一种大尺度堤岸点云数据拼接融合方法

摘要

本发明公开了一种大尺度堤岸点云数据拼接融合方法，包括：获取堤岸待拼接图像，对待拼接图像的相邻帧图像进行处理，获得点云数据；基于点云数据进行特征点的检测与匹配，获得点云重复局部特征；基于点云重复局部特征对待拼接图像进行图像框架对齐后，寻找最优拼接缝进行图像融合。利用本发明提供的点云拼接方法，相对于基于传统ICP算法的拼接方法，其具有更高的准确性和更好的计算速度，能够达到快速高效的大尺度堤岸点云数据拼接目的。

说明书

技术领域

本发明属于点云处理技术领域，特别是涉及一种大尺度堤岸点云数据拼接融合方法。

背景技术

近些年，随着城市化的快速发展，河流渠道化、河道被分割等现象时有发生，致使浅滩、深潭等地貌单元被破坏，沿河的洪泛平原、湿地消失，地貌单元多样性降低，生物栖息地遭到破坏。为了对破坏的生态环境进行修复，管理部门需要获取堤岸的全景图像，来对河流的地貌单元情况进行分析后，了解目前河段生态环境的具体情况才能有针对性的修复，以降低河段修复成本。

全景图像的获取主要通过如下两种方式获取全景图像：1、直接利用专用广角成像设备(如鱼眼光学镜头、凸面反射光学镜头等非线性光学成像设备)，一次摄取足够大的水平角度的图像，但其造价较高，且分辨率和视角难以兼顾，图像会严重畸变；2、通过图像拼接技术，将一组具有重叠区域的低分辨率或小视角图像，拼接成一幅高分辨率、宽视野的新图像。由于第2种方式对设备要求低，且能保留原始拍摄图像的细节信息，因此，图像拼接技术对于全景图像的获取非常重要。

目前，现有三维重建方法中基于传统的ICP算法的点云拼接需要对两帧待拼接点云图像进行粗配准姿态调整再进行ICP最近点匹配，且要求待拼接点云数据间具有高重合率，在对大尺度堤岸点云数据拼接过程中易产生局部最优的拼接错误。因此，迫切需要设计一种新的对点云数据间重合率要求更低的拼接方法。

发明内容

为实现上述目的，本发明提供了如下方案：一种大尺度堤岸点云数据拼接融合方法，包括：

获取堤岸待拼接图像，对所述待拼接图像的相邻帧图像进行处理，获得点云数据；

基于所述点云数据进行特征点的检测与匹配，获得点云重复局部特征；

基于所述点云重复局部特征对待拼接图像进行图像框架对齐后，寻找最优拼接缝进行图像融合。

优选地，获取堤岸待拼接图像的过程包括，根据河段的研究资料和实地调查数据，获取河流地貌单元分类表；基于所述河流地貌单元分类表，获取每种地貌单元的遥感影像，并对所有遥感影像进行灰度化处理，将同一地貌单元灰度值扩展为统一灰度区间，获取堤岸待拼接图像。

优选地，基于所述点云数据进行特征点的检测与匹配之前还包括，提取待拼接相邻帧图像的点云数据的特征点和特征描述，基于RANSAC算法对点云数据特征点相邻近的点进行初始配准，获得候选点集。

优选地，基于所述点云数据进行特征点的检测与匹配，获得点云重复局部特征的过程包括，

构建单应性矩阵，随机选取点云数据特征点输入所述单应性矩阵进行计算；判断云数据特征点是否满足单应性矩阵，若满足，记录满足次数，当所述次数大于预设次数时，基于候选点集更新所述单应性矩阵，获得对应点集。

优选地，基于所述点云重复局部特征对待拼接图像进行图像框架对齐的过程包括，

基于Kdtree算法判断对应点集中当前点位的点云数据对应的第一可拼接点云数据是否满足预设拼接条件，满足拼接条件，则对所述当前点位的点云数据与所述第一可拼接点云数据进行拼接；不满足拼接条件，则将所述第一可拼接点云数据判定为错误匹配点进行剔除。

优选地，将所述第一可拼接点云数据判定为错误匹配点进行剔除后还包括，

判断是否存在与所述当前点位的点云数据对应的第二可拼接点云数据；若存在，则对所述当前点位的点云数据与所述第二可拼接点云数据继续拼接，并根据拼接结果更新拼接后的点云数据；若不存在，继续寻找与所述当前点位的点云数据能够拼接的可拼接点云数据。

优选地，基于最优拼接缝进行图像融合的过程包括，利用最佳拼接缝搜索算法对待拼接图像进行差异最小化计算，获得最佳拼接缝；

通过渐入渐出加权融合算法对图像进行融合处理，获得拼接图像。

本发明公开了以下技术效果：

本发明提供的一种大尺度堤岸点云数据拼接融合方法，对传统的ICP算法进行了优化改进，通过对点云数据点集进行特征检测，识别待拼接点云之间的重复局部特征，来实现高精度的识别匹配，减少计算量。通过单应性矩阵将待拼接图像的框架进行粗略对齐，保证变换后的图像在结构上保持稳定，不易出现图像扭曲，而粗对齐后出现图像变形、透视失真等问题，可以通过结合最优拼接缝寻找与图像融合进行处理。利用最优拼接缝搜索算法寻找能量最小拼接缝，最后采用加权方式进行图像融合，能够达到快速高效的大尺度堤岸点云数据拼接目的。

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为本发明实施例的方法流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，本发明提供了一种大尺度堤岸点云数据拼接融合方法,包括：

获取堤岸待拼接图像，对所述待拼接图像的相邻帧图像进行处理，获得点云数据；

基于所述点云数据进行特征点的检测与匹配，获得点云重复局部特征；

基于所述点云重复局部特征对待拼接图像进行图像框架对齐后，寻找最优拼接缝进行图像融合。

获取堤岸待拼接图像的过程包括，根据河段的研究资料和实地调查数据，获取河流地貌单元分类表；基于所述河流地貌单元分类表，获取每种地貌单元的遥感影像，并对所有遥感影像进行灰度化处理，将同一地貌单元灰度值扩展为统一灰度区间，获取堤岸待拼接图像。

基于所述点云数据进行特征点的检测与匹配之前还包括，提取待拼接相邻帧图像的点云数据的特征点和特征描述，基于RANSAC算法对点云数据特征点相邻近的点进行初始配准，获得候选点集。

基于所述点云数据进行特征点的检测与匹配，获得点云重复局部特征的过程包括，

构建单应性矩阵，随机选取点云数据特征点输入所述单应性矩阵进行计算；判断云数据特征点是否满足单应性矩阵，若满足，记录满足次数，当所述次数大于预设次数时，基于候选点集更新所述单应性矩阵，获得对应点集。

进一步地优化方案，单应性矩阵是图像拼接过程中一种变换模型，这种变换模型是通过像素点与像素点之间的配对，经过某种变换关系来进行变换，然后再用求得的变换关系逆向获取矩阵。单应性矩阵可以将2个图像的框架进行粗略对齐，保证变换后的图像在结构上保持稳定，不易出现图像扭曲，而粗对齐后出现图像变形、透视失真等问题，可以通过结合最优拼接缝寻找与图像融合进行处理。

假设源图像与目标图像在重叠区域的匹配点为p＝[x，y，1]

q-H

或

如果从两幅图像中获得4个相应的像素点，即可以获得四对匹配点，则可以生成8个线性方程，通过解算该线性方程，可以获取一个单应性矩阵H。在图像配准中，目标区域的投影平面的获取受到特征点的影响，这导致只有少数区域在图像配准后可以对齐，本文提出的最优单应性矩阵获取由最小化配准误差和分析特征点分布来进行筛选。

为了获得一组鲁棒特征点集，在输入图像I

基于所述点云重复局部特征对待拼接图像进行图像框架对齐的过程包括，

基于Kdtree算法判断对应点集中当前点位的点云数据对应的第一可拼接点云数据是否满足预设拼接条件，满足拼接条件，则对所述当前点位的点云数据与所述第一可拼接点云数据进行拼接；不满足拼接条件，则将所述第一可拼接点云数据判定为错误匹配点进行剔除。

将所述第一可拼接点云数据判定为错误匹配点进行剔除后还包括，

判断是否存在与所述当前点位的点云数据对应的第二可拼接点云数据；若存在，则对所述当前点位的点云数据与所述第二可拼接点云数据继续拼接，并根据拼接结果更新拼接后的点云数据；若不存在，继续寻找与所述当前点位的点云数据能够拼接的可拼接点云数据。

基于最优拼接缝进行图像融合的过程包括，利用最佳拼接缝搜索算法对待拼接图像进行差异最小化计算，获得最佳拼接缝；

通过渐入渐出加权融合算法对图像进行融合处理，获得拼接图像。

进一步地优化方案，最优拼接缝方法假设在拼接图像的重叠区域存在一条最小差异的路径，选用合适的算法，从上而下遍历路径两侧的像素值，取得一条差异最小的路径。本实施例利用全局最优单应性矩阵和全局最优相似矩阵实现输入图像的框架对齐，保持源图像的结构，再利用最优拼接缝搜索算法寻找能量最小拼接缝，最后采用加权方式进行图像融合，能够达到快速高效的大尺度堤岸点云数据拼接目的。

进一步地优化方案，本实施例还包括对点云数据拼接的冗余点云去除包括：

获取三维点云数据并制作三维图像，然后对三维图像体素赋值，具体包括，根据获得的点云数据，逐个计算所有点云落在三维图像中的位置并为各体素赋值，如果落于三维图像外则舍去不再计算；

去除拼接冗余点云：根据第N次测量获得的点云建立的三维图像，分别使用第N次测量获得的点云与第1～N-1次测量获得的经过去冗余后的所有点云对三维图像赋值；设使用第N次测量获得的点云数据对三维图像赋值后，坐标(x

根据点云深度信息，逐批次的将点云投影到三维图像上，并通过点云增长为三维图像体素赋值，并通过比较两片点云投影在相同三维图像上各体素的值，删除冗余点云，从而完成拼接点云去冗余，去冗余准确度高，速度快，且方法简单易实施。

以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。