CN102645209B - 机载LiDAR点云和高分辨率影像进行空间点的联合定位方法 - Google Patents

Abstract

机载LiDAR点云和高分辨率影像进行空间点的联合定位方法，它包括如下步骤：原始LiDAR数据去噪步骤，高精度数字地面模型DEM生成步骤，通过手动同时辅以高精度POS数据所获取影像的外方位元素，利用已经选取的同名点中的任意两点利用双片前方交会计算初值后，通过多片前方交会计算同名点的物方坐标(X，Y，Z)；通过上一步多片前方交会求解出的同名点的物方坐标，得到同名点对应的精确物方坐标(X，Y，Z′)。本发明通过LiDAR点云进行高程约束的前提下实现的多片前方交会所获取到的像点的物方坐标的平面精度和高程精度非常高。

Description

机载LiDAR点云和高分辨率影像进行空间点的联合定位方法

技术领域

本发明专利涉及机载LiDAR数据处理技术领域，尤其涉及一种集成LiDAR点云数据和高分辨率影像进行空间点的联合精确定位的方法。

背景技术

机载LiDAR是一种新型的主动式航空遥感对地观测技术，通过携带高分辨率数码相机使得一次飞行就能同步采集到激光点云和高分辨率航空影像，由于机载LiDAR携带的POS***具有惯性导航和GPS定位功能，因此可以直接获取高空间分辨率的三维点云信息和高分辨率航片及其外方位元素，理论上可以进行高精度的直接地理定位，但是如果没有进行内业漫长而繁琐的空三处理整体平差的情况下，其获取的高分辨率影像的外方位元素的实际精度必然受到偶然误差和***误差的综合影响，使得传统的双片前方交会难以达成高精度直接地理定位的目标，无法满足当前遥感测绘的需求。

发明内容

针对传统基于双片前方交会的直接地理定位方法的平面精度和高程精度都不高的问题，本发明利用带有高分辨率CCD相机的机载LiDAR在航飞过程中可以同步采集到高精度的激光点云和高分辨率航空影像的特点，为了实现快速获取高精度的直接地理定位的目标，引入了激光点云的高程信息对高分辨率影像的多片前方交会的平差结果进行高程约束，从而实现快速获取像点的高精度空间坐标，是一种集成了多传感器数据优势的高精度，快速的直接地理定位方法。

为达到上述目的，本发明采用了如下的技术方案：机载LiDAR点云和高分辨率影像进行空间点的联合定位方法，

1、原始激光雷达(LiDAR)数据去噪步骤，该步骤采用K近邻球去噪算法，去除点云中存在的噪声；

2、高精度数字地面模型DEM(数字高程模型)生成步骤，该步骤对去噪后的激光雷达数据，采用三角网渐进加密迭代滤波方法得到打在地面上的激光点，并内插生成高精度数字地面模型DEM数据；

3、在手动选择同名点的初始点后，辅以高精度POS***所获取影像的外方位元素，在跨航带多视航空影像中半自动选择同名点的其余点。

4、通过选取的同名点中的任意两点利用双片前方交会计算初值后，利用多片前方交会方法计算得到同名点的物方坐标(X，Y，Z)。

5、通过上一步多片前方交会求解出的同名点的物方坐标，根据其平面坐标(X，Y)值在第二步获取的高精度DEM数据中内插得到精确的高程值Z′，完成高程约束，从而得到同名点对应的精确物方坐标(X，Y，Z′)。

在上述技术方案中，所述K近邻球方法进行点云数据去噪步骤为：

首先数据点集进行空间栅格划分，假想存在空间球，并以当前测点为球心，半径分别取测点到所在立方体栅格六面的距离；

取半径最小的空间球，在与之发生干涉的栅格中进行K-近邻搜索，若满足所建立的搜索终止原则，则终止搜索；

否则，取更大半径的空间球从而建立待定点的K邻近球；在对点云进行噪声处理的过程中，待定点与建立的K近邻球中的点的距离大小来判定该待定点是否为噪声。

在上述技术方案中，所述三角网渐进加密迭代滤波后生成高精度DEM的步骤为：

①原始数据进行K近邻球滤波处理剔除数据中的极低点和空中点；

②构造数据的外包矩形，该外包矩形的四个顶点的高程值根据最近邻准则来设定，然后对外包矩形进行三角剖分，并将其作为初始地面表面模型；

③对数据进行格网组织，网格应略大于点云区域内最大建筑物的大小，其中每个网格中的最低点为初始地面点，将选取的初始地面点加入到不规则三角网中；

④计算每个点到其所在的三角形的距离以及它与三角形三个顶点的夹角，若计算得到的值小于预先设定的阈值条件，则将其加入到不规则三角网中；

⑤重复④直到没有新的点加入到不规则三角网中；

⑥获取的地面点内插生成格网尺寸尽可能小的DEM。

本发明具有如下优点：1)本发明通过LiDAR点云进行高程约束的前提下实现的多片前方交会所获取到的像点的物方坐标的平面精度和高程精度非常高。2)利用本发明可大量减少航空遥感外业控制、联测的工作量，在大比例尺成图方面甚至可以取消外业控制，极大的缩短航测成图周期和费用。3)通过精确的直接地理定位方法，省去外业布设控制点，避免传统复杂、费时的空三工序，使得机载LiDAR获取成果的“短平快”优点可以得到更好的发挥和体现。

