專利名稱：基于激光雷達點云與航空影像的真正射影像的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于攝影測量應(yīng)用領(lǐng)域，特別是基于激光雷達點云與航空影像的真正射影像的制作方法。
背景技術(shù)：
隨著計算機技術(shù)和通信技術(shù)的迅速發(fā)展，數(shù)字化的地理信息已成為城市乃至整個國家在各個領(lǐng)域宏觀決策和規(guī)劃管理中必不可少的支撐條件，因此對基礎(chǔ)地理信息數(shù)據(jù)的精度及現(xiàn)實性都提出了相當(dāng)高的要求。同時由于地理信息系統(tǒng)的發(fā)展，對基礎(chǔ)地理信息數(shù)據(jù)的形式提出了更多的要求，不僅需要矢量數(shù)據(jù)、柵格數(shù)據(jù)，還需要形象直觀的圖像數(shù)據(jù)。攝影測量直接獲取的地面數(shù)碼影像往往由于傳感器姿態(tài)或者地形起伏等原因，存在地物位置偏差及地物變形的問題。經(jīng)過正射糾正，可以有效剔除由于傳感器和相機旋轉(zhuǎn)、地形起伏以及在圖像獲取和處理過程中產(chǎn)生的位置誤差，最終生成無變形、同時具有地圖幾何精度和影像特征的圖像，即數(shù)字正射影像(Digital Ortho-photo Map, DOM)。因此,數(shù)字正射影像以其信息量豐富、直觀、應(yīng)用廣泛等特點在城市規(guī)劃、土地資源利用和調(diào)查以及基礎(chǔ)地理信息系統(tǒng)中發(fā)揮著越來越大的作用。傳統(tǒng)的數(shù)字正射影像是采用數(shù)字地面模型(Digital Terrain Model，DTM)進行正射糾正。然而，隨著影像獲取手段的不斷發(fā)展和各部門需求的不斷進步，傳統(tǒng)概念上的數(shù)字正射影像已不能滿足應(yīng)用需求了。其地形地貌雖然經(jīng)過了正射糾正，但是人工建筑等地形上存在著投影差。在人類活動頻繁、建筑物密集的城市區(qū)域，高大建筑物對地表信息造成了遮擋，而且影像拼接和接邊區(qū)域地物過渡實現(xiàn)起來十分困難，嚴(yán)重影響了應(yīng)用效果。因此，專家提出了真正射影像(True Digital Ortho Map，TD0M)的概念，通過高精度的數(shù)字表面模型(DigitalSurface Model, DSM)，采用數(shù)字微分糾正，改正原始影像的幾何變形，建立垂直視角的地表景觀[1]，避免城市區(qū)域高大建筑物對其他地表信息的遮擋，解決大比例尺城區(qū)正射影像拼接困難以及拼接后影像接邊區(qū)域不自然等弊端。傳統(tǒng)正射影像和真正射影像的對比圖參見圖廣2，從圖f 2可以看出，傳統(tǒng)正射影像是傾斜視角，高大建筑物的投影遮擋了地面信息，地物信息不夠準(zhǔn)確；而真正射影像消除了這些影響，對后續(xù)利用真正射影像進行地物分析和量測提供了良好的數(shù)據(jù)源。因此，真正射影像的相關(guān)研究具有很強的現(xiàn)實意義。在真正射影像的制作技術(shù)上，國內(nèi)外學(xué)者均進行了一定探討和研究。如利用微軟公司的UltraCaml相機獲取的航空影像進行密集匹配生成數(shù)字表面模型(Digital SurfaceModel，DSM)，進而獲得真正射影像[2];為了研究復(fù)雜的文物表面，使用激光掃描數(shù)據(jù)和覆蓋文物所有表面的數(shù)碼照片生成真正射影像[3];將航空影像與建筑物、道路和地形模型結(jié)合生成真正射影像[4]。國內(nèi)的學(xué)者也進行了相關(guān)研究工作，潘慧波等[5]介紹了結(jié)合激光雷達和同步采集的數(shù)碼影像生成真正射影像的可行性方法。目前，在國內(nèi)，真正射影像的生產(chǎn)主要采用的是法國的INF0TERRA公司開發(fā)的“像素エ廠”(Pixel Factory)系統(tǒng)和德國的Inpho數(shù)字?jǐn)z影測量系統(tǒng)[6]。
正射糾正是生成正射影像的關(guān)鍵步驟。正射糾正通常采用共線方程法，利用共線條件方程，結(jié)合影像和數(shù)字高程模型(Digital Elevation Model，DEM)進行正射糾正。傳統(tǒng)的正射糾正無法檢測建筑物對其他地物存在的遮擋，從而影響生成的正射影像質(zhì)量，因此遮蔽檢測成為生成真正射影像的重要步驟，也成為國內(nèi)外研究的熱點。遮蔽檢測方法有基于矢量建筑物模型的Z-buffer方法[7]、基于柵格DSM模型的Z-buffer方法[8]、基于角度的檢測方法和基于角度和高程信息的射線追蹤法[9]等。國內(nèi)的王瀟、江萬壽等[1°]提出了一種基于高程面投影的迭代檢測算法。激光雷達(Light Detection and Ranging,簡稱LiDAR)作為一種新型的對地觀測技術(shù)，用于直接快速地獲取地球表面的三維空間信息，具有速度快、精度高、信息量大等優(yōu)點，為數(shù)據(jù)應(yīng)用提供了更加豐富的信息，備受應(yīng)用者和研究者的廣泛關(guān)注。目前LiDAR技術(shù)廣泛應(yīng)用于地面景觀形體量測、古建筑與古文物保護、復(fù)雜エ業(yè)設(shè)備的量測與建模、城市三維可視化模型的建立、森林和農(nóng)業(yè)資源調(diào)查、變形監(jiān)測等領(lǐng)域，顯示出巨大的應(yīng)用前景。毋庸置疑，LiDAR技術(shù)的出現(xiàn)會推動遙感數(shù)據(jù)應(yīng)用領(lǐng)域的進ー步發(fā)展。
