车载MMS激光点云与序列全景影像自动配准方法

提出一种车载移动测量系统（MMS）激光点云与序列全景影像自动配准方法。首先采用层次化城市场景目标提取方法自激光点云提取天际线矢量,在全景影像中经虚拟成像与分割角点提取算法生成天际线矢量。然后,将提取结果作为几何配准基元,构建配准基元图,通过最小化配准基元图编辑距离进行匹配,组成共轭配准基元对,解算2D-3D粗配准模型,获得全景影像与LiDAR点云参考坐标系之间的初始转换关系。最后,为消除几何配准基元提取与匹配误差对配准结果的影响,自序列全景影像虚拟成像影像生成多视立体密集匹配点云,继而使用变种ICP算法优化其与激光点云数据间3D-3D配准参数,间接优化全景影像与激光点云间的配准参数,精化配准结果。试验结果表明,本文提出的自动配准方法可以实现车载MMS激光点云与序列全景影像的1.5像素级自动配准,配准成果可应用于真彩色点云生成等点云/影像数据融合应用。     

使用安置参数优化的无人机点云与影像精配准

针对现有的无人机激光点云与影像配准方法主要基于仿射变换建立点云与影像之间的配准模型,无法描述激光点云与影像之间的复杂变换关系问题,该文提出一种基于安置参数优化的无人机激光点云与光学影像精确配准方法.以相机安置参数为优化参数,以归一化互信息作为点云特征影像与光学影像之间的相似性测度,采用改进Powell算法作为优化策略,获得最优配准参数,实现无人机激光点云与无人机影像之间的精确配准.基于实验数据与现有两种配准方法进行精度对比.实验表明,基于相机安置参数优化的配准方法优于两种常规配准方法,可以实现无人机激光点云与光学影像之间的自动化配准,并达到像素级的配准精度.     

车载激光点云和光学影像的配准方法研究

首先总结国内外激光点云和光学影像配准的研究现状,针对单张影像提出了一种基于直接线性变换的车载激光点云和光学影像的配准方法;针对车载序列影像提出了一种基于Sift角点提取、影像匹配、光束法平差、密集点云生成、密集点云和激光点云自动配准并生成对应的三维彩色点云的方法。最后以VC++ 6.0为开发平台,利用Optech公司提供的车载激光点云和序列影像数据设计并实现了车载激光点云和光学影像的配准,并验证了算法的有效性。     

城区机载LiDAR数据与航空影像的自动配准

为解决机载LiDAR数据与航空影像集成应用中二者的配准问题,提出了一种机载LiDAR数据与航空影像配准的方法。首先,直接在LiDAR点云中提取建筑物3维轮廓线,通过将轮廓线规则化得到由两条相互垂直的直线段组成的建筑物角特征,并在航空影像上提取直线特征;然后,根据影像初始外方位元素将建筑物角特征投影到航空影像上,并采用一定的相似性测度在影像上寻找同名的影像角特征;最后,将角特征的角点当作控制点,利用传统的摄影测量光束法区域网平差解求影像新的外方位元素。解算过程中采用循环迭代策略。本方法的主要特点是,直接从LiDAR点云中提取线特征,避免了常规方法从距离图(或强度图)中提取线特征所产生的内插误差。通过与现有基于点云强度图的配准方法的对比实验表明,在低精度初始外方位元素的辅助下,本文方法能够达到较高的配准精度。     

地面激光点云与纹理影像的自动配准

针对建筑物场景存在丰富的线特征的特点,提出了一种基于直线特征的地面激光点云与纹理影像自动配准方法.试验结果表明,在没有初始配准参数的情况下,仅利用提取的线特征能够实现激光点云与影像的自动配准,并具有较高的配准精度.     

最邻近曲面约束的近景光学影像与地面激光点云几何配准

提出一种以最邻近曲面为约束的近景光学影像与地面激光点云高精度配准方法。根据光学影像生成三维稀疏点云,以影像三维稀疏点邻近的激光点拟合的曲面为约束,结合共线条件方程建立影像三维稀疏点云与三维激光点云间变换模型,通过平差迭代解算实现光学影像与激光点云的高精度几何配准。该方法只需提供初始配准参数,无需对激光点云数据进行特征提取和分割,并且基于曲面约束有效地解决了两个点集之间难以精确确定同名点的问题。通过实际数据试验表明该方法能获得很好的配准精度。     

地面激光点云与数码影像自动高精度配准

针对地面激光雷达点云和数码光学影像非同源异质数据自动配准困难的问题,本文提出了基于互信息的两种数据同名特征高精度自动提取的方法。首先,把点云数据生成中心平面投影的反射强度图像和基于RGB信息的彩色图像,应用点云彩色图像和数码光学影像的匹配,确定点云与影像的粗配准参数;然后,对反射强度图像进行特征提取,应用粗配准参数确定其在数码光学影像上的初始位置,应用互信息实现非同源数据的高精度匹配;最后,应用罗德里格矩阵和选权迭代方法计算高精度配准参数,生成三维彩色模型。试验证明,本文方法可以解决地面激光点云和数码光学影像非同源异质数据的配准问题,具有一定的研究和应用价值。     