附图说明

图1是本发明中噪声点与周围邻域的关系示意图。

图2是本发明中迭代三角网滤波示意图。

图3是投影系数法示意图。

图4是本发明提供的一种机载激光点云数据和高分辨率影像数据进行空间点的联合精确定位的方法流程图。

图1中d表示距离，圆心点为当前测点，其它点为搜索点；

具体实施方式

本发明提供的一种机载LiDAR点云和高分辨率影像进行空间点的联合精确定位的方法，其本质在于利用多种数据源的优势，即是利用点云数据的高程精度的优势和高分辨率影像多片前方交会获取的物方坐标所具有的平面精度优势，最终实现基于机载LiDAR点云数据约束的高精度快速多片前方交会，从而达到高精度直接地理定位的目的。

下面结合附图详细说明本发明的的实施情况，但它们并不构成对本发明的限定，仅作举例而已，同时通过说明本发明的优点将变得更加清楚和容易理解。

本发明提供的一种机载激光点云数据和高分辨率影像数据进行空间点的联合精确定位的方法，包括以下步骤：

(1)原始LiDAR(激光雷达)数据去噪：

点云数据如果存在明显低于或高于周围环境的极低点和空中点，会较大影响后处理算法精度，因此在数据处理前去除这些噪声点。本方法通过建立K近邻球来探测去除点云中的噪声，首先数据点集进行空间栅格划分，假想存在空间球，并以当前测点为球心，半径分别取测点到所在立方体栅格六面的距离。取半径最小的空间球，在与之发生干涉的栅格中进行K-近邻搜索，若满足所建立的搜索终止原则，则终止搜索；否则，取更大半径的空间球从而建立待定点的K邻近球。在对点云进行噪声处理的过程中，主要依赖于待定点与建立的K近邻球中的点的距离大小来判定该待定点是否为噪声(如图1所示)。

(2)高精度DEM生成

在利用迭代三角网滤波获取地面点集后，对地面点集内插得到格网DEM。关键步骤是迭代三角网滤波，其步骤为：①对原始数据进行K近邻球滤波处理剔除数据中的极低点(高程很低的噪声点)和空中点(高程很高的噪声点)(该步骤已在第1步骤完成)；②构造数据的外包矩形，该外包矩形的四个顶点的高程值根据最近邻准则来设定，然后对外包矩形进行三角剖分，并将其作为初始地面表面模型(如图2中的a)；③对数据进行格网组织，网格应略大于点云区域内最大建筑物的大小，其中每个网格中的最低点为初始地面点，将选取的初始地面点加入到不规则三角网(TIN)中；④计算每个点到其所在的三角形的距离以及它与三角形三个顶点的夹角，若计算得到的值小于预先设定的阈值条件，则将其加入到不规则三角网中(如图2中的b)；⑤重复④直到没有新的点加入到不规则三角网中(如图2中的c)；⑥获取的地面点内插生成格网尺寸尽可能小的DEM。

(3)同名点选取

从具有较高精度外方位元素的跨航带多视影像中半自动选取同名点，选取时应尽可能保证选取同名点的亚像素精度。因为多基线前方交会在外方位元素一定的情况下其精度很大程度上取决于同名点的量测精度。

(4)多片前方交会

多片前方交会的误差方程中物点是用待定值的近似值代入共线方程求出的，将共线方程线性化，可得多片前方交会的误差方程式：对每一个像点，可以列出两个误差方程(如公式1)。若某点出现在n幅序列影像中，则可以列出2n个方程式，故可以用最小二乘平差解求。解算时需注意两点：

1：首先利用投影系数法(如公式2)计算初值。

2：在计算前还需通过摄影中心和所选像点求出同名光线中任意两条光线的夹角，若夹角小于15°则去掉这两个光线中的一个(即像点)，然后再重新检查，最后使多视光线中每两两的夹角都大于15°后再进行多片前方交会。

$u_x=-\frac{\∂x}{\∂X}\mathrm{dX}-\frac{\∂x}{\∂Y}\mathrm{dY}-\frac{\∂x}{\∂Z}\mathrm{dZ}-L_x$

(公式1)

