CN110111414B - 一种基于三维激光点云的正射影像生成方法 - Google Patents
一种基于三维激光点云的正射影像生成方法 Download PDFInfo
- Publication number
- CN110111414B CN110111414B CN201910286422.2A CN201910286422A CN110111414B CN 110111414 B CN110111414 B CN 110111414B CN 201910286422 A CN201910286422 A CN 201910286422A CN 110111414 B CN110111414 B CN 110111414B
- Authority
- CN
- China
- Prior art keywords
- projection
- point
- point cloud
- image
- plane
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于三维激光点云的正射影像生成方法,包括:获取目标三维点云;将所述目标三维点云进行预处理,生成待投影点云;将所述待投影点云进行分割,保留待投影目标;定义投影面、投影密度参数;以所述投影面为基准,依次计算当前点云散点到正射平面的投影坐标;计算点云正射影像的投影边界;根据所述投影边界,计算各投影点的图像坐标;根据所述图像坐标生成正射影像。该方法可得到快速的结构图或相应的正射投影图像,以此投影图像为基础,进行量测,能大大提高点云测量效率;可满足工程实践精度要求,对古建筑保护提供一定的指导和借鉴作用。
Description
技术领域
本发明涉及测绘技术领域,涉及一种基于三维激光点云的正射影像生成方法。
背景技术
建筑是民族文化的结晶,中国古建筑有悠久的历史和丰富的文化内涵,是人类建筑史上的璀璨明珠。它承载着中华民族的建筑艺术、宗教、民俗、营造技术及建筑环境等多方面的理念和智慧,记录、传承了中国古建筑的建筑布局、形制等级,构造形式、结构类型、色彩运用和营造特征。
中国古建筑较多,而古建筑保护的前提就是需要掌握全面完善的数据,对古建筑现有情况有直观充分的了解,从而在此基础上进行设计、规划和保护,所以精确数据获取成为古建筑保护首要任务。
随着三维点云获取技术的日趋成熟,机载LiDAR、车载LiDAR、地面站载LiDAR等多种大范围三维数据采集手段日趋成熟且应用到越来越广泛的领域,现有技术中,可以由三维数据进行结构量测的方法主要有:
1.直接量测法。通过全站仪直接测量结构特征。该方法可以实现简单建筑结构特征的测量,但是对于密集及大批量的测量任务,如古建筑街景立面、密集城区地形图及其它复杂建筑结构测量等,受观测视角和位置限制,难以发挥相关作用。而且,这些传统的方法数据采集不全面,效率低下,易对古建筑造成二次损坏,局限性比较大。
2.正射影像法。通过激光扫描点云构建三维模型,然后在此基础上映射照片,投射生成正射影像,最后将正射影像拼接,在此基础上进行量测。这种方法存在诸多缺陷,主要如下:其一是过程复杂,耗时长,建模及纹理映射过程比较复杂,对于大范围扫描点云,一般密度不均匀或者密度较低,难以得到高质量三维模型,纹理映射也存在较大难度;其二,建模、纹理映射、正射影像拼接等过程中存在大量误差,对测量结果精度有一定影响。
另外,点云本身数据量巨大,内部包含噪声及环境数据,容易对测量目标造成干扰且通过点云直接进行三维量测精度低且容易出现三维偏差,需要通过特征提取等手段方能实现精确量测,而特征提取则会耗时耗力,影响点云应用效率。
因此,如何提高点云测量效率,是同行从业人员亟待解决的问题。
发明内容
鉴于上述观测时间长、数据不全面、易产生二次损伤等问题,本发明提出了一种基于三维激光点云的正射影像生成方法,可得到快速的结构图或相应的正射投影图像,以此投影图像为基础,进行量测,能大大提高点云测量效率。
本发明提供一种克服上述问题或者至少部分地解决上述问题的一种基于三维激光点云的正射影像生成方法,包括:
获取目标三维点云;
将所述目标三维点云进行预处理,生成待投影点云;
将所述待投影点云进行分割,保留待投影目标;
定义投影面、投影密度参数;
以所述投影面为基准,依次计算当前点云散点到正射平面的投影坐标;计算点云正射影像的投影边界;根据所述投影边界,计算各投影点的图像坐标;根据所述图像坐标生成正射影像。
在一个实施例中,将所述三维点云进行预处理,生成待投影点云,包括:整体配准和滤波规整步骤;
所述整体配准步骤,包括:
构建整体配准模型,将多站三维点云其相互约束关系,转换到统一坐标系下,形成一个整体点云模型;
将相邻两观测站的点、线、面特征作为观测值,利用间接平差理论,进行站点姿态及未知点坐标初始值解算;
在初始值基础上,以各约束误差构建的权函数为约束条件进行迭代计算,实现所有点云数据整体解算,得到所有站点空间变换参数和未知点坐标;
所述滤波规整步骤,包括:
根据可变局部曲面拟合,对散落噪声点进行检查,识别并对体外孤点、非连接项进行剔除处理;
设定局部区域的高程值,当点云数据中小于所述高程值时,则删除该点云数据,生成待投影点云。
