和車載激光點云數據的時間轉換到GPS標準時間。3.根據權利要求1所述的方法，其特征在于，將所述車載激光點云數據和所述機載激光點云數據在機載激光點云數據的坐標系中進行配準，具體包括: 使用高分辨率的正射影像對所述車載激光點云數據的平面位置進行糾正； 使用所述機載激光點云數據對所述車載激光點云數據的高程進行糾正。4.根據權利要求2所述的方法，其特征在于，使用高分辨率的正射影像對所述車載激光點云數據的平面位置進行糾正，具體包括: 獲取所述正射影像和所述車載激光點云數據的同名點； 計算所述正射影像和所述車載激光點云數據的同名點坐標的均方根誤差； 計算不同航線的所述車載激光點云數據的同名點坐標的均方根誤差； 利用最小二乘法對所述同名點進行濾粗差處理，除去所述均方根誤差超過閾值的同名占.V ， 統計每條航線上不同GPS時間上的車載激光點云數據偏移量，形成誤差曲線，利用平滑算法對所述誤差曲線進行誤差糾正。5.根據權利要求2所述的方法，其特征在于，使用高分辨率的正射影像對所述車載激光點云數據的平面進行糾正，具體包括: 提取各個航帶對應的車載激光點云數據的墻面特征線； 尋找航帶上誤差超過閾值的墻面特征線； 刪除所述誤差超過閾值的墻面特征線； 利用平滑算法對未被刪除的墻面特征線進行誤差糾正。6.根據權利要求2所述的方法，其特征在于，所述使用所述機載激光點云數據對所述車載激光點云數據的高程進行糾正，具體包括: 調出車載導航數據，尋找所述車載導航數據中與所述機載激光點云數據對應的車載導航航跡； 將所述車載導航航跡下方的所述機載激光點云數據轉化成機載點云矢量層，利用新生成的所述機載點云矢量層作為參考，尋找所述車載激光點云數據的航跡特征線； 尋找誤差超過閾值的航跡特征線； 刪除所述誤差超過閾值的航跡特征線； 對未被刪除的航跡特征線利用平滑算法進行誤差糾正。7.根據權利要求1所述的方法，其特征在于，所述對車載激光點云數據進行抽稀處理，去除多余的車載激光點云數據，具體包括: 保留距離車載激光探頭5m以內的車載激光點云數據； 保留路面和墻面的車載激光點云數據； 對重疊的車載激光點云數據進行切割，根據需要的信息的詳細程度確定保留密度較大或較小的車載激光點云數據部分。8.根據權利要求1所述的方法，其特征在于，在得到融合點云數據之后，還包括: 計算所述融合點云數據的法向量； 利用所述法向量尋找所述融合點云數據的墻面層數據； 去除所述融合點云數據的噪聲，確定更小范圍的地物信息。
【文檔編號】G06T5/50GK106056563SQ201610339976
【公開日】2016年10月26日
【申請日】2016年5月20日
【發明人】鐘若飛, 吳瓊, 宮輝力
【申請人】首都師范大學, 南京泰司空間信息科技有限公司