一种基于长条带多站点云的链式高精度拼接与平差方法与流程
本发明涉及计算机图像处理领域，尤其涉及一种基于长条带多站点云的链式高精度拼接与平差方法。
背景技术：
在点云链式拼接算法研究方面，自动点云拼接算法通常是利用点云本身特征进行拼接，其中最为常见的是icp算法，但是该算法需要点云之间相对精确的初始位置关系，且存在计算量大的缺点，虽然国内外学者对其进行了一系列改进，但仍难以实现大数据量的地面激光扫描数据的配准。另一类点云配准算法是以点云中具有可描述性的点、线、面作为配准基元来实现点云的自动配准，但是目前对此类特征的描述缺乏统一的标准，且该算法要求待配准点云中有明显的特征，没有良好的鲁棒性。在多站点云拼接误差处理方面，有些算法给出了多站拼接中误差传播的模型并进行了验证，但是没有给出消除累积误差平差方法。也有些研究利用最终的累积拼接误差对所有测站进行了误差分配，但这并不是严格意义上的平差,可靠性和鲁棒性不够理想。
技术实现要素：
为解决上述技术问题，本发明提出了一种减少累计误差平差影响、链式点云拼接平滑、稳定、可靠的基于长条带多站点云的链式高精度拼接与平差方法。
本发明的技术方案是这样实现的：一种基于长条带多站点云的链式高精度拼接与平差方法，包括以下步骤：
一种基于长条带多站点云的链式高精度拼接与平差方法，包括以下步骤：
a)基于随机采样一致定理的扫描数据拼接：在地面三维扫描仪完成数据采集后，从中提取出扫描靶标点的坐标，然后利用随机采样一致定理从两组不同的靶标点之间的寻找靶标点之间的对应关系，实现两站点云之间的拼接；
b)条带点云数据的配准及平差：对产生的误差进行配准与平差的主要过程包括：利用靶标进行点云配准；配准误差的传播规律；利用多余观测条件进行整体平差；
首先，利用靶标进行点云配准，利用靶标的空间位置不变性，从不同角度扫描靶标，得到了靶标在不同扫描坐标系下的坐标，利用坐标信息进行刚体变换，完成拼接；
然后配准误差的传播规律；
最后，利用多余观测条件的整体平差；
c)利用平差后的旋转平移矩阵重新整体拼接。
在以上技术方案的基础上，优选的，两站点云之间的拼接的具体步骤为：给定两组点集a和b，随机挑选出3个点a1,a2,a3∈a，计算向量
r0an+t0＝bn(n∈0,1,2)
可求得两测站之间的旋转矩阵r和平移向量t的初值r0,t0，并同时计算点残差向量
两站拼接的中误差计算公式为：
利用上述得到的矩阵初值r0,v0计算点集a中所有的点在点集b坐标系中的映射c，再计算点集c中每个点cn在点集b中的最邻近点bn，如果
(1)点集a1,b1中对应点的个数nk>nk-1；
(2)点集a1,b1中对应点的个数nk＝nk-1，但残差值mk＜mk-1；
当对应点点数n＞nthreshold，且拼接中误差m＜mthreshold终止迭代，nthershold为对应点点数n的阈值，mthershold为中误差m的阈值，获得最终的旋转矩阵r和平移向量t。
在以上技术方案的基础上，优选的，配准误差的传播规律的方法如下：
建立点云配准的数学模型：
其中(xa,ya,za)和(xb,yb,zb)分别为同一靶标点在两次扫描中的坐标；(y,p,r)为旋转坐标系中的三个旋转角度，(tx,ty,tz)平移向量，数学模型简写为b＝ra+t，其中a,b为模型点坐标，r为旋转矩阵，t为平移向量；选(y,p,r,tx,ty,tz)作为独立量，则可以建立间接平差模型；按照非线性平差模型的原则，将上述非线性方程组微分处理，得到方程组：
其中l向量是将(y,p,r,tx,ty,tz)初值带入后的结果；将方程组简写为
在以上技术方案的基础上，优选的，利用多余观测条件的整体平差的方法如下：
在三维扫描数据的拼接中多余观测条件方程如下：
在该方程中，(xa,ya,za)和(xb,yb,zb)为同一靶标点在两个扫描坐标系下的坐标；而q1q2...qn和q'1q'2...q'n代表从两条不同的线路拼接至基站的旋转平移矩阵，可得到平差方程组：