在一个实施例中,设定局部区域的高程值,当点云数据中小于所述高程阈值时,则删除该点云数据,包括:
将三维点云在二维XY平面进行格网划分;
计算所有点云数据在平面方向的最大值和最小值;
按照坐标轴方向以特定步长S进行等间隔格网划分,构建最小包围盒,建立一个包含M×N个包围盒的平面格网,M和N具体的计算公式如式(5)所示:
然后建立激光角点坐标与虚拟网格的映射关系,计算每个点所对应的最小包围盒网格位置,实现网格内点云快速查询,激光角点对应网格公式如式(6):
式中,(i,j)为格网的行列号;SX表示X坐标轴方向特定步长,Sy表示Y坐标轴方向的特定步长;
设定高程值ha,待确定点zi;当zi>ha表示非地面点,zi<ha为初步地面点;
对所述初步地面点通过高程阈值Δh与移动平面拟合,进行剔除处理。
在一个实施例中,将所述待投影点云进行分割,保留待投影目标;包括:
选择剖面位置,将感兴趣切面位置标定;以选定位置进行点云剖切,保留待投影目标。
在一个实施例中,以所述投影面为基准,依次计算当前点云散点到正射平面的投影坐标,包括:
设投影面法向量为F(Fx,Fy,Fz),投影面任意一点坐标为X(x,y,z),点云前点X1(x1,y1,z1),投影点坐标X0(x0,y0,z0);投影面所在平面方程如下:
FX+D=0 (10)
其中D为平面常数,投影点与当前点连线平行于投影面法向,满足如下方程:
联立公式(10)、(11)计算得到投影点坐标X0(x0,y0,z0)。
在一个实施例中,计算点云正射影像的投影边界,包括:
设定投影像平面内X轴法向量F1(f1x,f1y,f1z),Y轴法向量F2(f2x,f2y,f2z),则点云前点X1(x1,y1,z1),投影点像平面坐标(xp,yp)为:
xp=X1·F1=x1f1x+y1f1y+z1f1z
yp=X1·F2=x1f2x+y1f2y+z1f2z
计算所有像平面坐标,确定出其最大值xmax,ymax最小值xmin,ymin,计算出点云正射影像的投影边界。
在一个实施例中,根据所述投影边界,计算各投影点的图像坐标,包括:
设投影分辨率为S,则正射影像的相幅宽度为(Xmax-Xmin)/S,高度为(Ymax-Ymin)/S;任意点投影坐标X0(x0,y0,z0),其X坐标分量为X0·F1的X分量x',Y坐标分量为Y0·F2的Y坐标分量y',图像坐标(x1,y1)为:
x1=(x'–xmin)/S
y1=(y'–ymin)/S。
在一个实施例中,根据所述投影边界,计算各投影点的图像坐标,还包括:
根据计算得到的像点坐标(x1,y1),计算对应像点灰度和彩色值;
灰度值计算按照点云反射强度进行赋值;
根据数据中已有RGB信息进行三通道融合,利用加法混色法构建三基色叠加模型和笛卡尔空间三维直角坐标系;
所述坐标系原点表现为黑色,三个坐标轴分别与三基色的红、绿、蓝相对应,沿着坐标轴三基色亮度不断增加,空间中任意色彩通过三基色相加混色得到。
在一个实施例中,根据所述图像坐标生成正射影像,包括:
根据所述图像坐标及其灰度和彩色值,生成点云正射影像。
本发明实施例提供的上述技术方案的有益效果至少包括:
本发明实施例提供的一种基于三维激光点云的正射影像生成方法,可得到快速的结构图或相应的正射投影图像,以此投影图像为基础,进行量测,能大大提高点云测量效率;该方法具有精度高、数据量小,处理方便、局限性小等特点。可满足工程实践精度要求,对古建筑保护提供一定的指导和借鉴作用。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例提供的基于三维激光点云的正射影像生成方法流程图;
图2为某一建筑物内部侧立面图;
图3为测量某胡同为例进行的正射影像生成流程图;
图4为测量某胡同的扫描路线图;
图5为高差阈值比较原理示意图;
图6为移动平面拟合法原理示意图;
图7为胡同的精简前示意图;
图8为胡同的精简后示意图;
图9为体外孤点示意图;
图10为非连接项示意图;
图11为地面点剔除后示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供的一种基于三维激光点云的正射影像生成方法,参照图1所示,包括:
S11、获取目标三维点云;
S12、将所述目标三维点云进行预处理,生成待投影点云;
S13、将所述待投影点云进行分割,保留待投影目标;
S14、定义投影面、投影密度参数;
S15、以所述投影面为基准,依次计算当前点云散点到正射平面的投影坐标;计算点云正射影像的投影边界;根据所述投影边界,计算各投影点的图像坐标;根据所述图像坐标生成正射影像。
本实施例中,可得到快速的结构图或相应的正射投影图像,以此投影图像为基础,进行量测,能大大提高点云测量效率。
下面分别对上述步骤进行详细说明。
实施例一:以测量某一建筑为例:
步骤1:
通过现有三维测量手段,比如地面激光扫描、低空无人机载LiDAR等获取目标三维点云。
步骤2:
与投影面不相干的点云噪声及非目标点云滤除,保证目标图像清晰度,生成待投影点云。
滤除的方法有如下两种:
1)环境噪声滤除
针对与目标无关的三维点、环境噪声,将遮挡目标的三维点去除。比如以街景立面测量为例,目标主要为街道建筑立面,需要将街道立面内的绿植、车辆、行人等目标点去除。
