没有合适的资源?快使用搜索试试~ 我知道了~
数字航空影像与机载点云的配准参数优化及对应数据集构建.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 88 浏览量
2023-02-23
20:24:37
上传
评论
收藏 362KB DOCX 举报
温馨提示
试读
11页
数字航空影像与机载点云的配准参数优化及对应数据集构建.docx
资源推荐
资源详情
资源评论
摘要
数字航空影像和机载点云之间的配准参数精度会直接影响到配准效果,利用共线方程及影像特征点
和点云特征点之间计算相似性测度的方法进行参数优化,有效避免了由于初始参数误差导致的配准
偏差。首先,提取航空影像及激光雷达(light detection and ranging,LiDAR)点云的特征点;
然后,根据初始配准参数及距离误差计算影像与点云之间的匹配点对;最后,通过强制搜索(brute-
force,BF)优化方法来寻找更加精确的匹配参数。此外,还构建了 2D-3D 对应区域的数据集,
用于航空影像和机载 LiDAR 数据配准的相关研究。
Abstract
The accuracy of registration parameters between digital aerial images and airborne
point clouds will directly affect the registration effect, we utilize collinear equation
and a similarity measurement computation method between image feature points
and point cloud feature points for the parameters' optimization, so the registration
deviation caused by the error in initial-parameters-based registration can be
avoided. First, the feature points of aerial images and light detection and
ranging(LiDAR) point clouds are extracted. Second, the matching point pairs
between images and point clouds are calculated according to the initial registration
parameters and range errors. Finally, a brute-force(BF) optimization method is used
to find more optimal matching parameters. In addition, a 2D-3D corresponding
dataset is established aiming at the research of digital aerial images and airborne
LiDAR data registration.
译
关键词
数字航空影像; 机载激光雷达(light detection and ranging, LiDAR)点云; 共线方程; 强制搜
索(brute-force, BF)优化; 2D-3D 对应数据集
Keywords
digital aerial image; airborne light detection and ranging(LiDAR) point
cloud; collinearity equation; brute-force (BF) optimization; 2D-3D corresponding
dataset
译
数字航空影像与机载点云的配准是指求解正确的变换参数,将两者转换到统一的坐标系下。二维数
字影像和三维点云数据的配准问题所采用的配准方法大致可分为 3 类
[1]
:基于 2D-2D 的配准、基
于 3D-3D 的配准以及 2D-3D 的直接配准。基于 2D-2D 的配准研究是将三维点云转化为二维影像,
再进行点云影像和数字影像之间的参数迭代完成配准,主要可分为特征法和统计分析法。特征法是
在 数 字 影 像 和 点 云 影 像 之 间 提 取 特 征 并 建 立 对 应 关 系 , 如 尺 度不 变 特征 变 换( scale-invariant
feature transform,SIFT)和 Harris 特征等,从而实现配准
[2, 3]
;统计分析法中最常见的是基于
互信息(mutual information,MI)
[4]
计算分布相似性,对影像进行相似度评价,从而恢复相机
姿态。基 于 3D-3D 的 配 准 则 是 先 利 用重叠影像中的同名特 征 点 来 生 成 匹 配 点 云,再与激光雷达
(light detection and ranging,LiDAR)点云进行配准。Stamos 等
[5]
使用 SIFT 特征求取同名
点、用运动恢复结构(structure from motion,SFM)生成点云,再完成配准;Zheng 等
[6]
对序
列影像使用光束法平差获得更精确的匹配点云,再完成与激光点云的配准。2D-3D 的直接配准是
通过在数字影像和 LiDAR 点云之间建立直接的对应关系,如点、直线及平面等,再借助严格的几
何模型解算来实现高精度配准。有学者利用线特征建立遥感影像与激光点云的直接映射关系并实现
配准
[7, 8]
;也有学者直接从 LiDAR 点云中拟合得到建筑物角特征,进而以此为配准基元计算变换参
数
[9]
。基于 2D-2D 和 3D-3D 的方法已有充分的研究,但是引入了数据类型的转换步骤,容易带来
误差;而基于 2D-3D 的直接配准直接受到配准基元选择精度的影响。本文提出了基于点特征的参
数优化方法,聚焦于对配准参数进行改正,提高影像与点云的配准效果。
在影像和点云配准中,匹配参数的精度会直接影像配准效果。本文提出了一种结合初始参数和欧氏
距离的相似性测度的方法进行参数优化,并通过实验检验方法的有效性。同时,参照本文使用的匹
配点对计算方法,利用国际摄影测量与遥感协会(International Society for Photogrammetry
and Remote Sensing,ISPRS)的基准数据集进一步建立了 2D-3D 对应数据集,为 2D-3D 直
接配准领域的进一步研究提供了可用的数据。
1 基于点特征的配准优化方法
本文利用共线方程的成像模型和给定的初始配准参数,使用欧氏距离作为影像特征点和点云特征点
之间的相似性测度,对配准结果进行定量评价。为了降低初始参数不准带来的误差,本文以建立的
匹配点对为依据,使用 BF 优化的方法进一步优化配准参数,有效改进配准效果,图 1 为参数优化
的基本流程。
图 1 参数优化的基本流程
Fig 1 Basic Flow Chart of Parameter Optimization
下载: 原图 | 高精图 | 低精图
1.1 成像模型
对于机载 LiDAR 及其对应的航空影像,成像模型可以用空间直角坐标系的旋转变换模型表示,如
式(1)所示。借助初始参数求解,得到点云中的各个点在成像平面的对应位置,再建立对应关系,
从而完成影像和点云的配准。
⎧⎩⎨x−x0=−f×X¯Z¯y−y0=−f×Y¯Z¯{x−x0=−f×X¯Z¯y−y0=−f×Y¯Z¯
1
剩余10页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3697
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功