由前述真正射影像的研究現(xiàn)狀可知，將多種數(shù)據(jù)源結(jié)合生成真正射影像是真正射影像生成領(lǐng)域的ー個重要研究方向。真正射影像的質(zhì)量主要取決于DSM的質(zhì)量，而利用LiDAR技術(shù)能更快速的生成DSM并提高DSM的質(zhì)量，而DSM的質(zhì)量直接影響生成的真正射影像的質(zhì)量。因此，可以將LiDAR技術(shù)用于生產(chǎn)真正射影像，用來提高真正射影像的質(zhì)量。然而，采用LiDAR技術(shù)雖然能夠直接獲取地物目標(biāo)的空間幾何三維信息，但其エ作模式是靠回波接受主動工作模式來獲取地表高程信息，因此利用LiDAR所獲取的數(shù)據(jù)本身存在缺陷①由于遮擋、物體特性(如水面)等因素，會出現(xiàn)ー些區(qū)域回波信息被吸收而沒有數(shù)據(jù)的情況；②當(dāng)激光束遇到地物邊緣部分回波會發(fā)生折射，導(dǎo)致地物邊緣部分?jǐn)?shù)據(jù)不完整數(shù)據(jù)采樣時按時間間隔或空間間隔來進行，數(shù)據(jù)是離散的點集，點集之外ー些重要信息被丟失。因此，一方面采用LiDAR技術(shù)難以直接獲得物體表面的語義信息(例如紋理和結(jié)構(gòu)等)，另ー方面它所獲得的空間三維點云數(shù)據(jù)具有不連續(xù)性、不規(guī)則性以及數(shù)據(jù)密度不均勻等特性，直接利用LiDAR點云數(shù)據(jù)實現(xiàn)地物三維信息精確提取還很困難[11]。從目前很多研究來看，単獨利用LiDAR點云數(shù)據(jù)進行地物的分類和識別等自動智能化的處理具有很大難度。文中涉及的參考文獻如下[I]史照良，沈泉飛，曹敏.像素エ廠中真正射影像的生產(chǎn)及其精度分析[J].測繪科學(xué)技術(shù)學(xué)報.2007 (5) : 332-335.[2]Alexander Wiechert M. DSM and Ortho Generation with the Ultracam-L—ACase Study[Z]. San Diego, California:2010.[3] Alshawabkeh Y. A NEW TRUE 0RTH0-PH0T0 METHODOLOGY FORC0MPLEXARCHAE0L0GICAL APPLICATION[J]. Archaeometry. 2010，52(3):517-530.[4]Shin-Hui Li L C. True Ortho-rectification for Aerial Photos by theIntegration of Building, Road, and Terrain Models[J]. Journal of Photogrammetryand Remote Sensing. 2008, 13(2):116-125.[5]潘慧波，胡友健，王大瑩.從LiDAR數(shù)據(jù)中獲取DSM生成真正射影像[J].測繪工程 2009(3) :47-50.
[6]萬從容，郭容寰，楊常紅.數(shù)字真正射影像的研制[J].上海地質(zhì) 2009 (4):33-36. 2009(4):33-36.[7]Amhar F. The Generation of True Orthophotos Using a 3D Builing Modelin Conjunctionwith a Conventional DTM[J].1nternational Archives of Photogrammetry and Remote Sensing, 1998, 32(Part4):16222[8] Rau J, Chen N, Chen L. True Orthophoto Generation of Built-upAreas Using MultiviewImages[J]. Photogrammet ric Engineering & RemoteSensing, 2002, 68 (6).[9] Wai Yeung Yan, Ahmed Shaker, Ayman Habib, Ana Paula Kerstingb.1mprovingclassiiication accuracy of airborne LiDAR intensity data by geometriccalibration and radiometriccorrection[J].1SPRS Journal ofPhotogrammetry andRemote Sensing, 2012(67):35 - 44 [10]王瀟，江萬壽，謝俊峰.一種新的真正射影像生成算法[J].武漢大學(xué)學(xué)報(信息科學(xué)版) 2009 (10) : 1250-1254.[11]程亮.集成影像與LiDAR數(shù)據(jù)重建三維建筑物模型研究[D].武漢武漢大學(xué)，2008.