2)散乱噪声滤除
通过算法,将三维扫描点中散乱孤立点去除,这些自动滤除算法包含基于密度(散点局部密度低)、基于表面敏感度及基于点云间距等方法实现。避免散点对正投影边界及成像效果的影响,如某些极远处的噪声点可能导致投影影像边界扩大。该步骤主要是针对散乱点的自动滤除,将三维点云中小块孤立散点,依据空间分布及体量去除,避免成果中大量的噪点。
步骤3:
点云分割,将待投影点云进行分割,保留待投影目标。
点云分割步骤如下:
1)选择剖面位置,将感兴趣切面位置标定;
例如需要建筑内容的侧立面剖面图,可对建筑居中剖切。剖面位置则为建筑轴线中部。
如图2所示,为某建筑内部侧立面图。
2)以选定位置进行点云剖切;剖切目标可以是单一或者多层目标叠加。
步骤4:定义投影面、投影密度等参数。
1)投影面定义:点云正射图投影面是结构测量的视角正射图,一般包含常见的与XYZ坐标轴平行的六视图(俯视、仰视、左视、右视、前视和后视图),任意投影视图,对于任意投影视图,一般需要选择投影参考,通过参考基准点或者拟合法投影,例如以某胡同立面投影图为例,需要以胡同走向线为基准X方向,以竖直天顶为Z向确定投影坐标系。
2)投影分辨率:
定义投影图像比例尺分辨率(单位像素代表实际空间尺寸),一般以实际最高测量分辨率(最小测量尺度)来定义,一般分辨率要低于点云设定扫描分辨率为宜。
步骤5:正射影像生成
以投影面为基准,依次计算当前点云散点到正射平面的投影坐标,在投影坐标计算后计算点云正射影像的投影边界,在计算边界基础上计算各投影点的图像坐标。最后依据图像坐标生成正射点云图。
具体过程如下:
1)投影坐标计算;
假设投影面法向量为F(Fx,Fy,Fz),投影面任意一点坐标为X(x,y,z),点云前点X1(x1,y1,z1),投影点坐标X0(x0,y0,z0)。投影面所在平面方程如下:
FX+D=0 (10)
其中D为平面常数,投影点与当前点连线平行于投影面法向,满足如下方程:
联立公式(10)、(11)可得到投影点坐标X0(x0,y0,z0)。
2)正射影像边界确定;
设定投影像平面内X轴法向F1(单位向量),Y轴法向F1(单位向量),则投影点像平面坐标为X0·F1,Y0·F2,计算所有像平面坐标,找出其最值Xmax,Xmin,即为图像边界。
3)正射影像图像坐标计算;
设投影分辨率为S,则正射影像的相幅宽度为(Xmax-Xmin)/S,高度为(Ymax-Ymin)/S。任意点投影坐标X0(x0,y0,z0),其X坐标分量为X0·F1的X分量x',Y坐标分量为Y0·F2的Y坐标分量y',图像坐标(x1,y1)为:
x1=(x'–xmin)/S
y1=(y'–ymin)/S。
4)正射点云图生成;
依据图像坐标及其相应反射强度,生成点云正射图像。
实施例二:以测量某胡同为例:
步骤1:数据采集之前对胡同实地进行踏勘,把胡同需求和实际情况结合制定数据采集方案,具体流程如图3所示,主要包括数据预处理与逆向表达两大部分。比如利用测量精度达到毫米级的FARO激光扫描仪进行胡同外业数据采集工作,数据采集时充分考虑胡同人员流动性和立面需求性,作业时间安排在人流量较少的傍晚并按之字路线进行布设,具体布站见图4,对有树木遮挡地方进行补测操作,保证立面数据完整性。利用人机交互的方式进行点云内业后期处理,剔除噪声和不相关点,保证输出点云成果精简性和准确性,在此基础上对输入的点云进行正射影像图和CAD线划图的绘制,为胡同规划提供简单精确数据。
步骤2:利用三维激光扫描仪对胡同数据进行采集,进行多次单独布站,得到道路、行人、树木、车辆、电箱、建筑物等点云数据,而对于胡同规划来说主要需求是临街立面信息,点云数据利用前进行配准、非立面去异滤波规整等处理,保留建筑物临街立面及其附属物等主要信息。
步骤2.1:利用整体配准的方法构建整体配准模型,将多站点云其相互约束关系,一次性转换到统一坐标系下,形成一个整体点云模型。将两站的点、线、面特征作为观测值,利用间接平差理论,进行站点姿态及未知点坐标初始值解算,在初始值基础上,以各约束误差构建的权函数为约束条件进行迭代计算,实现所有点云数据整体解算,得到所有站点空间变换参数和未知点坐标。约束误差方程充分考虑观测和系数矩阵误差引入的影响,将点,线,面约束特征误差方程
联立得整体误差模型
V=At+BX-L (3)
X=(DTP1B)-1[BTP1(A1 TP1L1+A2 TP2L2)-BTP1Bt]
式中D为误差随机模型,P1为点约束权阵,B为待定点系数矩阵,t为空间变换参数改正数,从而进行多次迭代解算出全部数据。
步骤2.2:数据精简和噪声点剔除
三维扫描仪采集过程中会将观测到的地物全部记录下来,在短时间获取海量数据,单站点数能达到几百万乃至上千万,一条胡同数据量达到几十G,往往并不需要这么大的数据量,对此在保证测量对象后续处理环节有足够特征信息条件下对点云进行最大程度精简处理,利用TIN抽稀法在满足后续精度要求条件下,降低点云数量,提高计算机处理效率,提升数据质量。
噪声分为环境噪声和散乱随机噪声两部分,随机噪声由扫描仪自身误差、外界环境的影响产生,对数据精度干扰较大,环境噪声属于无用点,主要影响数据处理速度,需要针对噪声特点利用不同算法进行剔除。对于随机噪声本文利用可变局部曲面拟合的方法对散落噪声点进行检查,识别并对体外孤点、非连接项等进行剔除处理,排除散乱噪声点对数据精度影响。
