基于点对点模型的通用3D表面匹配方法
技术领域
本发明涉及测绘技术领域,更具体地,涉及一种基于点对点模型通用最小二乘3D表面匹配方法。
背景技术
3D表面匹配(一般也称表面配准)是计算机视觉、数字摄影测量领域的前沿研究问题,其主要目的是为了确立两个三维表面间坐标系转换关系,从而对物体的几何表面在测绘中的所形成的点云数据集进行配准,是实现点云曲面无缝拼接的关键性步骤。该转换关系一般采用尺度、旋转以及平移等7个正形变换参数中的全部或部分因子进行描述。实施配准的关键因素有两点:1)选择合适数学模型描述3D表面间几何约束关系,进而能对表面间几何参数进行准确估计;2)确立3D表面间同名点对搜索规则,进而能利用计算机进行整体解算。
目前该领域主要存在3种主流3D表面匹配算法:1)迭代最近点(Iterative Closest Point,ICP)配准算法(Besl and McKay,1992;Chenand Medioni,1992;Zhang,1994),该算法通过搜索两个3D点集间空间上距离最近的真实点对作为同名点,并以真实同名点间欧氏距离最小为几何约束条件估计点集间6个正形变换参数;2)最小法向距离(LeastNormal Distance,LND)配准算法(Robert,2004;Gruen and Akca,2005)则是以点与局部表面法向距离最小为依据进行点集间7个正形变换参数估计;3)最小高程距离(Least Z-Difference,LZD)配准算法(Rosenholm,1988)则是通过最小化所有对应同名点间的高差平方和来求解点集间7个正形变换参数。
在ICP算法中,选择6个正性变换参数进行表面间几何关系表述,缺乏尺度因子,因此对不同分辨率3D表面无法进行有效配准;该方法采用线性迭代计算方法,收敛速度较慢。
在LND算法中,尽管该类方法最终能取得良好配准精度,但是现有的LND配准算法均采用不同的平差数学模型,且数学模型形式上差异较大,缺乏统一通用的平差估计模型。
在LZD算法中,仅仅考虑对应同名点间高程差异因素,因此在实施配准过程中较易产生局部收敛现象,对配准初值要求较高。
综上所述,现有主流3D表面配准方法还没能形成统一通用的平差数学模型,现有技术中缺乏一种通用的配准模型,能在理论上对现有配准方法进行有机统一,因此需要寻求一种通用的3D表面配准模型,并能适应不同同名点定义规则。
发明内容
针对现有技术中的上述不足,本发明的目的是提供一种基于点对点模型的通用3D表面匹配方法,不仅能从理论上对表面匹配算法进行统一,而且可以根据待配准数据特点选择适合的同名点对应规则,具有良好可扩展性。更重要地,该配准方法对应的平差模型,非常适合于计算机编码实现,具备很好的应用潜力。
本发明的通用3D表面匹配方法是一种高质量点云、曲面配准方法,是实现点云、曲面无缝拼接的关键性步骤,该配准算法可直接用于机载激光扫描点云配准、地面激光扫描点云配准、任意散乱3D点集配准,以及数字高程模型(DEM)之间的配准应用。
本发明的通用3D表面匹配方法,其具体技术方案如下:
步骤1,快速搜索3D表面的点云数据集之间的重叠区域,并对重叠区域点集进行标记;
步骤2,对参考表面的点云数据集进行数据组织,建立参考表面点云数据集中各节点数据间的拓扑关系;
步骤3,按照点对点模型,选择特定的同名点对应规则进行搜索,建立配准表面与参考表面间的同名点一一对应关系;
步骤4,针对搜索获取的同名点对建立误差方程式,并根据建立的误差方程式,依据最小二乘原理建立法方程式,并解算法方程获得最似然配准参数估值;
步骤5,根据解算出的配准参数,对待配准表面进行坐标转换。
优选地,所述方法还包括:在步骤1之前首先对所述3D表面的点云数据集进行数据滤波处理。
优选地,所述步骤2通过不规则三角网(TIN)、规则格网(Grid)或以及KD树对所述点云数据集进行数据组织以建立所述拓扑关系。
优选地,步骤3中可选择的所述同名点对应规则包括:沿表面法线方向的共轭同名点、沿表面垂线方向的共轭同名点、空间上欧氏距离最近的共轭同名点中的任意一种。
优选地,步骤4建立的误差方程式为:
其中,tx,ty,tz为沿坐标轴的三个平移分量,ω,κ为绕坐标轴旋转的三个角度参数,m为尺度变换因子,V为泰勒级数局部展开所引入的残差。
优选地,步骤5中所述坐标转换包括:待配准表面上任意点为P(x,y,z),对应参考表面上共轭点为Q(x′,y′,z′),转换公式如下:
其中,tx,ty,tz为沿坐标轴的三个平移分量,ω,κ为绕坐标轴旋转的三个角度参数,m为尺度变换因子。