$u_y=-\frac{\∂y}{\∂X}\mathrm{dX}-\frac{\∂y}{\∂Y}\mathrm{dY}-\frac{\∂y}{\∂Z}-L_y$

公式1中的x和y是像点坐标，X，Y，Z是像点对应的物点空间坐标，Lx，Ly是矩阵观测值，u_x，u_y是矩阵的改正数。

$\left\{\begin{array}{c}X=X_{S1}+N_1{X}_1=X_{S2}+N_2{X}_1\\ Y=Y_{S1}+N_1{Y}_1=Y_{S2}+N_2{Y}_1\\ Z=Z_{S1}+N_1{Z}_1=Z_{S2}+N_2{Z}_1\end{array}\right.$ (公式2)

投影系数法如图3所示。S₁，S₂分别为左右影像的投影中心，Bx，By，Bz，为摄影基线分量，m1，m2分别为物方点M在左右影像上的构像，X₁，Y₁，Z₁，X₂，Y₂，Z₂，为m1，m2的像空辅坐标，N₁，N₂表示将左像点和右像点投影到地面上的点投影系数。

计算过程中，像点要考虑由于透镜的几何畸变或者量测仪器的已知***误差修正，以减弱它们的影响。通常主点偏移、径向畸变差和偏向畸变差参数由厂商提供，本算法中利用径向畸变公式(公式3)来对共线方程求解的像点进行补偿。

$\left\{\begin{array}{c}\mathrm{\Δ}{x}_r=(x-x_0)(K_1\·r^2+K_2\·r^4+K_3\·r^6+O[r^8\left]\right)\\ \mathrm{\Δ}{y}_r=(y-y_0)(K_1\·r^2+K_2\·r^4+K_3\·r^6+O[r^8\left]\right)\end{array}\right.$ (公式3)

其中r²＝(x-x₀)²+(y-y₀)²，(x₀，y₀)为像主点坐标，Ki为畸变系数，i为1、2、3。

(5)高程约束

通过上一步多片前方交会求出的同名点的物方坐标(X，Y，Z)，根据(X，Y)坐标值在第2步骤生成的高精度DEM数据中进行内插从而得到更精确的高程值Z′，从而完成高程约束，构成同名点对应的新的高精度物方坐标(X，Y，Z′)，实现高精度直接地理定位。

Claims (1)

1.机载LiDAR点云和高分辨率影像进行空间点的联合定位方法，其特征在于它包括如下步骤：

1）原始LiDAR数据去噪步骤，该步骤采用K近邻球去噪算法，去除点云中存在的噪声，其中，所述K近邻球方法进行点云数据去噪步骤为：

首先数据点集进行空间栅格划分,假想存在空间球,并以当前测点为球心,半径分别取测点到所在立方体栅格六面的距离；

取半径最小的空间球,在与之发生干涉的栅格中进行K-近邻搜索,若满足所建立的搜索终止原则,则终止搜索;

否则,取更大半径的空间球从而建立待定点的K邻近球；在对点云进行噪声处理的过程中，待定点与建立的K近邻球中的点的距离大小来判定该待定点是否为噪声；

2）高精度数字地面模型DEM生成步骤，该步骤对去噪后的激光雷达数据，采用三角网渐进加密迭代滤波方法得到打在地面上的激光点，并内插生成高精度数字地面模型DEM数据，其中，所述三角网渐进加密迭代滤波后生成高精度DEM的步骤为：

①对原始数据进行K近邻球滤波处理剔除数据中的极低点和空中点；

②构造数据的外包矩形，该外包矩形的四个顶点的高程值根据最近邻准则来设定，然后对外包矩形进行三角剖分，并将其作为初始地面表面模型；

③对数据进行格网组织，网格应略大于点云区域内最大建筑物的大小，其中每个网格中的最低点为初始地面点，将选取的初始地面点加入到不规则三角网中；

④计算每个点到其所在的三角形的距离以及它与三角形三个顶点的夹角，若计算得到的值小于预先设定的阈值条件，则将其加入到不规则三角网中；

⑤重复④直到没有新的点加入到不规则三角网中；

⑥获取的地面点内插生成格网尺寸尽可能小的DEM；

3）在手动选择同名点的初始点后，辅以高精度POS***所获取影像的外方位元素，在跨航带多视航空影像中半自动选择同名点的其余点；

4）通过选取的同名点中的任意两点利用双片前方交会计算初值后，利用多片前方交会方法计算得到同名点的物方坐标（X，Y，Z）；

5）通过上一步多片前方交会求解出的同名点的物方坐标，根据其平面坐标(X，Y)值在第二步获取的高精度DEM数据中内插得到精确的高程值Z'，完成高程约束，从而得到同名点对应的精确物方坐标（X，Y，Z'）。