基于SIFT算法的无人机高分影像几何配准研究

本文基于SIFT算法进行无人机高分影像自动特征点匹配,在实现影像特征点自动匹配的基础上采用二次多项式模型进行影像几何配准,并且重点考察影像配准过程中匹配特征点数目对几何配准精度的影响,最后进行精度评价。结果表明:在影像特征点匹配结果正确、匹配点分布合理的情况下,匹配点数目越多,利用二次多项式进行影像几何配准的精度越高;无人机航向方向影像配准残差大于旁向残差。     

车载激光雷达点云与全景影像的自动配准

针对激光雷达点云数据缺乏纹理信息的问题,该文提出一种基于互信息的车载激光雷达点云与全景影像配准方法。该方法使用统一的球面全景成像模型,引入互信息作为相似性测度,将车载激光雷达点云生成的深度图与信息提取后的全景影像进行配准,实现配准参数的自动、高精度解算。同时,对车载激光雷达点云与全景影像配准的精度进行评定与分析。实验结果表明,车载点云与全景影像的配准方案是可行的,具有较高的配准精度。     

三维激光扫描技术点云数据采集与配准研究

点云数据采集与配准的精度决定了建筑物三维建模的精度。围绕建筑物点云数据采集与配准的精度问题,分别采用基于标靶的模式、基于形状匹配的模式和基于测站后视的模式进行建筑物表面点云数据的采集与配准处理,并从配准精度、特征点、特征边3个方面进行了对比分析。结果表明,基于形状匹配的模式的精度较低,其他两种模式克服了"同名点"的问题,在配准精度上有明显优势;而在数据采集与配准整体效率方面,基于测站后视的模式优于其他两种模式。     

空地技术结合地形图测图方法研究

车载移动测量系统可以快速、高精度地对测区进行三维激光扫描,但是因地物遮挡、视角限制,使得点云数据存在缺失;无人机航测具有高效率、高灵活性和低成本等优势,但是稳定性差,受天气影像严重,易导致影像不清晰或精度低。无人机航测技术可以弥补车载移动测量技术的采集盲区,后者可以发挥高精度的优点,二者技术联合应用,将极大提高测绘精度及生产效率。本文以某小区为例,进行了相关方法实验,对建筑物顶部或植被茂密处等扫描盲区,采用无人机航测补测,通过高精度激光点云对航摄影像进行纠正匹配,综合利用激光点云与航摄影像进行大比例尺测图。     

基于无人机航测及水下地形测量的水利工程高精度DEM构建研究

DEM是水利行业最主要的基础地理数据之一,本研究根据无人机航测构建密集点云,再对密集点云进行滤波处理,分类地面点,派生出高精度地面DEM,结合水下地形测量,绘制水下地形图,插值得到研究区高精度河道DEM。对地面DEM和河道DEM进行叠加处理,得到研究区整体DEM数据,通过质量检查可知,DEM的高程精度处于较高的水平。本研究工作提出的DEM构建方法,大大减少了野外地面点的测绘工作,作业效率高、DEM精度高,数据具有高时效性,为各项水利工作的开展提供了保障。     

基于Harris与RANSAC算法的无人机影像拼接方法研究

针对Harris算法在进行无人机影像拼接时的特征点误匹配问题,利用RANSAC算法对误匹配的特征点进行剔除,进而实现无人机影像的无缝拼接。首先,基于Harris算法提取兴趣点,利用最短欧式距离进行特征匹配;然后,利用RANSAC算法实现对特征点的精确匹配;最后,利用RANSAC算法得到的单应性矩阵完成无人机影像拼接。实验结果表明:本文方法能够较好地剔除无人机影像拼接时误匹配的特征点,实现对无人机影像的拼接,拼接效果良好。     

基于SURF算法和改进RANSAC算法的无人机影像匹配

影像匹配是诸多遥感影像处理和影像分析的一个关键环节,结合加速鲁棒性特征(SURF)算法和随机采样一致性(RANSAC)算法对影像进行处理,得到特征稳定、匹配点可靠的配准影像。首先提取影像的SURF特征,利用特征点的欧式距离比来完成影像之间的粗匹配;然后使用RANSAC算法对粗匹配点进行筛选;最后计算出图像间的变换矩阵,完成匹配。文中选择某城郊地区的无人机航拍影像,结合SURF算法,并改进RANSAC算法来对影像进行处理,实现影像的匹配,验证文中方法的可行性。     

最优路径的无人机影像拼接

SIFT算法是基于尺度空间的特征匹配方法,该算法为每个关键点指定了方向参数,具备旋转不变性,对图像倾斜的适应性很强.本文采用SIFT算法对无人机图像提取特征点,利用欧氏距离粗匹配,通过距离中误差精匹配.在对拼接误差原因分析的基础上,提出了采用最优路径的拼接方法来降低误差.     