發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)中存在的問題，本發(fā)明將機載LiDAR點云和航空影像結(jié)合，并基于此提出了ー種真正射影像的制作方法，該方法能提高真正射影像的生成速度和生成質(zhì)量。本發(fā)明方法的基本思路是數(shù)據(jù)獲取方式?jīng)Q定了機載LiDAR點云數(shù)據(jù)中屋頂點等面狀特征明顯，利于區(qū)域特征提取，而航空影像數(shù)據(jù)中房屋等邊緣輪廓異常清晰，便于邊緣特征的準(zhǔn)確提?。粰C載LiDAR點云數(shù)據(jù)的平面精度和高程精度相關(guān)，且機載LiDAR系統(tǒng)誤差源較多，誤差傳播模型較為復(fù)雜，而攝影測量數(shù)據(jù)平面精度和高程精度相互獨立，平面精度高于高程精度，二者具有較強的互補性。因此，可以將機載LiDAR點云數(shù)據(jù)和航空影像數(shù)據(jù)進行融合，利用匹配技術(shù)獲得的立體航空影像的密集點云與機載LiDAR點云進行配準(zhǔn)和融合，生成高質(zhì)量的DSM，進而采用DSM對已經(jīng)解算方位元素的多視角航空影像對進行正射糾正，輔以后續(xù)處理，包括遮擋區(qū)域的檢測和紋理補償復(fù)原等，從而實現(xiàn)快速生成高質(zhì)量的真正射影像。為了解決上述技術(shù)問題，本發(fā)明采用如下的技術(shù)方案一種基于激光雷達點云與航空影像的真正射影像的制作方法，包括步驟對機載LiDAR點云依次進行預(yù)處理、組織和濾波后進行特征提取；對原始航空影像立體像對進行匹配獲取立體航空影像，并提取立體航空影像的特征，所提取的立體航空影像的特征與機載LiDAR點云的特征為同類特征；基于所提取的特征對立體航空影像的密集點云和濾波后的機載LiDAR點云進行配準(zhǔn)，獲得DSM;根據(jù)DSM進行真正射影像制作。上述對預(yù)處理后的機載LiDAR點云進行組織具體為對預(yù)處理后的機載LiDAR點云進行表達，并對經(jīng)表達后的機載LiDAR點云進行重采樣。所述的對預(yù)處理后的機載LiDAR點云進行表達的優(yōu)選方案為采用規(guī)則格網(wǎng)對預(yù)處理后的機載LiDAR點云中的低密度點云區(qū)域進行表達，采用不規(guī)則三角網(wǎng)對預(yù)處理后的機載LiDAR點云中的高密度點云區(qū)域進行表達。上述對機載LiDAR點云進行特征提取具體為獲取濾波后的機載LiDAR點云的深度圖像，并基于深度圖像對機載LiDAR點云進行特征提取?；谏疃葓D像對機載LiDAR點云進行特征提取的優(yōu)選方案為基于深度圖像對機載LiDAR點云進行線特征提取。
所述的基于深度圖像對機載LiDAR點云進行線特征提取具體為基于深度圖像提取機載LiDAR點云的ニ維直線特征首先在深度圖像上進行邊緣檢測，并提取深度圖像中的邊緣點序列；然后，根據(jù)邊緣點序列將邊緣點連接成各小直線；最后，對各小直線段進行擬合得到ニ維直線特征；并對提取的ニ維直線特征建立左右兩個緩沖區(qū)，比較兩個緩沖區(qū)內(nèi)點云的高差以確定建筑物的內(nèi)、外側(cè)，取位于建筑物內(nèi)側(cè)的緩沖區(qū)內(nèi)的點在豎直方向上對ニ維直線特征進行擬合，獲得包括道路和橋梁信息的線特征。上述立體航空影像的密集點云采用如下方法獲得提取立體航空影像對應(yīng)的原始航空影像立體像對的稀疏點特征，根據(jù)所提取的稀疏點特征進行立體匹配獲得稀疏點對應(yīng)的稠密同名點，即為立體航空影像的密集點云。上述獲得DSM的步驟進一歩包括對航空影像的密集點云和濾波后的機載LiDAR點云進行粗配準(zhǔn)和精配準(zhǔn)兩個子步驟，其中所述的對航空影像的密集點云和機載LiDAR點云進行粗配準(zhǔn)具體為根據(jù)采集航空影像和機載LiDAR點云時飛機的位置與姿態(tài)獲取匹配初始位置；通過人工給定的對應(yīng)點確定航空影像和機載LiDAR點云的位置關(guān)系，從而得到ー個初始空間三維相似變換T ;通過點云數(shù)據(jù)和航空影像中對應(yīng)特征的匹配過程，計算同名特征，并代入到仿射變換的轉(zhuǎn)換模型中，優(yōu)化初始空間三維相似變換T的仿射變換參數(shù)，獲取配準(zhǔn)參數(shù)；所述的對航空影像的密集點云和機載LiDAR點云進行精配準(zhǔn)具體為根據(jù)粗配準(zhǔn)獲取的配準(zhǔn)參數(shù)進一步確定航空影像區(qū)域和方向；獲取兩種點云數(shù)據(jù)中三維表面點集之間的最優(yōu)匹配的幾何變換，從而獲得DSM。