在前n个必要观测中，ai(i∈1,2,...,n)为第i测站与后一测站(i+1测站)配准时的对应点，bi(i∈1,2,...,n)为第i测站与前一测站(i-1测站)配准时的对应点集，m0为单位矩阵，mi＝q1q2...qi，即第i个测站到统一坐标系的旋转平移矩阵，每一个方程代表相邻两测站的对应点在归入统一坐标系后坐标相等；在m个多余观测中，aki(i∈1,2,...m)为第i个测量站与后一测站配准时的对应点；bli(i∈1,2,...m)第i测站与前一测站配准时的对应点集，mki和mli(i∈1,2,...,m)为同一组靶标点沿两条不同的线路拼接至基站的旋转平移矩阵；将该非线性方程组线性化处理，按照最小二乘的方法求解得到平差后的每一站的旋转平移矩阵mi。
在以上技术方案的基础上，优选的，值域threshold1、threshold2是根据点云密度平均间距的0.3-3倍来确定的。
在以上技术方案的基础上，优选的，对应点点数n的阈值3＜nthreshold＜100。
在以上技术方案的基础上，优选的，中误差m的阈值3＜mthreshold＜100。
本发明一种基于长条带多站点云的链式高精度拼接与平差方法，相比现有技术，具有如下优点：
(1)采用的随机采样一致定理(ransac)算法能自动寻找靶标对应点求解拼接模型矩阵方法，不需要点云模型之间的变换初始值，并可分析链式高精度拼接过程中的误差来源，具有很好的鲁棒性；
(2)能够利用靶标点实现多测站点云之间的链式自动拼接，利用闭合条件的整体平差方法可以很好的消除点云拼接累积的闭合差，保证最终链式拼接结果的正确性与可靠性；
(3)本发明在隧道、桥梁、道路等城市三维可视化建模、条带状地形图测量和矿山测量、森林及农业资源调查、地面景观形体测量、复杂工业设备的测量与建模等长条带激光扫描点云的高精度链式拼接中有很好的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的条带点云数据的配准的流程图；
图2为本发明实施例的扫描场景示意图；
图3为本发明实施例中一测站在平差前后旋转矩阵及平移向量的变化表；
图4为本发明实施例中平差前后闭合差的变化情况；
图5为本发明实施例利用平差结果再次拼接的桥墩截面局部放大示意图：
图6为本发明实施例平差后的整体拼接结果示意图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
图1为本发明的条带点云数据的配准的流程图，如图1所示，本发明提供了一种基于长条带多站点云的链式高精度拼接与平差方法，包括以下步骤：
a)基于随机采样一致定理的扫描数据拼接：在地面三维扫描仪完成数据采集后，即可从中提取出扫描靶标点的坐标，然后利用随机采样一致定理从两组不同的靶标点之间的寻找靶标点之间的对应关系，从而实现两站点云之间的拼接；利用随机采样一致定理寻找靶标的对应关系，其核心是利用靶标在空间中的相对位置不变性，两站点云之间的拼接的具体步骤为：给定两组点集a和b，随机挑选出3个点a1,a2,a3∈a，计算向量
r0an+t0＝bn(n∈0,1,2)
可求得两测站之间的旋转矩阵r和平移向量t的初值r0,t0，并同时计算点残差向量
两站拼接的中误差计算公式为：
利用上述得到的矩阵初值r0,v0计算点集a中所有的点在点集b坐标系中的映射c，再计算点集c中每个点cn在点集b中的最邻近点bn，如果
(1)点集a1,b1中对应点的个数nk>nk-1；
(2)点集a1,b1中对应点的个数nk＝nk-1，但残差值mk＜mk-1；
当对应点点数n＞nthreshold，且拼接中误差m＜mthreshold终止迭代，nthershold为对应点点数n的阈值，mthershold为中误差m的阈值，获得最终的旋转矩阵r和平移向量t。
值域threshold1、threshold2是根据点云密度平均间距的0.3-3倍来确定的，倍数越小，精度越高，此处选择0.5倍点云密度平均间距。
对应点点数n的阈值3＜nthreshold＜100，中误差m的阈值3＜mthreshold＜100，此处均选择40。
b)条带点云数据的配准及平差：对产生的误差进行配准与平差的主要过程包括：利用靶标进行点云配准；配准误差的传播规律；利用多余观测条件进行整体平差；