对于胡同保护来说,地面点属于环境噪声点且数据量巨大,本发明实施例采用基于局部区域的高程阈值比较法进行地面点剔除。
数据剔除第一步为格网化处理。将三维点云在二维XY平面进行格网划分,首先计算所有数据在平面方向的最大值和最小值,即计算(Xmax,Xmax)和(Ymin,Ymin)的值,然后按照坐标轴方向以特定步长S进行等间隔格网划分,构建最小包围盒,建立一个包含M×N个包围盒的平面格网,M和N具体的计算公式如式所示:
然后建立激光角点坐标与虚拟网格的映射关系,计算每个点所对应的最小包围盒网格位置,实现网格内点云快速查询,激光角点对应网格公式如式:
式中,(i,j)为格网的行列号;SX表示X坐标轴方向特定步长,Sy表示Y坐标轴方向的特定步长。
根据高程值进行地面点初步分离,除地面点以外窗台和车辆顶部都存在一定的平面,高差较小,对此先设定高程值ha进行判断,zi>ha表示非地面点,zi<ha为初步地面点。
在此基础上利用地面点高差较小的特点进行地面点判断,如图5所示,对获取的初步地面点进行K-邻域搜索,判断数据点P(xi,yi,zi)周围邻域点集KA=*K1,K2…Kn}的高程最大值与最小值,计算高差,并与高程阈值Δh比较,Δha<Δh说明该点集在高程方向趋势平缓,判定为地面点。为保证地面点漏分误差比较小,高程阈值设置可适当增大。
对于高差较小的区域,高差阈值方法容易发生计算混淆的现象,所以采用移动平面拟合方法对地面点进行二次筛选处理,选择种子点及其相邻三个点作为初始地面点,构建平面方程,判断与拟合平面距离,与设定阈值进行判断比较,超过阈值判定为非地面点,反之为地面点,通过高程阈值与移动平面拟合结合方法对地面点进行剔除处理,减少环境噪声的干扰,效果如图6。
环境噪声除去地面点外还包括汽车、行人、路标等其他地物噪声,相对于地面噪声这些噪声分布随机,情况复杂,本发明实施例可利用人机可视化交互方式对这些噪声点进行剔除,树木噪声点且高程较大,且沿垂直方向投影面积不断变大,电杆在小范围内沿垂直方向均匀分布,电缆在平面方向投影呈线状,这些噪声具有聚集性、局部密度大特点,容易判断,利用人工交互进行直观判断可以进行剔除。
步骤3:数字正射影像图映射
点云数据庞大,不利于后期数据的加工处理,对此提出基于点云生成正射影像图的方法,通过解析平行投影对点云数据进行等比例投影变换,生成等比例正射影像图,在图像直接进行量测、规划、线画图制作等,保证可量测精度的同时大大降低数据容量,提高计算速率。
步骤3.1:投影设置
投影设置主要包括投影方式、投影基准面、投影解析变换关系式确定三部分。本发明实施例采用正射投影方式进行正射影像图制作,无论视点距离物体多远,投影后物体大小尺寸不变,保证被测地物精度。点云正射图投影面是结构测量的视角正射图,一般包含常见的与XYZ坐标轴平行的六视图(俯视仰视左视右视前视后视),对于任意投影视图,一般需要选择投影参考,通过参考基准点或者拟合法进行投影基准确定。
本发明实施例利用最小二乘拟合法进行投影基准面确定。设拟合的平面方程为a0+a1x+a2y=-z,根据点坐标(x,y,z)构建矛盾方程组为:
A=(MTM)-1MTZ (8)
采用正射投影方式,从无限远视点投射出相互平行光线,在某处与投影面垂直相交,投影的交点即为投影坐标。根据投影面法向量F(Fx,Fy,Fz),投影面任意一点坐标为X(x,y,z),点云坐标X1(x1,y1,z1),投影点坐标X0(x0,y0,z0)。投影面所在平面方程如下:
FX+D=0 (10)
其中D为平面常数,投影点与当前点连线平行于投影面法向,满足如下方程:
联立公式(10)、(11)可得到投影点坐标X0(x0,y0,z0)。
步骤3.2:像素点计算
像素点是数字图像的基本元素,每个像素具有整数行(高)和列(宽)位置坐标,同时每个像素都具有整数灰度值或颜色值,像点计算就是把点云数据中每个点的颜色为值赋予到相应位置,即像点坐标与像素值计算。像点坐标在计算前要设定好图像分辨率和图幅大小,假设投影像平面内X轴法向F1(单位向量),Y轴法向F2(单位向量),则投影点像平面坐标为X0·F1,Y0·F2,计算所有像平面坐标,找出其最大值Xmax和最小值Xmin,从而确定图像边界,根据投影分辨率S,任意点投影坐标在像平面坐标轴方向分量计算像点坐标为
根据计算得到的像点坐标,计算对应像点灰度和彩色值,灰度值计算按照点云反射强度进行赋值,对存在的反射强度与灰度值区间不相同问题,对反射强度进行区间比例变换,变换到0~255的灰度值范围内。真彩色正射影像图生成,利用数据中已有RGB信息进行三通道融合,利用加法混色法构建三基色叠加模型,模型基于笛卡尔空间三维直角坐标系,原点表现为黑色,三个坐标轴分别与三基色的红、绿、蓝相对应,沿着坐标轴三基色亮度不断增加,空间中任意色彩通过三基色相加混色得到,参与混色的色光越多,混出的新色的明亮度越高。
步骤3.3:线划立面图制作