面向海洋应用的无人机遥感图像配准研究

在海洋应用中,大面积水体的同名点匹配相比陆地更加困难,制约了无人机遥感图像的配准精度和收敛速度。本文提出了一种改进算法适用于海洋无人机遥感应用,采用主成分分析（PCA）和水体阈值方法去除水体,获得图像中非水体区域的分块图像,然后利用仿射-尺度不变特征变换算法（ASIFT）进行图像的特征点提取和重叠图像非水体区域的同名点匹配。通过海岛、海岸线的无人机遥感试验结果表明,基于改进算法,在不增加时间开销的情况下,可以增加30%~50%的同名点数量,精度提高约5%~10%。文中方法适应用于海洋无人机遥感的序列图像配准,为海岛、海岸线的遥感监测提供了有效的技术支持。     

Building segmentation and outline extraction from UAV image-derived point clouds by a line growing algorithm

ABSTRACT

This paper presents an approach to process raw unmanned aircraft vehicle (UAV) image-derived point clouds for automatically detecting, segmenting and regularizing buildings of complex urban landscapes. For regularizing, we mean the extraction of the building footprints with precise position and details. In the first step, vegetation points were extracted using a support vector machine (SVM) classifier based on vegetation indexes calculated from color information, then the traditional hierarchical stripping classification method was applied to classify and segment individual buildings. In the second step, we first determined the building boundary points with a modified convex hull algorithm. Then, we further segmented these points such that each point was assigned to a fitting line using a line growing algorithm. Then, two mutually perpendicular directions of each individual building were determined through a W-k-means clustering algorithm which used the slop information and principal direction constraints. Eventually, the building edges were regularized to form the final building footprints. Qualitative and quantitative measures were used to evaluate the performance of the proposed approach by comparing the digitized results from ortho images.     

Semi-automated extraction and delineation of 3D roads of street scene from mobile laser scanning point clouds

Accurate 3D road information is important for applications such as road maintenance and virtual 3D modeling. Mobile laser scanning (MLS) is an efficient technique for capturing dense point clouds that can be used to construct detailed road models for large areas. This paper presents a method for extracting and delineating roads from large-scale MLS point clouds. The proposed method partitions MLS point clouds into a set of consecutive “scanning lines”, which each consists of a road cross section. A moving window operator is used to filter out non-ground points line by line, and curb points are detected based on curb patterns. The detected curb points are tracked and refined so that they are both globally consistent and locally similar. To evaluate the validity of the proposed method, experiments were conducted using two types of street-scene point clouds captured by Optech’s Lynx Mobile Mapper System. The completeness, correctness, and quality of the extracted roads are over 94.42%, 91.13%, and 91.3%, respectively, which proves the proposed method is a promising solution for extracting 3D roads from MLS point clouds.     

一种基于无人机序列图像的地形地貌三维快速重建方法

提出了一种基于无人机序列图像的地形地貌三维重建方法,该方法采用Harris特征点和SIFT特征向量来提取图像特征,实现图像配准;采用准透视投影模型和因子化方法对未标定的图像序列进行自动标定;通过高效次优解三角化方法获取三维点云坐标;通过准稠密化扩散算法对三维点云进行稠密化;采用捆绑调整算法提高了空间三维点云的精度;采用Possion表面重建方法对三维点云进行了网格化处理.本文为无人机序列图像的应用提供了一个新的思路,拓展了无人机的应用空间.     

剔除无人机影像BRISK特征误匹配点对算法

针对BRISK特征检测算法在遥感影像中匹配时同名点对冗余度高和全局性差等特点,考虑BRISK特征检测算法能获取大量无人机遥感影像特征点,Delaunay三角网算法能够利用影像的BRISK特征点的粗匹配点对构建三角网,本文综合两种算法的优点,提出了一种结合BRISK特征检测算法和Delaunay三角网算法的剔除无人机遥感影像误匹配点对方法。该方法利用两张影像的BRISK粗匹配特征点构建Delaunay三角网,利用遍历两张影像三角网中的三角形相似度剔除错误匹配点对,并利用摄影不变量原理进一步剔除误匹配点对,提高了两张影像的精度;对比分析了Delaunay三角网的射影不变量算法,RANSAC算法分别剔除原始影像组、加入椒盐噪声影像组及旋转影像组的BRISK特征误匹配点对的效果。试验结果表明,3组影像分别利用结合BRISK特征和Delaunay三角网的射影不变量算法的无人机遥感影像匹配方法获得的正确特征匹配点对冗余度低、全局性优。