技术特征：
1.一种点云全景融合要素提取方法，其特征在于，包括：s1、根据数据采集设备的姿态信息和位置信息，获取三维点云数据和二维全景影像之间的映射关系；其中，所述数据采集设备至少包括用于采集三维点云数据的激光雷达，以及用于采集二维全景影像的全景相机；s2、将二维全景影像转换为三维影像中的全景球中，以所述全景球的球心作为视点，基于中心投影原理获取指定区域内的分幅影像；s3、提取所述分幅影像中的预设的分类分割目标掩膜；s4、基于三维点云数据和二维全景影像之间的映射关系，确定所述分类分割目标掩膜对应的目标点云数据。2.根据权利要求1所述的点云全景融合要素提取方法，其特征在于，还包括：s5、基于统计滤波方法对所述目标点云数据进行去噪处理，并对去噪后的所述目标点云数据进行去重处理。3.根据权利要求1所述的点云全景融合要素提取方法，其特征在于，所述s1具体包括：s11、根据激光雷达获取目标区域的三维点云数据，基于全景相机获取目标区域的二维全景影像；基于定位定姿系统获取所述激光雷达和所述全景相机的姿态信息和位置信息；s12、根据配准方法获取二维全景影像与三维点云数据的配准关系：根据全景影像与对应三维点云数据的同名特征点，构建多个同名特征对；根据所述全景相机曝光时刻的姿态信息和位置信息，将同名特征对的绝对坐标转换为以全景相机为原点的载体坐标；根据全景相机的初始外方位元素，将同名特征对的载体坐标转换为相机坐标；根据全景相机的内方位元素，获取同名特征对在二维全景影像上的图像坐标，并计算对应的残差值；根据物方点、像点和全景球球心三点共线的原理，通过最小二乘法求解全景相机的外方位元素；s13，重复上述步骤s12直至求解的全景相机的外方位元素满足预设要求。4.根据权利要求1所述的点云全景融合要素提取方法，其特征在于，所述s2具体包括：s21、将所述二维全景影像的图像坐标转为水平角度θ、垂直角度水平角度分布范围为0
°
～360
°
，垂直角度分布范围为-90
°
～+90；其中：～+90；其中：上式中，u为列坐标，v为行坐标；s22、在全景坐标系中，设定二维全景影像的图像坐标转换为全景坐标系后，距离坐标原点的距离r，根据像素点的水平角度θ、垂直角度以及r，将二维全景影像的图像坐标转换为全景坐标系下三维坐标；s23、根据目标分幅影像的位置和需要的分幅影像尺寸，设置投影平面在全景坐标系中的方位和距离球心的距离；s24、以球心为投影中心，按照中心投影的方式将需求角度范围球面投影至投影平面，
得到分幅影像。5.根据权利要求4所述的点云全景融合要素提取方法，其特征在于，所述s4具体包括：s41、将分幅影像中的图像坐标转换为二维全景影像中的图像坐标；s411、将二维全景影像转换为全景坐标系下的全景球，半径为二维全景影像转换为分幅影像时的设定距离r；s412、根据分幅图像的位置，设定投影平面的位置，将分类分割目标掩膜的图像坐标转换为全景坐标系下的三维坐标；s413、将球心和分类分割目标掩膜所在三位坐标组成的空间射线与全景球的交点，作为分幅影像在二维全景影像中的图像坐标；s42、将三维点云数据的三维坐标转换为载体坐标，根据三维点云数据和二维全景影像之间的映射关系，将载体坐标转换为全景坐标系下的坐标；以二维全景影像的尺寸大小确定相同尺寸大小的矩阵，将全景坐标系下的三维坐标转换为二维全景影像的图像坐标，并作为索引将对应点云距全景球中心的距离值存储值矩阵，以生成深度图矩阵；s43、将二维全景影像中分类分割目标掩膜的图像坐标转换为三维点云数据。6.根据权利要求2所述的点云全景融合要素提取方法，其特征在于，所述s5中，基于统计滤波方法对所述目标点云数据进行去噪处理，具体包括：遍历三维点云数据中每个点云，计算每个点云与其最近额k个邻居点云之间的平均距离；计算所有平均距离的均值μ与标准差σ，距离阈值dmax为dmax＝μ+α*σ,α为预先得到的比例系数；再次遍历点云，剔除与k个邻居点云的平均距离大于dmax的点。7.根据权利要求2所述的点云全景融合要素提取方法，其特征在于，所述s5中，并对去噪后的所述目标点云数据进行去重处理，具体包括：以二维全景影像曝光时刻载体所在的位置作为站点；获取前一站点、当前站点和后一站点对应二维全景影像中同一目标的点云目标；根据目标的点云目标确定点云立方体，构建存放待处理候选点云立方体的集合h，初始化包含全部n个点云立方体；构建一个存放最佳点云立方体的集合m，初始化为空集；将集合h中所有的点云立方体按体积进行排序，选出体积最大的点云立方体m，从集合h移到集合m；遍历集合h中的点云立方体，分别与m计算3diou值，如果高于0.2，则认为该点云立方体与m重叠，将此点云立方体从集合h中去除；重复上述步骤直到集合h为空，集合m中的点云数据即为去重后的目标点云数据。8.一种点云全景融合要素提取系统，其特征在于，包括：数据采集模块，根据数据采集设备的姿态信息和位置信息，获取三维点云数据和二维全景影像之间的映射关系；其中，所述数据采集设备至少包括用于采集三维点云数据的激光雷达，以及用于采集二维全景影像的全景相机；要素提取模块，将二维全景影像转换为三维影像中的全景球中，以所述全景球的球心作为视点，基于中心投影原理获取指定区域内的分幅影像；
提取所述分幅影像中的预设的分类分割目标掩膜；基于三维点云数据和二维全景影像之间的映射关系，确定所述分类分割目标掩膜对应的目标点云数据。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述点云全景融合要素提取方法的步骤。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述点云全景融合要素提取方法的步骤。
技术总结
本发明实施例提供一种点云全景融合要素提取方法和系统，利用硬件设备获取的影像、点云、位姿等数据信息，结合点云处理算法和点云影像配准算法，可实现全自动自动提取点云要素，实现一体化的提取方式；全景影像中的目标存在不同程度的形变，为了便于后续的分割处理，将全景影像分幅；根据分幅影像和全景影像的映射关系，再利用全景影像和点云数据的配准关系，可以获取分幅影像和点云数据的映射关系，将点云数据生成深度图矩阵，利用分幅影像掩膜的图像坐标，即可获取所对应的点云数据，减少人工采集点云要素的难度并提高效率。减少人工采集点云要素的难度并提高效率。减少人工采集点云要素的难度并提高效率。
技术研发人员：汪开理 杨晶 陈海佳 何平 翁国康
受保护的技术使用者：武汉海云空间信息技术有限公司
技术研发日：2021.07.20
技术公布日：2022/6/28