基于车载LiDAR点云数据的桥梁三维重建方法
【技术领域】
[0001] 本发明设及车载LiDAR点云数据处理技术领域，特别地，设及一种基于车载LiDAR 点云数据的桥梁=维重建方法。
【背景技术】
[0002] 目前，桥梁底部裂缝的人工检测方法成本高、精度低、安全性也低，使得智能化检 测方法的研究迫在眉睫，其中最为关键的部分是要实现桥梁底部精确的=维可视化，因为 传统的=维建模是基于图片的信息建模，速度慢、准确度低、缺少真实感。近年来，基于车载 激光扫描技术（Li曲tDetectionandRanging,LiDAR)的S维建模成了研究热点，显示出 巨大的前景，该技术不仅具有快速、实时、高密度和高精度等特点，还能够直接获取物体的 表面材质及角度信息，利用LiDAR技术进行S维重建能够有效恢复具有准确几何信息和真 实感的=维模型。
[000引国内外很多专家对车载LiDAR的S维重建系统作了深入的研究，较为普遍的S维 重建方法是将LiDAR数据转化为深度影像，使用原有的图像分割数据进行处理，而非直接 对3D点云数据进行处理。如化ao化ijing和甜IBASAKIRyos址e提出的基于车载数据的自 动化CAD模型构建：该方法首先从激光距离数据中生成几何模型，在此基础上提取诸如建 筑物、地面、树木等城市特征地物，而纹理通过正摄投影和重采样后的CCD图像生成。化ad Grinstead等提出对车载激光数据的S角网构建和简化。江水等提出对相邻两条扫描线数 据构建=角网进而完成整个带状地物表面快速重建方法；该方法先利用相邻两条扫描线构 建=角网，然后把所有该些狭长=角网连接起来，能准确地描述整个带状地物的形态结构。 卢秀山、李清泉等人提出基于地面影像的建模系统和基于地面与空中影像相结合的建模系 统；该方法包括①在没有其他控制点信息的情况下，仅利用CCD相机获取的影像的立体空 间关系运用光束法平差建立空间S维模型；②在融合GI^S定位数据、激光点云数据和CCD相 机影像数据的基础上，选择基准坐标系，并将该些数据联合解算到该基准，最后建立该基准 下的真实=维模型；⑨结合地面控制点和空间遥感影像，求解目标模型框架的空间=维坐 标，并使用地面获取的立面纹理影像进行纹理映射，建立可量测化的真=维模型。W上该些 方法均使用原有的图像分割数据进行处理，该样的数据转换通常会带来扫描信息的丢失， 所W为了桥梁S维重建的精确性，目前需要一个可靠的从原始LiDAR点云中准确、有效地 获取建筑物的点数据的桥梁=维重建方法。
【发明内容】
[0004] 为了解决上述基于车载LiDAR点云数据的桥梁S维重建方法速度慢、准确度低、 缺少真实感的技术问题，本发明提供一种快速、实时、具有高精密的基于车载LiDAR点云数 据的桥梁=维重建方法。
[0005] 本发明提供的一种基于车载LiDAR点云数据的桥梁S维重建方法，包括W下步 骤：
[0006] 步骤一、获取车载LiDAR点云数据；
[0007] 步骤二、点云数据均匀抽稀，减少数据量；
[000引步骤S、计算点云数据的法向量和曲率及密度，滤除噪声；
[0009] 步骤四、点云数据配准，并进行点云数据抽稀，具体包括W下步骤：
[0010] 一、点云数据集预配准；
[0011] 二、点云数据集精配准；
[001引 S、矩阵优化；
[0013] 步骤五、提取桥梁面片，加入先验知识，面片约束，构建TIN模型，具体包括W下步 骤：
[0014] 一、提取桥梁面片；
[00巧]二、构建TIN模型；
[0016] 步骤六、TIN模型与纹理影像映射；
[0017] 步骤走、S维模型可视化。
[0018] 在本发明提供的基于车载LiDAR点云数据的桥梁S维重建方法的一种较佳实施 例中，所述步骤二中的抽稀过程的具体步骤如下：