首先，利用靶标进行点云配准，利用靶标的空间位置不变性，从不同角度扫描靶标，得到了靶标在不同扫描坐标系下的坐标，利用坐标信息进行刚体变换，完成拼接；
然后配准误差的传播规律；
最后，利用多余观测条件的整体平差。
配准误差的传播规律的方法如下：
建立点云配准的数学模型：
其中(xa,ya,za)和(xb,yb,zb)分别为同一靶标点在两次扫描中的坐标；(y,p,r)为旋转坐标系中的三个旋转角度，(tx,ty,tz)平移向量，数学模型简写为b＝ra+t，其中a,b为模型点坐标，r为旋转矩阵，t为平移向量；选(y,p,r,tx,ty,tz)作为独立量，则可以建立间接平差模型；按照非线性平差模型的原则，将上述非线性方程组微分处理，得到方程组：
其中l向量是将(y,p,r,tx,ty,tz)初值带入后的结果；将方程组简写为
在以上技术方案的基础上，优选的，利用多余观测条件的整体平差的方法如下：
在三维扫描数据的拼接中多余观测条件方程如下：
在该方程中，(xa,ya,za)和(xb,yb,zb)为同一靶标点在两个扫描坐标系下的坐标；而q1q2...qn和q'1q'2...q'n代表从两条不同的线路拼接至基站的旋转平移矩阵，可得到平差方程组：
在前n个必要观测中，ai(i∈1,2,...,n)为第i测站与后一测站(i+1测站)配准时的对应点，bi(i∈1,2,...,n)为第i测站与前一测站(i-1测站)配准时的对应点集，m0为单位矩阵，mi＝q1q2...qi，即第i个测站到统一坐标系的旋转平移矩阵，每一个方程代表相邻两测站的对应点在归入统一坐标系后坐标相等；在m个多余观测中，aki(i∈1,2,...m)为第i个测量站与后一测站配准时的对应点；bli(i∈1,2,...m)第i测站与前一测站配准时的对应点集，mki和mli(i∈1,2,...,m)为同一组靶标点沿两条不同的线路拼接至基站的旋转平移矩阵；将该非线性方程组线性化处理，按照最小二乘的方法求解得到平差后的每一站的旋转平移矩阵mi。
c)利用平差后的旋转平移矩阵重新整体拼接。
本实施例设计了一组地面激光扫描实验，扫面场景示意图如图2所示，在20个桥墩两侧等距对应设置有40个测站，分别进行编号。在扫描试验的设计中为了保证链式拼接结果的可靠性，沿拼接方向两两测站布设不少于6个圆形标靶(标靶半径5cm)。在每两个桥墩间布设了一定数量的靶标作为检查点，利用这些检查点可以计算平差前后闭合差的大小，验证平差方法的正确性和必要性。
按照步骤b中介绍的平差方法，在引入闭合条件后进行整体平差，重新计算每一个测站的旋转平移矩阵。计算结果如图3表格所示。
利用平差后的旋转平移矩阵重新进行整体拼接，并利用桥洞之间的检查点检查闭合差，得到平差前后闭合差的变化情况如图4所示，可以看出在平差后闭合差最大不超过0.01m，远远小于平差前的0.59m，证明了该平差方法的有效性。
图5为本发明实施例利用平差结果再次拼接的桥墩截面局部放大示意图。图中是1号、5号、10号、15号、20号桥墩在利用平差结果进行拼接后的截面并进行局部放大，图6是平差后的整体拼接结果示意图。从图5、图6中可以看出，利用平差结果再次整体拼接，所有桥墩均未出现畸变，桥墩表面平滑，无明显“分层”现象。
本发明采用的随机采样一致定理(ransac)算法能自动寻找靶标对应点求解拼接模型矩阵方法，不需要点云模型之间的变换初始值，并可分析链式高精度拼接过程中的误差来源。随机采样一致定理(ransac)方法点云的链式拼接算法具有很好的鲁棒性，能够利用靶标点实现多测站点云之间的链式自动拼接。利用闭合条件的整体平差方法可以很好的消除点云拼接累积的闭合差，保证最终链式拼接结果的正确性与可靠性，该方法在大规模的测站的链式拼接中有着非常广泛的用途。在常见工程如隧道、桥梁、道路等城市三维可视化建模、条带状地形图测量和矿山测量、森林及农业资源调查、地面景观形体测量、复杂工业设备的测量与建模等长条带激光扫描点云的高精度链式拼接中有很好的效果。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！