传统方法将全站仪数据导入CAD进行立面图制作,但这种方法采集得到的数据不全面且精度较低,利用点云数据精度能达到毫米乃至亚毫米级别,但对电脑性能要求较高,往往无法直接对一条完整的胡同进行立面图设计,大大降低工作效率。利用生成的真彩色正射影像图的方法,可多视角展示胡同全貌,数据量较小,格式多样,适合多工具、多场景的量测应用,方便快捷。把整条胡同的立面正射影像图导入制图软件,在图像上进行线划立面图制作,重点突出胡同中电箱、窗户、门、空调、违建等特征地物,进行统一绘制和尺寸标注,为胡同规划设计提供准确的基础数据。
比如以北京大栅栏历史保护区的樱桃斜街和铁树斜街为研究对象进行基于点云数据的正射影像图制作,大栅栏历史保护区是现存最完整、规模最大的胡同保护区,具有重要研究价值。
数据采集:利用Faro三维激光扫描仪进行外业数据采集,数据精度由采集分辨率和质量共同决定,精度越高,所需时间越长,本文根据胡同实际情况设置分辨率为1/4,质量为3X,单站数据量达到400万,扫描精度2mm以内,满足胡同规划的需要,采集过程中安置特殊标志作为数据配准的约束条件,利用编写软件实现单站数据快速配准。
预处理数据分析:
数据预处理主要包括点云拼接、精简、去噪三部分,点云拼接采用整体配准方式进行,利用控制点和约束条件进行转换参数初值解算,在此基础上对站点坐标和未知点坐标进行迭代平差,直到满足精度要求,整体配准精度保证2mm以内,满足胡同测量实际需求。
在保证数据的精度前提下,利用统一采样方法对数据进行抽稀简化处理,兼顾曲率和栅格采样方法约束特性,将曲率设置为优先项,采样间距设置为3mm。精简前后对比效果见图7和图8,精简后点的个数从11112787减少到7303702,简化百分比达到40%,而胡同主要特征保留完整,窗户、门、路灯等特征依旧可清晰分辨出来。
噪声去除包括环境噪声和散乱噪声两部分,利用人机交互方式进行噪声点剔除。对于散乱噪声利用自动识别达到去噪的目的,设置体外孤点的敏感程度,计算与大部分点保持一定距离的点,本实施例中设置为80%,具体效果见图9,标红识别出来即为体外孤点数量。根据点的临近性进行非连接项判断,设置判断尺寸和级别,具体效果见图10,干扰噪声剔除后胡同建筑物立面更加直观清晰准确。
对于地面环境噪声根据数学形态滤波的方法,利用c#语言编写程序,具体流程(1)点云数据格网化(2)对单个格网最值进行地面点初级筛选,把大于高程最小值1m以下的点判断为地面点(3)高差阈值判定,设置阈值0.1m,小于高差阈值计算为地面点(4)基于移动平面拟合方式进行最终地面点判断。剔除效果见图11,可以明显看出地面点与立面别准确分离出来,点云数据量从7856349降低到4489367,数据剔除率达到36%,大大提高数据利用率和工作效率。
正射影像图生成:
为验证生成图像的精度,对胡同立面点云与影像进行距离量测对比,具体结果见表1,通过对比结果可知,生成正射影像图的方式完全满足胡同规划的精度要求,最大误差不超过1mm,证明该方法在胡同保护方面的准确性和可靠性,为胡同规划保护提供保障。
表1点云与正射影像图量测距离对比
进一步地,可基于CAD软件进行线划图制作,将生成的不同投影方向正射影像图导入其中,绘制立面房屋体型和外貌,严格绘制门窗、空调、电箱等的具***置,进行统一标注。
本实施例中,通过对利用全站仪和直接使用点云数据进行胡同观测方法的利弊分析,在充分发挥三维测量技术在胡同量测方面精度高、数据全面优势基础上,针对点云数据量大、需要专业软件进行处理的问题,提出一种等比例正射影像图自动生成方法,该方法具有精度高、数据量小,处理方便、局限性小等特点。通过在大栅栏历史文化保护区的应用,快速生成的正射影像图与点云比较量测误差小于1mm,基于正射影像图绘制的线划图对胡同保护规划提供有力支持,验证了该方法的合理性和准确性,满足工程实践精度要求,对胡同保护提供一定的指导和借鉴作用,为古建筑保护和文化传承贡献一份力。
本发明提出的技术有几个优点,其一是直接从点云加工生成正射影像图,过程快捷方便,极大缩短点云处理时间,提高生产效率;其二是点云生成正射影像图,不存在其它数据加工,能保留点云原始精度,提供高精度成果图;其三是加工成正射点云图能大大缩减数据量,为用户提供可直观利用的成果。通过本发明方法使用,可以解决快速大面积平面立面的密集测量效率与精度问题,推动该领域的快速发展。
在很多应用层面,如三维街景测量,建筑结构测量等,需要诸多结构尺寸,通过剖切及立面投影方式等获取到其尺寸数据是比较高效的方式。
本发明提出采用点云剖切及旋转等方式,直接投影到指定面,获取到建筑结构投影图,在此基础上进行三维量测,得到快速的结构图或相应的正射投影图像。以此投影图像为基础,进行量测,能大大提高点云测量效率,作为一种数字产品,可以实现快速量测,推动三维技术的快速发展。
本发明能够用于室内建筑现状结构图快速成型,用于以SLAM、室内扫描为代表的现代三维室内导航、建模等应用;可用于快速街景精密测量,利用点云生成街景立面图,为街景规划改造提供有效参考图;可用于平面地形图生产,用于快速测量小范围区域的地物地貌平面信息,当扫描数据足够清晰时,还可用于精细纹理测量等工作。在很多方面都可以广泛应用。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于三维激光点云的正射影像生成方法,其特征在于,包括:
获取目标三维点云;
将所述目标三维点云进行预处理,生成待投影点云;