上述根據(jù)DSM進行真正射影像制作進ー步包括以下子步驟基于DSM對立體航空影像和濾波后的機載LiDAR點云進行正射糾正得到正射影像；對正射影像上建筑物遮擋區(qū)域進行自動檢測、侯選補償影像可見性分析、最佳補償影像自動確定、遮擋區(qū)域紋理補償策略、補償影像勻光勻色、絕對遮擋區(qū)域計算和真實紋理復(fù)原，生產(chǎn)真正射影像。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點和有益效果I)采用本發(fā)明方法可以生成高質(zhì)量DSM，從而可得到高質(zhì)量的真正射影像。直接使用LiDAR點云數(shù)據(jù)生成城市區(qū)域的DSM，對城市區(qū)域的復(fù)雜性特別是各種人工建筑物考慮不足，也未考慮LiDAR點云數(shù)據(jù)傳感器本身的特點，無法生成高質(zhì)量的DSM。但本發(fā)明分別提取航空影像立體像對匹配后生成的密集點云融合LiDAR點云數(shù)據(jù)獲得聞質(zhì)量的DSM。
2)基于高質(zhì)量的DSM，使用遮擋區(qū)域快速檢測、最佳補償影像定位、紋理補償與模擬復(fù)原等技術(shù)制作真正射影像產(chǎn)品，改變傳統(tǒng)正射影像使用數(shù)字高程模型DEM進行糾正，克服無法對投影差和地物進行糾正的缺點，能更加真實準(zhǔn)確地表達地形地貌，參見圖3，采用本發(fā)明方法得到的真正射影像去除了投影差，能更真實的反映地形地貌。3)本發(fā)明的優(yōu)選方案是基于線特征對機載LiDAR點云以及航空影像進行高精度匹配。機載LiDAR點云與光學(xué)影像的配準(zhǔn)必須從配準(zhǔn)基元、相似性測度以及配準(zhǔn)策略方面進行特殊考慮。遙感數(shù)據(jù)的配準(zhǔn)基元通常分為點特征、線特征和面特征。點特征的配準(zhǔn)方法主要采用灰度區(qū)域方法進行處理，很難在LiDAR數(shù)據(jù)和光學(xué)影像中找到同名點；基于線特征的配準(zhǔn)方法主要利用地物邊緣特性的相似性進行，但LiDAR數(shù)據(jù)與影像數(shù)據(jù)的差異，同名特征線的匹配是需要突破的難點；面特征方法通常是利用面特征相似性測度方程完成配準(zhǔn)。本發(fā)明首先利用航空影像生成密集點云，提取其中的道路以及橋梁信息等從而與LiDAR點云數(shù)據(jù)的線狀特征進行匹配，解算出方位參數(shù)。


圖1為傳統(tǒng)正射影像和真正射影像中建筑物傾斜與遮蔽效果的對比圖，其中，圖(a)為傳統(tǒng)正射影像中建筑物的傾斜與遮蔽效果，圖(b)為真正射影像中建筑物的傾斜與遮蔽效果；圖2為傳統(tǒng)正射影像和真正射影像視角的對比圖，其中，圖(a)為傳統(tǒng)正射影像視角圖，圖(b)為真正射影像視角圖；圖3為采用傳統(tǒng)正射糾正生成的正射影像和真正射影像的對比，其中，圖(a)為次啊月傳統(tǒng)正射糾正生成的正射影像，圖(b)為真正射影像；圖4為濾波處理前后的機載LiDAR點云數(shù)據(jù)的對比，其中，圖(a)為未進行濾波處理的機載載LiDAR點云，圖(b)為經(jīng)濾波處理后的機載載LiDAR點云；圖5為分割后的機載LiDAR建筑物點云區(qū)域；圖6為本發(fā)明具體實施所獲取的DSM ；圖7為本發(fā)明具體實施所生成的真正射影像；圖8為本發(fā)明具體實施的流程圖。
