
中
国
激
光
影像与激光点云融合 处理 研 究的 方 法,该方 法 借助
惯导系统,通过共线方 程 理论 解 算出 激 光点 云 在对
应影像上的像素坐标,从而 进 行激 光 点云 的 颜色 赋
值。综合上述这些方 法可 发 现有 一 个共 同 点,即都
在先验惯导系统记录 的位 姿 数据 下
,通 过差 分 处理
为影像提供高精 度 的外 方 位元 素。由此 可 见,影像
的外方位元素是实现激光点云数据与影像融合的必
要前提
。
文献[
6
]在无惯导系统的情况下,对摄像机位置
和姿态进行了估计,通 过 运动 视 觉对 像 素点 的 三维
坐标进行求解
,并将各 影 像序 列 获取 的 三维 点 云借
助迭代最近点(
ICP
)算 法进行 了点集 与点集 之间的
配准,其中也对激光扫 描 的点 云 数据 与 通过 影 像求
取到的特征三维坐标点 进行 了 配准。文 献[
7
]提出
了一种基于
ICP
算法的配 准方法,该方法将 图 像匹
配过程中产生的误匹 配 点也 加 入到 了 算法 过 程中,
虽然后面采用了稳健 估计 以 抑制 误 匹配 点,但这 样
不但加大了算法的复 杂度,而 且初 始 阶段 也 不能 提
供一个相对准确的初 始值,很 容易 出 现收 敛 不到 正
确位置的可能。而且 基 于双
CCD
交会 测 量的 图 像
匹配复杂、作用距离近,测量精度随距离增加也会降
低
[
8
]
。本文提出的 算法 基 于单 目 摄像 机 激 光 测 距
传感器的 测量系 统
[
9
]
,不建立 在显式 描述激 光与图
像的对应同名点及先验的
POS
系统上,而是通过获
取与影像特征点精确 配 准的 一 定数 量 激光 扫 描点,
解算出各影像正确的外方位元素,然后利用激光点、
像点以及摄站点之间 的共 线 关系,在 相应 影 像上 进
行激光点的像素定位
,从 而获 取 激光 扫 描点 云 的颜
色属性信息,即可实现两者的融合。
2
模型建立
2.1
2犇3犇
配准
ICP
算法最初 由
Besl
等
[
10
]
提出,是 实现 两 个三
维点集最优匹配的几何变换的迭代优化过程,且在三
维点云匹配中被广泛应用
[
11
]
。本文在
ICP
算法的思
路上
,提出了一种适用于影像与三维激光点云精确配
准的方法,即将其中一个激光扫描获取的三维点集由
立体像对获得的三维点来代替。因此,也就可以间接
地实现二维(
2D
)与
3D
数据之间的配准。
对 于 被 扫描 物体 同时 拍摄 了一 定重 叠度 的影
像,通过结合基于尺度不变特征变换(
SIFT
)
[
12
]
和随
机抽样一致性(
RANSAC
)
[
13
]
算法 的 立 体 匹 配 可 获
得一定 数 量 的 精 确 匹 配 点,从 中 提 取 若 干 特 征 点
犘
1
=
{
狆
1
犻
,
犻
=
0
,
1
,
2
,…,
狀
}及
犘
2
=
{
狆
2
犻
,
犻
=
0
,
1
,
2
,…,
狀
}。设激光扫描点云为
犃
=
{
犪
犻
,
犻
=
0
,
1
,
2
,…,
犿
},其中
犿
>
狀
。然后通过人工在激光点云中给定若
干个与图像特征点对 应 的粗 略 连接 点 集,可算 得一
个初始空间的三维相似变换矩阵
犜
0
,从而 可获得 在
激光扫描系统下初始的摄站坐标
犛
1
、
犛
2
和旋转矩阵
犚
1
、
犚
2
,借助运动立体视觉
[
14
]
原理 可 得到 立 体像 对
匹配出的三维点集
犅
=
{
犫
犻
,
犻
=
0
,
1
,
2
,…,
狀
}。激光
扫描点与图像匹配点并不是同名点,因此,它们之间
的对应关系由最邻近 关 系确 定,并在 迭 代过 程 中不
断修正,使得点集
犅
能最好地配准到扫描点云
犃
上,
从而也就实现了
2D3D
的最好 配准,而这个解 算过
程则是一个典型的最优化问题。
2.2
改进的检索策略
由于激光 扫描点 的数据 量一般 很大,而且点都
处于无序的存储状态
,所 以理 论 上需 要 遍历 整 个点
云
,显然这种方式是非常耗时的,因此需要一种快速
邻近点搜索方 法。 本 文 通 过 对 点 云 的
犓
邻 近 点 求
解来进行点集
犅
的修正,点云的
犓
邻近点是指在点
集中搜索某个点的
犓
个最邻近点。
由于
ICP
算 法 在 每次 迭 代 时 都 需 要 不 断 查 找
当前点在另一集合中 的最 邻 近点,这 里采 用 对点 云
进行网格划 分 的 方 法
[
15
]
开 展 影 像 特 征 点 在 扫 描点
云中匹配区域 的
犓
邻 近 点 检 索。 设 提 取 出 对 应 区
域的点 有
狀
个,即
犎
(
犡
犻
,
犢
犻
,
犣
犻
),
犻
=
1
,
2
,…,
狀
,将
它们按
犡
、
犢
、
犣
坐标值的大小进行三维排序,首先对
犡
方向进行排序;若
犡
值相同,则比较
犢
的值;若
犢
值相同,则比较
犣
的坐标值。若经过立体像对匹配出
的三维点集
犅
中某一点
犗
的坐标为(
狉
,
狊
,
狋
),设一个
适当的距离阈值为
犱
,那么在
犡
、
犢
、
犣
方向上分别以
犗
为中心,沿着正反 两个方 向依次 搜索得 到一个 点
集
犙
,那么该点集
犙
内必然包括了点
犗
的
犓
邻近点,
且满足以下条件:
犙
(
狉
犓
,
狊
犓
,
狋
犓
)
=
{
狉
-
犱
≤
狉
犓
≤
狉
+
犱
,
狊
-
犱
≤
狊
犓
≤
狊
+
犱
,
狋
-
犱
≤
狋
犓
≤
狋
+
犱
},(
1
)
式中
狉
犽
,
狊
犽
,
狋
犽
分别为点集
犙
内
犓
个点的三维排序坐
标。分别在
犡
、
犢
、
犣
的坐标序列中取点
犗
附近一定数
量的点即可保证该点
犓
邻近点被取到。然后计算这
些点到点
犗
的距离并按从小到大排序,取前
犓
个点
即完成了三维点集
犅
中任一点的
犓
邻近点获取,并
取这
犓
个点的平 均 值 作 为 立 体 像 对 匹 配 点 在 激 光
扫描点云中 新的位 置
犗′
犻
(
狉
犻
,
狊
犻
,
狋
犻
)。传统
ICP
算法
主要是针对点集到点 集的 配 准,根据 残 差平 差 和所
构成的目标函数值来 判断 迭 代是 否 结束,而 本文 的
对象则是每个单点到对应区域点集的匹配过程。因
05140012