将所述待投影点云进行分割,保留待投影目标;
定义投影面、投影密度参数;
以所述投影面为基准,依次计算当前点云散点到正射平面的投影坐标;计算点云正射影像的投影边界;根据所述投影边界,计算各投影点的图像坐标;根据所述图像坐标生成正射影像;
其中,将所述三维点云进行预处理,生成待投影点云,包括:整体配准和滤波规整步骤;
所述整体配准步骤,包括:
构建整体配准模型,将多站三维点云其相互约束关系,转换到统一坐标系下,形成一个整体点云模型;
将相邻两观测站的点、线、面特征作为观测值,利用间接平差理论,进行站点姿态及未知点坐标初始值解算;
在初始值基础上,以各约束误差构建的权函数为约束条件进行迭代计算,实现所有点云数据整体解算,得到所有站点空间变换参数和未知点坐标;
所述滤波规整步骤,包括:
根据可变局部曲面拟合,对散落噪声点进行检查,识别并对体外孤点、非连接项进行剔除处理;
设定局部区域的高程值,当点云数据中小于所述高程值时,则删除该点云数据,生成待投影点云。
2.如权利要求1所述的一种基于三维激光点云的正射影像生成方法,其特征在于,设定局部区域的高程值,当点云数据中小于所述高程阈值时,则删除该点云数据,包括:
将三维点云在二维XY平面进行格网划分;
计算所有点云数据在平面方向的最大值和最小值;
按照坐标轴方向以特定步长S进行等间隔格网划分,构建最小包围盒,建立一个包含M×N个包围盒的平面格网,M和N具体的计算公式如式(5)所示:
然后建立激光角点坐标与虚拟网格的映射关系,计算每个点所对应的最小包围盒网格位置,实现网格内点云快速查询,激光角点对应网格公式如式(6):
式中,(i,j)为格网的行列号;SX表示X坐标轴方向特定步长,Sy表示Y坐标轴方向的特定步长;
设定高程值ha,待确定点zi;当zi>ha表示非地面点,zi<ha为初步地面点;
对所述初步地面点通过高程阈值Δh与移动平面拟合,进行剔除处理。
3.如权利要求1所述的一种基于三维激光点云的正射影像生成方法,其特征在于,将所述待投影点云进行分割,保留待投影目标;包括:
选择剖面位置,将感兴趣切面位置标定;以选定位置进行点云剖切,保留待投影目标。
5.如权利要求4所述的一种基于三维激光点云的正射影像生成方法,其特征在于,计算点云正射影像的投影边界,包括:
设定投影像平面内X轴法向量F1(f1x,f1y,f1z),Y轴法向量F2(f2x,f2y,f2z),则点云前点X1(x1,y1,z1),投影点像平面坐标(xp,yp)为:
xp=X1·F1=x1f1x+y1f1y+z1f1z
yp=X1·F2=x1f2x+y1f2y+z1f2z
计算所有像平面坐标,确定出其最大值xmax,ymax最小值xmin,ymin,计算出点云正射影像的投影边界。
6.如权利要求5所述的一种基于三维激光点云的正射影像生成方法,其特征在于,根据所述投影边界,计算各投影点的图像坐标,包括:
设投影分辨率为S,则正射影像的相幅宽度为(Xmax-Xmin)/S,高度为(Ymax-Ymin)/S;任意点投影坐标X0(x0,y0,z0),其X坐标分量为X0·F1的X分量x',Y坐标分量为Y0·F2的Y坐标分量y',图像坐标(x1,y1)为:
x1=(x'–xmin)/S
y1=(y'–ymin)/S。
7.如权利要求6所述的一种基于三维激光点云的正射影像生成方法,其特征在于,根据所述投影边界,计算各投影点的图像坐标,还包括:
根据计算得到的像点坐标(x1,y1),计算对应像点灰度和彩色值;
灰度值计算按照点云反射强度进行赋值;
根据数据中已有RGB信息进行三通道融合,利用加法混色法构建三基色叠加模型和笛卡尔空间三维直角坐标系;
所述坐标系原点表现为黑色,三个坐标轴分别与三基色的红、绿、蓝相对应,沿着坐标轴三基色亮度不断增加,空间中任意色彩通过三基色相加混色得到。
8.如权利要求7所述的一种基于三维激光点云的正射影像生成方法,其特征在于,根据所述图像坐标生成正射影像,包括:
根据所述图像坐标及其灰度和彩色值,生成点云正射影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910286422.2A CN110111414B (zh) | 2019-04-10 | 2019-04-10 | 一种基于三维激光点云的正射影像生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910286422.2A CN110111414B (zh) | 2019-04-10 | 2019-04-10 | 一种基于三维激光点云的正射影像生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110111414A CN110111414A (zh) | 2019-08-09 |
CN110111414B true CN110111414B (zh) | 2023-01-06 |
Family