具體實施例方式下面將結(jié)合附圖和具體實施對本發(fā)明做進ー步說明。本發(fā)明的基于激光雷達點云與航空影像的真正射影像的制作方法，包括以下步驟步驟一，對機載LiDAR點云進行預(yù)處理；機載LiDAR系統(tǒng)在采集數(shù)據(jù)時，由于其內(nèi)部誤差和物體表面鏡面反射等原因，會產(chǎn)生ー些噪聲點，嚴(yán)重干擾后續(xù)操作。為了剔除系統(tǒng)誤差和噪聲，準(zhǔn)確利用機載LiDAR點云進行后續(xù)處理，必須對機載LiDAR點云進行預(yù)處理以去除粗差點，包括去除重復(fù)點、高程異常點、孤立點、空中的點等，例如由于激光打在通往地下室臺階上產(chǎn)生的高程明顯低的點，屬于高程異常點；激光打到水面上的垃圾、漂浮物等形成了相應(yīng)的數(shù)據(jù)點屬于孤立點；激光打在空氣中由于浮塵或者鳥類等產(chǎn)生的數(shù)據(jù)點屬于空中的點。步驟ニ，對預(yù)處理后的機載LiDAR點云進行組織；由于機載LiDAR點云數(shù)據(jù)繁雜龐大，所以必須設(shè)計高效、方便和精確的數(shù)據(jù)組織方式以提高后續(xù)步驟的速度。該步驟進ー步以下子步驟2-1對機載LiDAR點云進行表達；機載LiDAR點云的常用表達方式主要有規(guī)則格網(wǎng)、不規(guī)則格網(wǎng)、剖面和體元等。本發(fā)明的優(yōu)選方案是采用規(guī)則格網(wǎng)和不規(guī)則三角網(wǎng)結(jié)合的方式來有效表達點云數(shù)據(jù)的連續(xù)表面。規(guī)則格網(wǎng)應(yīng)用于機載LiDAR點云中的低密度 點云區(qū)域，將機載LiDAR點云中高度或反射值等數(shù)據(jù)內(nèi)插為規(guī)則格網(wǎng)點，低密度點云區(qū)域是指未經(jīng)預(yù)處理的原始機載LiDAR點云中信息較少的區(qū)域，如大片建筑、植被等。在低密度點云區(qū)域應(yīng)用規(guī)則格網(wǎng)能有效簡化機載LiDAR點云的組織方式，從而可提高對機載LiDAR點云數(shù)據(jù)的訪問和查詢效率。在機載LiDAR點云中的高密度點云區(qū)域采用構(gòu)建不規(guī)則三角網(wǎng)的方式的組織和處理數(shù)據(jù)，可很大程度保留和表現(xiàn)原始機載LiDAR點云的形態(tài)，這里的高密度點云區(qū)域是指未經(jīng)預(yù)處理的原始機載LiDAR點云中細(xì)節(jié)信息較豐富的區(qū)域。2-2對經(jīng)表達后的機載LiDAR點云進行重采樣；由于機載LiDAR點云數(shù)據(jù)分布不均勻，不能保證每個格網(wǎng)都有相對應(yīng)的激光點或者每個激光點都能用于格網(wǎng)的表達，因此必須對機載LiDAR點云進行重采樣，本具體實施方式
中采用最鄰近插值法對機載LiDAR點云進行重采樣。步驟三，對機載LiDAR點云進行濾波以過濾掉非地形表面點；采集機載LiDAR點云數(shù)據(jù)時，不可避免地會采集到位于非地形表面上的點，如建筑物表面以及植被表面等。為進行后續(xù)處理，非地形表面點需要被過濾掉，僅保留位于地形表面上的點。常用的濾波方法有基于數(shù)學(xué)形態(tài)學(xué)的濾波方法、基于分層穩(wěn)健估計的濾波方法、基于多分辨率多尺度分析的濾波方法等，本發(fā)明可以采用上述濾波方法中的任ー種對機載LiDAR點云進行濾波。下面將以基于多分辨率多尺度分析的濾波方法為例來說明機載LiDAR點云的濾波過程基于多分辨率多尺度分析的濾波方法的實質(zhì)是獲取多尺度多分辨率的數(shù)據(jù)描述，并建立數(shù)據(jù)金字塔。這個濾波過程類似于低通濾波器的濾波過程。地形表面點通常表現(xiàn)為高程較低的點，而經(jīng)變換后的點云數(shù)據(jù)的高頻成分是對應(yīng)于比周邊點明顯高出的點，將此高頻成分過濾掉后，即可獲得地形表面點。具體步驟如下通過多次試驗選擇若干合適的分辨率尺度，并根據(jù)各分辨率尺度分別建立對應(yīng)的子空間，將經(jīng)預(yù)處理后的機載LiDAR點云在各子空間做投影變換，從而獲得與各子空間相對應(yīng)的不同尺度和不同分辨率下的新點云數(shù)據(jù)描述。在新點云數(shù)據(jù)中建立參考面，通過對比當(dāng)前空間中每個點與參考面的相對位置關(guān)系判斷地形表面點數(shù)據(jù)，最終達到濾波區(qū)分地形表面點和非地形表面點的目的。參加圖4，圖4顯示了濾波處理前后的機載LiDAR點云數(shù)據(jù)對比。步驟四，對濾波后的機載LiDAR點云進行特征；
該步驟進ー步包括以下子步驟4-1獲取濾波后的機載LiDAR點云的深度圖像，深度圖像是由機載LiDAR點云的灰度屬性來生成和表示；根據(jù)強度數(shù)據(jù)和顏色信息對經(jīng)濾波處理后的機載LiDAR點云進行分割得到對應(yīng)的深度圖像，具體為；根據(jù)邊緣區(qū)域的強度和回波特征信息，對諸如人工建筑物、橋梁、電カ線、電カ塔以及道路等人工對象和諸如樹木、草地、灌木以及農(nóng)田等自然對象進行數(shù)據(jù)分害I]，分割后得到的建筑物的深度圖像可參見圖5。4-2基于深度圖像提取機載LiDAR點云的特征；
點云數(shù)據(jù)特征包括點特征、線特征以及面特征，本發(fā)明的優(yōu)選方案是基于機載LiDAR點云的深度圖像提取機載LiDAR點云的線特征，以在后續(xù)步驟中與航空影像進行線特征匹配。下面將以提取線特征為例對本步驟進行詳細(xì)說明(a)在機載LiDAR點云的深度圖像上提取ニ維直線特征。首先在深度圖像上進行邊緣檢測，可采用拉普拉斯(Laplacian)算法、LoG拉普拉斯-高斯(Laplacian-Gauss)算法、坎尼(Canny)算法等進行邊緣檢測,本發(fā)明優(yōu)選的邊緣檢測方法是基于Canny算法的邊緣檢測方法。Canny算子是應(yīng)用變分原理推導(dǎo)出ー種高斯模板導(dǎo)數(shù)逼近的最優(yōu)算子。采用Canny算子提取深度圖像中的邊緣點序列，然后對邊緣點連接而成的各小直線段進行擬合得到ニ維直線特征。下面將以坎尼(Canny)算法為例來詳細(xì)說明深度圖像中的邊緣點序列的提取過程采用2X2鄰域ー階偏導(dǎo)的有限差分計算平滑后的機載LiDAR點云數(shù)據(jù)陣列I (x, y)的梯度，I (x, y)為步驟ニ所得的機載LiDAR點云數(shù)據(jù)的描述，x、y分別為像素點的橫、縱坐標(biāo)。根據(jù)I(x，y)尋找梯度幅值和幅值方向。定義點云數(shù)據(jù)陣列的水平方向為X軸方向，點云數(shù)據(jù)陣列的垂直方向為y軸方向?；趚、y軸方向計算I (X，y)偏導(dǎo)數(shù)的分別獲取各像素點(i，j)對應(yīng)的2個陣列Px[i，j]和Py[i, j]Px[i，j] = (I [i, j+l]-1 [i, j]+I [i+1, j+l]-1 [i+1, j])/2Py[i，j] = (I[i, j]-1[i+l, j]+I[i, j+l]-1[i+l, j+l])/2其中，1、j表示該像素的橫、縱坐標(biāo)。像素的梯度幅值和梯度方向用直角坐標(biāo)到極坐標(biāo)的坐標(biāo)轉(zhuǎn)化公式來計算，用ニ階范數(shù)來計算像素(i，j)的梯度幅值M[i，j]為=+Py[i7jf像素(i，j)的梯度方向為0 [i, j]為:0 [i, j] = arctan(Px[i, j]/Py[i, j])根據(jù)所獲取的梯度幅值和梯度方向確定邊緣點，組成邊緣點序列即輪廓線。對獲取的輪廓線點集采用Douglas-Peucker (道格拉斯-普克)法獲得輪廓線的關(guān)鍵點，進而獲得規(guī)則的ニ維直線特征。Douglas-Peucker (道格拉斯-普克)算法作為ー種代表性的矢量線要素化簡算法，在地理信息處理中發(fā)揮著重要作用。根據(jù)關(guān)鍵點將輪廓線拆分成多條子輪廓線，然后利用最小二乗法對每一條子輪廓線進行直線段擬合，最后經(jīng)過正交化獲得規(guī)則正交的ニ維直線特征線。(b)對提取的ニ維直線特征建立左右兩個緩沖區(qū)，比較兩個緩沖區(qū)內(nèi)點云的高差以確定建筑物的內(nèi)、外側(cè)，取位于建筑物內(nèi)側(cè)的緩沖區(qū)內(nèi)的點在Z方向，即豎直方向上對該ニ維直線特征進行擬合獲得機載LiDAR點云的三維直線特征，即機載LiDAR點云的線特征，所獲得的線特征包括道路以及橋梁信息等。步驟五，對獲取的原始航空影像立體像對進行匹配獲得立體航空影像，并提取立體航空影像的特征，所提取的立體航空影像的特征與機載LiDAR點云的特征為同類特征；原始航空影像立體像對的匹配進ー步包括以下子步驟5-1提取原始航空影像立體像對的稀疏點特征。 采用灰度值鄰域的變化，計算航空影像立體像對的點的曲率和梯度檢測角點特征。5-2相對定向解算航空影像立體像對中左右兩幅影像的相對位置，并進行航空影像立體像對匹配。步驟六，根據(jù)立體匹配后的立體航空影像獲得航空影像的密集點云。通過步驟五提取的稀疏點特征進行立體匹配獲得稠密的同名點作為立體航空影像的密集點云。步驟七，基于線特征對航空影像的密集點云和濾波后的機載LiDAR點云進行匹配，該步驟進ー步包括對航空影像的密集點云和機載LiDAR點云進行粗配準(zhǔn)和精配準(zhǔn)兩個子步驟?；诰€特征對航空影像的密集點云和機載LiDAR點云進行粗匹配進ー步包括以下步驟7-la，根據(jù)采集航空影像和機載LiDAR點云時飛機的位置與姿態(tài)獲取匹配初始位置；7_2a，通過人工給定的對應(yīng)點確定航空影像和機載LiDAR點云的位置關(guān)系，從而得到一個初始空間三維相似變換T。粗匹配完成后，再基于粗配準(zhǔn)獲得的參數(shù)對航空影像的密集點云和機載LiDAR點云進行精匹配，該步驟進ー步包括以下步驟7-lb根據(jù)粗匹配參數(shù)確定航空影像區(qū)域和方向；7_2b獲取兩種點云數(shù)據(jù)中三維表面點集之間的最優(yōu)匹配的幾何變換，從而獲得高質(zhì)量的DSM，本具體實施中所獲得的DSM參見圖6。獲取DSM的優(yōu)選方案為采用迭代最鄰近點配準(zhǔn)算法(Iterative Closest Point Algorithm, ICP)來獲取三維表面點集之間的最優(yōu)匹配的幾何變換的迭代優(yōu)化下面將以迭代最鄰近點配準(zhǔn)算法為例來詳細(xì)說明DSM的獲取過程對航空影像的密集點云和機載LiDAR點云中的同一目標(biāo)分別提取模型輪廓點，獲得兩組點集Y={yi，i = 0，1，2，. .，n)和X=Ixi, i=l, 2，…，m}，用P和Q分別代表X與Y中參與迭代計算的點集。I)設(shè)k為迭代次數(shù)，初始化k=0，預(yù)先設(shè)定初始變換Ttl, P0=T0 (X)，Ptl為X經(jīng)初始變換Ttl后的點云；2)尋找Pk中每個點在Y中的最近點組成點集Qk，k為迭代次數(shù)，其初始值為0 ;
3)尋■找互換最鄰近點集PEdP QEk，PEk和QEk中的互換最臨近點之間同時互為最近點且距離小于預(yù)設(shè)值e。4)獲取P E k和QE k間的均方距離dk。5)獲取PEk和QEk間最小ニ乘意義下的三維相似變換T。6)對 P0 執(zhí)行變換 T 獲得 Pk+1 Pk+1=T (P0)o7)獲取互換最鄰近點集Pek+1和QEk間的均方距離dk’。8)若dk_dk’小于預(yù)先設(shè)定的閾值或超過預(yù)先設(shè)定的最大迭代次數(shù)，則停止，三維相似變換T則為最優(yōu)匹配的幾何變換；否則，令k=k+l后轉(zhuǎn)至執(zhí)行步驟2)。
本發(fā)明首先利用航空影像生成密集點云，提取其中的道路以及橋梁信息等，即線特征，從而與LiDAR點云數(shù)據(jù)的線特征進行匹配，解算出方位參數(shù)。步驟八，根據(jù)DSM進行真正射影像制作。該步驟進ー步包括以下子步驟8-1基于數(shù)字表面模型DSM對航空影像和機載LiDAR點云進行正射糾正得到正射影像。8-2對正射影像上建筑物遮擋區(qū)域進行自動檢測、侯選補償影像可見性分析、最佳補償影像自動確定、遮擋區(qū)域紋理補償策略、補償影像勻光勻色、絕對遮擋區(qū)域計算和真實紋理復(fù)原，生產(chǎn)真正射影像，所生成的真正射影像見圖7。
權(quán)利要求
1.一種基于激光雷達點云與航空影像的真正射影像的制作方法，其特征在于，包括步驟 對機載LiDAR點云依次進行預(yù)處理、組織和濾波后進行特征提??； 對原始航空影像立體像對進行匹配獲取立體航空影像，并提取立體航空影像的特征，所提取的立體航空影像的特征與機載LiDAR點云的特征為同類特征； 基于所提取的特征對立體航空影像的密集點云和濾波后的機載LiDAR點云進行配準(zhǔn)，獲得DSM ； 根據(jù)DSM進行真正射影像制作。
2.如權(quán)利要求1所述的基于激光雷達點云與航空影像的真正射影像的制作方法，其特征在于 所述的對預(yù)處理后的機載LiDAR點云進行組織具體為 對預(yù)處理后的機載LiDAR點云進行表達，并對經(jīng)表達后的機載LiDAR點云進行重采樣。
3.如權(quán)利要求2所述的基于激光雷達點云與航空影像的真正射影像的制作方法，其特征在于 所述的對預(yù)處理后的機載LiDAR點云進行表達具體為 采用規(guī)則格網(wǎng)對預(yù)處理后的機載LiDAR點云中的低密度點云區(qū)域進行表達，采用不規(guī)則三角網(wǎng)對預(yù)處理后的機載LiDAR點云中的高密度點云區(qū)域進行表達。
4.如權(quán)利要求1所述的基于激光雷達點云與航空影像的真正射影像的制作方法，其特征在于 所述的對機載LiDAR點云進行特征提取具體為 獲取濾波后的機載LiDAR點云的深度圖像，并基于深度圖像對機載LiDAR點云進行特征提取。
5.如權(quán)利要求4所述的基于激光雷達點云與航空影像的真正射影像的制作方法，其特征在于 所述的基于深度圖像對機載LiDAR點云所提取的特征為線特征。
6.如權(quán)利要求5所述的基于激光雷達點云與航空影像的真正射影像的制作方法，其特征在于 所述的基于深度圖像對機載LiDAR點云進行線特征提取具體為 基于深度圖像提取機載LiDAR點云的二維直線特征，并對提取的二維直線特征建立左右兩個緩沖區(qū)，比較兩個緩沖區(qū)內(nèi)點云的高差以確定建筑物的內(nèi)、外側(cè)，取位于建筑物內(nèi)側(cè)的緩沖區(qū)內(nèi)的點在豎直方向上對二維直線特征進行擬合，獲得包括道路和橋梁信息的線特征。
7.如權(quán)利要求6所述的基于激光雷達點云與航空影像的真正射影像的制作方法，其特征在于 所述的基于深度圖像提取機載LiDAR點云的二維直線特征具體為 在深度圖像上進行邊緣檢測，并提取深度圖像中的邊緣點序列；根據(jù)邊緣點序列將邊緣點連接成各小直線；對各小直線段進行擬合得到二維直線特征。
8.如權(quán)利要求1所述的基于激光雷達點云與航空影像的真正射影像的制作方法，其特征在于所述的立體航空影像的密集點云采用如下方法獲得提取立體航空影像對應(yīng)的原始航空影像立體像對的稀疏點特征，根據(jù)所提取的稀疏點特征進行立體匹配獲得稀疏點對應(yīng)的稠密同名點，即為立體航空影像的密集點云。
9.如權(quán)利要求1所述的基于激光雷達點云與航空影像的真正射影像的制作方法，其特征在于所述的獲得DSM的步驟進一步包括對航空影像的密集點云和濾波后的機載LiDAR點云進行粗配準(zhǔn)和精配準(zhǔn)兩個子步驟，其中所述的對航空影像的密集點云和機載LiDAR點云進行粗配準(zhǔn)是基于所提取的特征進行，具體為根據(jù)采集航空影像和機載LiDAR點云時飛機的位置與姿態(tài)獲取匹配初始位置；通過人工給定的對應(yīng)點確定航空影像和機載LiDAR點云的位置關(guān)系，從而得到一個初始空間三維相似變換T ;通過點云數(shù)據(jù)和航空影像中對應(yīng)特征的匹配過程，計算同名特征，并代入到仿射變換的轉(zhuǎn)換模型中，優(yōu)化初始空間三維相似變換T的仿射變換參數(shù)，獲取配準(zhǔn)參數(shù)；所述的對航空影像的密集點云和機載LiDAR點云進行精配準(zhǔn)具體為根據(jù)粗配準(zhǔn)獲取的配準(zhǔn)參數(shù)進一步確定航空影像區(qū)域和方向；獲取兩種點云數(shù)據(jù)中三維表面點集之間的最優(yōu)匹配的幾何變換，從而獲得DSM。
10.如權(quán)利要求1所述的基于激光雷達點云與航空影像的真正射影像的制作方法，其特征在于所述的根據(jù)DSM進行真正射影像制作進一步包括以下子步驟基于DSM對立體航空影像和濾波后的機載LiDAR點云進行正射糾正得到正射影像；對正射影像上建筑物遮擋區(qū)域進行自動檢測、侯選補償影像可見性分析、最佳補償影像自動確定、遮擋區(qū)域紋理補償策略、補償影像勻光勻色、絕對遮擋區(qū)域計算和真實紋理復(fù)原，生產(chǎn)真正射影像。
全文摘要
本發(fā)明提出了一種基于激光雷達點云與航空影像的真正射影像的制作方法，包括步驟對機載LiDAR點云依次進行預(yù)處理、組織和濾波后進行特征提??；對原始航空影像立體像對進行匹配獲取立體航空影像，并提取立體航空影像的特征，所提取的立體航空影像的特征與機載LiDAR點云的特征為同類特征；基于所提取的特征對立體航空影像的密集點云和濾波后的機載LiDAR點云進行配準(zhǔn)，獲得DSM；根據(jù)DSM進行真正射影像制作。和現(xiàn)有技術(shù)相比，本發(fā)明可快速的生成高質(zhì)量的真正射影像。
文檔編號G01C11/04GK103017739SQ20121047288
公開日2013年4月3日 申請日期2012年11月20日 優(yōu)先權(quán)日2012年11月20日
發(fā)明者萬幼川, 陳亞男 申請人:武漢大學(xué)