[0019] 一、将所有区域划分为若干个大小一致的立方体；
[0020] 二、对某点找到其对应的立方体，若立方体不存在，则建立对应的立方体，计算该 点到立方体中屯、的距离，遍历所有点；
[0021] =、对每个立方体找到距离其中屯、最近的点，并存储，舍弃其他点。
[0022] 在本发明提供的基于车载LiDAR点云数据的桥梁S维重建方法的一种较佳实施 例中，所述步骤=中计算点云数据的具体步骤如下：
[0023] 一、将点云数据所占空间分为若干立方体，并将点云与立方体相对应，建立索引关 系；
[0024] 二、将空间所有点对应的立方体建立Kd-tree，树中的每个结点对应了一个K维区 域；
[0025]=、计算密度；
[0026] 四、计算曲率和法向量。
[0027] 在本发明提供的基于车载LiDAR点云数据的桥梁S维重建方法的一种较佳实施 例中，所述步骤=中的点云数据噪声滤除过程的具体步骤如下：
[002引一、设定密度阔值，若某点密度大于密度阔值，则将该点存储，遍历所有点云数据， 舍弃噪声点云数据；
[0029] 二、设定最大深度阔值，若某点深度阔值值大于最大深度阔值，则认为该点为噪声 点并舍去；
[0030]=、对存储的点云进行分析，将点的法向量和曲率对应存储，得到去噪后的点云数 据。
[0031] 在本发明提供的基于车载LiDAR点云数据的桥梁S维重建方法的一种较佳实施 例中，所述步骤四中的预配准过程采用基于表面几何特征的配准算法，其具体步骤如下：
[0032]一、从模型P中随机选择N个点Bp;
[003引二、从模型Q中计算出N个点B。与BP相对应；
[0034] S、估算旋转矩阵R和平移向量T。
[0035] 在本发明提供的基于车载LiDAR点云数据的桥梁S维重建方法的一种较佳实施 例中，所述步骤四中的精配准过程采用ICP配准算法，其具体步骤如下：
[0036] 一、从模型P中随机选择K个点Bp，
[0037] 二、在模型Q中选择K个距离最近的点B。，二者建立同名点集，一一映射；
[003引 S、计算模型P和模型Q之间最小二乘法下的相似变换矩阵M，循环迭代得到最终 四维齐次矩阵M。
[0039] 在本发明提供的基于车载LiDAR点云数据的桥梁S维重建方法的一种较佳实施 例中，所述步骤四中的矩阵优化过程采用了RANSAC算法，且优化后矩阵内的数据要再次抽 稀。
[0040] 在本发明提供的基于车载LiDAR点云数据的桥梁S维重建方法的一种较佳实施 例中，所述步骤五中的桥梁面片提取过程的具体步骤如下：
[0041] 一、建立八叉树结构处理数据；
[0042] 二、拟合所有面片，构建邻接表；
[0043] S、合并所有面片。
[0044] 在本发明提供的基于车载LiDAR点云数据的桥梁S维重建方法的一种较佳实施 例中，所述步骤五中的TIN模型的构建过程采用了狄洛巧=角剖分法使桥梁点云连续化， 其具体计算步骤如下；
[0045] 一、提取合并面片的顶点；
[0046] 二、对面片构建S角网直至面片构建完成；
[0047] S、邻接面片S角网构建直至完成。
[0048] 在本发明提供的基于车载LiDAR点云数据的桥梁S维重建方法的一种较佳实施 例中，所述步骤六中的纹理影像是由外置相机摄录的数字影像与点云数据配准而成，具体 配准过程如下：
[0049] 一、计算大地坐标系到POS系统的旋转矩阵；
[0化日]二、计算POS系统到相机的旋转矩阵；
[0化1] S、计算相机中屯、到大地坐标系的旋转矩阵，并得出相机拍摄瞬间的S维坐标。
[0化2] 相较于现有技术，本发明提供的基于车载LiDAR点云数据的桥梁S维重建方法具 有W