ID=67485289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910286422.2A Active CN110111414B (zh) | 2019-04-10 | 2019-04-10 | 一种基于三维激光点云的正射影像生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110111414B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544308B (zh) * | 2019-08-29 | 2023-03-21 | 中国南方电网有限责任公司 | 变电站建模方法、装置、计算机设备和存储介质 |
CN110554407B (zh) * | 2019-09-25 | 2023-05-09 | 哈尔滨工程大学 | 一种模拟船用激光雷达三维点云成像方法 |
CN110705577B (zh) * | 2019-09-29 | 2022-06-07 | 武汉中海庭数据技术有限公司 | 一种激光点云车道线提取方法 |
CN110717960B (zh) * | 2019-10-22 | 2020-12-04 | 北京建筑大学 | 一种建筑垃圾遥感图像样本的生成方法 |
CN111127622B (zh) * | 2019-11-25 | 2021-09-07 | 浙江大学 | 基于图像分割的三维点云离群点剔除方法 |
CN111144213B (zh) * | 2019-11-26 | 2023-08-18 | 北京华捷艾米科技有限公司 | 一种对象检测方法和相关设备 |
CN111028221B (zh) * | 2019-12-11 | 2020-11-24 | 南京航空航天大学 | 基于直线特征检测的飞机蒙皮对缝测量方法 |
CN111006645A (zh) * | 2019-12-23 | 2020-04-14 | 青岛黄海学院 | 基于运动与结构重建的无人机测绘方法 |
CN111210456B (zh) * | 2019-12-31 | 2023-03-10 | 武汉中海庭数据技术有限公司 | 一种基于点云的高精度方向箭头提取方法及*** |
CN111210488B (zh) * | 2019-12-31 | 2023-02-03 | 武汉中海庭数据技术有限公司 | 激光点云中道路立杆的高精度提取***及方法 |
CN111426309B (zh) * | 2020-04-14 | 2024-05-03 | 陕西天泽中孚实业有限公司 | 一种基于三维地形测绘数据的采集处理方法 |
CN111612847B (zh) * | 2020-04-30 | 2023-10-20 | 湖北煌朝智能自动化装备有限公司 | 机器人抓取操作的点云数据匹配方法及*** |
CN112308907B (zh) * | 2020-05-18 | 2024-05-24 | 南京韦博智控科技有限公司 | 用飞行器对坡体进行近景摄影测量的航线规划方法 |
CN111707262B (zh) * | 2020-05-19 | 2022-05-27 | 上海有个机器人有限公司 | 基于最近点向量投影的点云匹配方法、介质、终端和装置 |
CN111665842B (zh) * | 2020-06-09 | 2021-09-28 | 山东大学 | 一种基于语义信息融合的室内slam建图方法及*** |
CN112184804B (zh) * | 2020-08-31 | 2024-03-22 | 季华实验室 | 大体积工件高密度焊点定位方法、装置、存储介质及终端 |
CN112132138A (zh) * | 2020-09-21 | 2020-12-25 | 中国科学院合肥物质科学研究院 | 一种基于2d-激光雷达的物料自动识别与定位方法 |
WO2022077190A1 (zh) * | 2020-10-12 | 2022-04-21 | 深圳市大疆创新科技有限公司 | 数据处理方法、控制设备及存储介质 |
CN113793370B (zh) * | 2021-01-13 | 2024-04-19 | 北京京东叁佰陆拾度电子商务有限公司 | 三维点云配准方法、装置、电子设备及可读介质 |
CN113256813B (zh) * | 2021-07-01 | 2021-09-17 | 西南石油大学 | 一种带约束的建筑物立面正射影像图提取方法 |
CN113569782B (zh) * | 2021-08-04 | 2022-06-14 | 沭阳协润电子有限公司 | 基于人工智能与激光雷达的自由流速度估计方法及*** |
CN113888621B (zh) * | 2021-09-29 | 2022-08-26 | 中科海微(北京)科技有限公司 | 装载率确定方法、装置、边缘计算服务器及存储介质 |
CN114299235A (zh) * | 2021-12-31 | 2022-04-08 | 中铁二院工程集团有限责任公司 | 基于颜色点云的dom制作方法 |
CN114755695B (zh) * | 2022-06-15 | 2022-09-13 | 北京海天瑞声科技股份有限公司 | 关于激光雷达点云数据的路面检测方法、装置及介质 |