本发明的基于点对点模型的通用3D表面匹配方法,不仅从理论上对表面匹配算法进行统一,而且可以根据待配准数据特点选择适合的同名点对应规则,具有良好可扩展性。更重要地,该配准方法对应的平差模型,非常适合于计算机编码实现,可直接用于机载激光扫描点云配准、地面激光扫描点云配准、任意散乱3D点集配准,以及数字高程模型(DEM)之间的配准应用,具备很好的应用潜力。
附图说明
图1A-C是本发明实施例的3D表面间三种同名点对应规则的示意图;
图2A-F是本发明实施例的匹配方法配准前后的断面效果对比图。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果,以下结合具体实施方式并配合附图详予说明。
本发明的通用3D表面匹配方法是一种高质量点云、曲面配准方法,是实现点云、曲面无缝拼接的关键性步骤,该配准算法可直接用于机载激光扫描点云配准、地面激光扫描点云配准、任意散乱3D点集配准,以及数字高程模型(DEM)之间的配准应用。
下面以3D点云数据配准为例,描述本发明的基于点对点模型3D表面匹配方法具体实现步骤。假设存在两个相互重叠的3D表面数据集,一个为参考表面,另一个为待配准表面,则:
步骤1,如果所处理数据为机载LiDAR数据,需要先对相邻条带进行数据滤波处理,即分离地面点与非地面点,然后保留地面点进行后续配准处理。快速搜索3D表面的点云数据集之间的重叠区域,并对重叠区域点集进行标记。
步骤2,对参考表面的点云数据集进行数据组织,建立参考表面点云数据集中各节点数据间的拓扑关系。一般可采用不规则三角网(TIN)、规则格网(Grid)或KD树等空间数据结构对点云数据集进行所述数据组织。
步骤3,按照点对点模型,选择特定的同名点对应规则进行搜索,建立配准表面与参考表面间的同名点一一对应关系。可供选择的三种同名点对应规则示意图如图1所示,包括:图1A为沿表面法线方向的共轭同名点、图1B为沿表面垂线方向的共轭同名点、图1C为空间上欧氏距离最近的共轭同名点。
步骤4,采用点对点平差模型进行表面间几何变换参数的最小二乘平差解算。具体来说,针对搜索获取的同名点对建立误差方程式,并根据建立的误差方程式,依据最小二乘原理建立法方程式,并解算法方程获得最似然配准参数估值。所述平差数学模型为:
D=(x-x′)2+(y-y′)2+(z-z′)2
对同名点对建立的误差方程式如下式:
其中,tx,ty,tz为沿坐标轴的三个平移分量,ω,κ为绕坐标轴旋转的三个角度参数,m为尺度变换因子。V为泰勒级数局部展开所引入的残差,从统计理论角度出发,随机变量其期望值E(V)=0,因此上述估计模型是典型的高斯-马尔科夫估计模型。
利用上述步骤解算出的7个正性变换参数对待配准表面数据进行坐标转换,从而达到参考表面与待配准表面进行配准的目的。
假设待配准表面上任意点P(x,y,z),对应参考表面上共轭点为Q(x′,y′,z′),转换公式如下:
其中,tx,ty,tz为沿坐标轴的三个平移分量,ω,κ为绕坐标轴旋转的三个角度参数,m为尺度变换因子。
图2A-F是按本发明实施例的匹配方法配准前后的若干断面效果对比图。每个附图的左侧是条带配准前重叠区剖面图,右侧是条带配准后的重叠区剖面图。通过比较可以看到,配准前,左侧剖面图的两条条带数据差异较大,而配准后差异被很好的消除,条带数据基本处于重合状态。
我们利用所述基于点对点模型的通用3D表面匹配方法研制开发相应软件模块,采用该软件模块进行机载激光扫描条带平差实验,其中,两组条带数据均由徕卡公司的机载LiDAR***(ALS6.0)获取,相关精度报告如下:
数据集1:
重叠区总点数为:1,892,407
地面点点数为:1,040,538
平均点间距为:1.13meter
ICP同名点对应规则获得的单位权中误差为:0.71meter
LND同名点对应规则获得的单位权中误差为:0.43meter
LZD同名点对应规则获得的单位权中误差为:0.97meter
数据集2:
重叠区总点数为:2,034,542
地面点点数为:1,132,670
平均点间距为:0.72meter
ICP同名点对应规则获得的单位权中误差为:0.38meter
LND同名点对应规则获得的单位权中误差为:0.27meter
LZD同名点对应规则获得的单位权中误差为:0.42meter
上述实验结果表明,本发明的基于点对点模型的通用3D表面匹配方法能按照三种不同同名点定义规则进行配准,确实是一种通用的配准模型。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。