CN117456121A (zh) * | 2023-10-30 | 2024-01-26 | 中佳勘察设计有限公司 | 无需相机的地形图采集绘制方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101319471B1 (ko) * | 2008-08-29 | 2013-10-17 | 미쓰비시덴키 가부시키가이샤 | 부감 화상 생성장치, 부감 화상 생성방법 및 기록매체 |
CN103017739B (zh) * | 2012-11-20 | 2015-04-29 | 武汉大学 | 基于激光雷达点云与航空影像的真正射影像的制作方法 |
EP2923174A2 (en) * | 2012-11-22 | 2015-09-30 | GeoSim Systems Ltd. | Point-cloud fusion |
CN104123730B (zh) * | 2014-07-31 | 2016-09-14 | 武汉大学 | 基于道路特征的遥感影像与激光点云配准方法及*** |
CN108335337B (zh) * | 2017-01-20 | 2019-12-17 | 高德软件有限公司 | 一种正射影像图的生成方法及装置 |
CN107316325B (zh) * | 2017-06-07 | 2020-09-22 | 华南理工大学 | 一种基于图像配准的机载激光点云与影像配准融合方法 |
CN107830800B (zh) * | 2017-10-26 | 2019-11-12 | 首都师范大学 | 一种基于车载扫描***生成精细立面图的方法 |
-
2019
- 2019-04-10 CN CN201910286422.2A patent/CN110111414B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110111414A (zh) | 2019-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110111414B (zh) | 一种基于三维激光点云的正射影像生成方法 | |
CN113034689B (zh) | 基于激光点云的地形三维模型及地形图构建方法和***、存储介质 | |
CN110570428B (zh) | 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及*** | |
CN108010092B (zh) | 一种基于低空摄影测量的城市高密度区太阳能利用潜力评估方法 | |
CN105180890B (zh) | 融合激光点云和数字影像的岩体结构面产状测量方法 | |
LU102117B1 (en) | Method and system for measuring mountain view visible area in city | |
CN116310192A (zh) | 一种基于点云的城市级建筑物三维模型单体重建方法 | |
CN103884321B (zh) | 一种遥感影像成图工艺 | |
CN114998536A (zh) | 基于新型基础测绘的模型生成方法、装置及存储介质 | |
CN102074047A (zh) | 一种高精细城市三维建模方法 | |
CN108334802A (zh) | 道路特征物的定位方法及装置 | |
CN110660125B (zh) | 用于电力配网***的三维建模装置 | |
CN103324916A (zh) | 基于建筑轮廓的车载和航空LiDAR数据配准方法 | |
CN113920266A (zh) | 城市信息模型语义信息人工智能生成方法和*** | |
CN110222586A (zh) | 一种建筑物高度的计算及城市形态参数数据库的建立方法 | |
CN112800516A (zh) | 具实景三维空间模型的建筑设计*** | |
CN109146990B (zh) | 一种建筑轮廓的计算方法 | |
Sun et al. | Building displacement measurement and analysis based on UAV images | |
CN115187647A (zh) | 基于矢量的道路三维实景结构化建模方法 | |
US8395760B2 (en) | Unified spectral and geospatial information model and the method and system generating it | |
CN114283070B (zh) | 融合无人机影像与激光点云的地形断面制作方法 | |
CN116129064A (zh) | 电子地图生成方法、装置、设备及存储介质 | |
CN111982077B (zh) | 电子地图绘制方法、***和电子设备 | |
CN115205484B (zh) | 历史文化街区的三维空间展示方法、装置、设备及介质 | |
CN115984721A (zh) | 基于倾斜摄影和图像识别技术实现乡村风貌管理的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |