CN115615345A - 一种基于摄影测量彩色点云配准的地表形变监测方法 - Google Patents
一种基于摄影测量彩色点云配准的地表形变监测方法 Download PDFInfo
- Publication number
- CN115615345A CN115615345A CN202211618957.3A CN202211618957A CN115615345A CN 115615345 A CN115615345 A CN 115615345A CN 202211618957 A CN202211618957 A CN 202211618957A CN 115615345 A CN115615345 A CN 115615345A
- Authority
- CN
- China
- Prior art keywords
- registration
- observation
- dimensional deformation
- value
- window
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000013598 vector Substances 0.000 claims abstract description 136
- 230000004927 fusion Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000013519 translation Methods 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar, Positioning & Navigation (AREA)
- Image Processing (AREA)
Abstract
本申请适用于地表形变监测技术领域,提供了一种基于摄影测量彩色点云配准的地表形变监测方法,其中该方法包括:获取目标区域的多期摄影测量影像,并获取每期摄影测量影像的彩色点云数据;在配准中心点处,分别按照多个配准窗口对多期彩色点云数据进行基于Hue信息的彩色点云正反向配准,得到三维形变正反向观测值;从多个配准中心点中确定出配准中心点的邻近配准中心点;根据三维形变正反向观测值,获取第一个基础观测向量,并根据第一个基础观测向量以及所有邻近配准中心点的第一个基础观测向量,获取第二个基础观测向量;根据第一个和第二个基础观测向量,确定配准中心点的地表形变监测值。本申请能大大提升地表形变监测结果的精度。
Description
技术领域
本申请属于地表形变监测技术领域,尤其涉及一种基于摄影测量彩色点云配准的地表形变监测方法。
背景技术
地表形变监测对于灾害的评估与预防有着重要意义。传统大地测量方法虽能获取高精度形变结果,但却伴随着时间劳动成本高等缺点。干涉合成孔径雷达/合成孔径雷达(InSAR /SAR)技术可以获取大范围高精度的监测结果,但却易受相位失相干影响。三维激光扫描技术操作简便,扫描精度与平台相关,最高可达毫米级,但获取的数据不包括纹理信息,且往往只能获取垂直向形变,水平移动的获取受算法以及地形地物影响较大。而无人机摄影测量技术具有观测效率高、覆盖范围可控、不受形变量级影响、自带光学纹理信息等优势,相比上述方法而言是一个较为折中的选择。
然而,目前利用摄影测量方法进行地表变形监测仍然存在两个局限性:1)目前用于地表形变监测的点云配准算法往往仅依靠几何信息约束,受地形地物影响较大;2)目前对于观测异常值的处理方面,往往通过数学统计的方法限制单一窗口的观测值,因此阈值的选择以及窗口大小的选择都会对结果有较大影响。
在实际应用中,上述局限性的存在导致地表形变监测结果的精度欠佳。
发明内容
本申请实施例提供了一种基于摄影测量彩色点云配准的地表形变监测方法,其目的是为了解决地表形变监测结果的精度欠佳的问题。
本申请实施例提供了一种基于摄影测量彩色点云配准的地表形变监测方法,该监测方法包括:
获取目标区域的多期摄影测量影像,并获取每期摄影测量影像的彩色点云数据;
分别针对预先设定的多个配准中心点中的每个配准中心点,执行以下步骤:
在配准中心点处,分别按照多个不同大小的配准窗口对多期彩色点云数据进行基于Hue信息的彩色点云正向配准和反向配准,得到配准中心点在多个配准窗口下的三维形变正向观测值和三维形变反向观测值;
从多个配准中心点中确定出配准中心点的邻近配准中心点;
根据配准中心点在多个配准窗口下的三维形变正向观测值和三维形变反向观测值,获取配准中心点的第一个基础观测向量,并根据配准中心点的第一个基础观测向量,以及确定出的所有邻近配准中心点的第一个基础观测向量,获取配准中心点的第二个基础观测向量;
根据配准中心点的第一个基础观测向量和第二个基础观测向量,确定配准中心点的地表形变监测值。
可选的,多期摄影测量影像包括第一期摄影测量影像和第二期摄影测量影像,获取到的彩色点云数据包括第一期摄影测量影像的第一期彩色点云数据和第二期摄影测量影像的第二期彩色点云数据。
可选的,在配准中心点处,分别按照多个不同大小的配准窗口对多期彩色点云数据进行基于Hue信息的彩色点云正向配准,得到配准中心点在多个配准窗口下的三维形变正向观测值,包括:
分别针对多个配准窗口中的每个配准窗口,执行以下步骤:
将第一期彩色点云数据中在第一目标区域内的彩色点云作为第一参考数据;第一目标区域为以配准中心点为中心形成的窗口区域,窗口区域的大小与配准窗口的大小相同;
将第二期彩色点云数据中在第二目标区域内的彩色点云作为第一配准数据;第二目标区域为以配准中心点为中心形成的缓冲区域,缓冲区域的大小与预设的缓冲区的大小相同;
采用基于Hue信息的彩色点云配准算法对第一参考数据和第一配准数据进行点云配准,并将配准得到的配准变换矩阵中的平移参数作为配准中心点在配准窗口下的三维形变正向观测值。
可选的,在配准中心点处,分别按照多个不同大小的配准窗口对多期彩色点云数据进行基于Hue信息的彩色点云反向配准,得到配准中心点在多个配准窗口下的三维形变反向观测值,包括:
分别针对多个配准窗口中的每个配准窗口,执行以下步骤:
将第一期彩色点云数据中在第二目标区域内的彩色点云作为第二配准数据;
将第二期彩色点云数据中在第一目标区域内的彩色点云作为第二参考数据;
采用基于Hue信息的彩色点云配准算法对第二参考数据和第二配准数据进行点云配准,并将配准得到的配准变换矩阵中的平移参数作为配准中心点在配准窗口下的三维形变反向观测值。
可选的,根据配准中心点在多个配准窗口下的三维形变正向观测值和三维形变反向观测值,获取配准中心点的第一个基础观测向量,包括:
分别针对多个配准窗口中的每个配准窗口,根据配准中心点在配准窗口下的三维形变正向观测值和三维形变反向观测值的差值,获取配准窗口下的正反向差异指标,并根据正反向差异指标获取配准窗口的权重;
分别针对多个配准窗口中的每个配准窗口,计算配准中心点在配准窗口下的三维形变正向观测值与三维形变反向观测值的平均值,并计算平均值与配准窗口的权重的乘积;
将计算得到的所有乘积的和作为配准中心点的第一个基础观测向量。
可选的,获取配准窗口下的正反向差异指标,并根据正反向差异指标获取配准窗口的权重,包括:
通过如下公式获取配准窗口下的正反向差异指标:
其中,为第N个配准窗口下的正反向差异指标,,为配准窗口的总数,,为所述配准中心点在第N个配准窗口下的三维形变正向观测值,为所述配准中心点在第N个配准窗口下的三维形变反向观测值,为所述配准中心点在第N个配准窗口下的三维形变正向观测值和三维形变反向观测值的差值,为在轴方向的分量,为在轴方向的分量,为在轴方向的分量;
可选的,根据配准中心点的第一个基础观测向量,以及确定出的所有邻近配准中心点的第一个基础观测向量,获取配准中心点的第二个基础观测向量,包括:
利用反距离加权法对配准中心点的第一个基础观测向量,以及确定出的所有邻近配准中心点的第一个基础观测向量进行计算,并将计算得到的反距离加权平均值作为配准中心点的第二个基础观测向量。
可选的,根据配准中心点的第一个基础观测向量和第二个基础观测向量,确定配准中心点的地表形变监测值,包括:
将第一个基础观测向量和第二个基础观测向量的平均值作为参考向量;
分别针对多个配准窗口中的每个配准窗口,分别计算配准中心点在配准窗口下的多个三维形变观测值与参考向量之间的夹角差和长度比,并分别获取每个三维形变观测值的融合权重;多个三维形变观测值包括三维形变正向观测值和三维形变反向观测值;
根据获取到的所有三维形变观测值的融合权重,获取配准中心点的地表形变监测值。
可选的,获取每个三维形变观测值的融合权重,包括:
通过如下公式获取三维形变观测值的融合权重:
其中,为第N个配准窗口对应的三维形变正向观测值的融合权重,,为配准窗口的总数,为第N个配准窗口对应的三维形变反向观测值的融合权重,为第N个配准窗口对应的三维形变正向观测值与参考向量的角度差,为第N个配准窗口对应的三维形变反向观测值与参考向量的角度差,为第N个配准窗口对应的三维形变正向观测值与参考向量的长度比,为第N个配准窗口对应的三维形变反向观测值与参考向量的长度比,为预设角度差阈值,为预设长度比阈值,为第N个配准窗口的权重。
可选的,根据获取到的所有三维形变观测值的融合权重,获取配准中心点的地表形变监测值,包括:
通过如下公式获取配准中心点的地表形变监测值:
本申请的上述方案有如下的有益效果:
在本申请的实施例中,通过获取目标区域内的多期彩色点云数据,并分别在预先设定的每个配准中心点处,对多期彩色点云数据进行基于Hue信息的彩色点云正向配准和反向配准,得到各个配准中心点在多个配准窗口下的三维形变正向观测值和三维形变反向观测值,然后基于配准双向一致性的置信测度评价,根据每个配准中心点对应的三维形变正向观测值和三维形变反向观测值,获取该配准中心点的第一个基础观测向量,并根据小范围内形变各向同性假设,根据该配准中心点以及其邻近配准中心点的第一个基础观测向量,获取该配准中心点的第二个基础观测向量,最终根据每个配准中心点的第一个基础观测向量和第二个基础观测向量,确定该配准中心点的地表形变监测值。其中由于配准中心点的第一个基础观测向量和第二个基础观测向量是基于双向一致性以及各向同性获得的,从而最大程度挖掘了多窗口观测值的信息,进而使得在基于第一个基础观测向量和第二个基础观测向量进行地表形变监测时,能大大提升地表形变监测结果的精度。
本申请的其它有益效果将在随后的具体实施方式部分予以详细说明。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述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申请的一些实施例,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为本申请一实施例提供的基于摄影测量彩色点云配准的地表形变监测方法的流程图;
图2为本申请一实施例中提供的获取配准中心点的第一个基础观测向量和第二个基础观测向量的流程图;
图3为本申请一实施例中提供的确定配准中心点的地表形变监测值的流程图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
目前在利用摄影测量方法进行地表变形监测时存在局限性,从而导致地表形变监测结果的精度欠佳。
针对上述问题,本申请实施例通过获取目标区域内的多期彩色点云数据,并分别在预先设定的每个配准中心点处,对多期彩色点云数据进行基于Hue信息的彩色点云正向配准和反向配准,得到各个配准中心点在多个配准窗口下的三维形变正向观测值和三维形变反向观测值,然后基于配准双向一致性的置信测度评价,根据每个配准中心点对应的三维形变正向观测值和三维形变反向观测值,获取该配准中心点的第一个基础观测向量,并根据小范围内形变各向同性假设,根据该配准中心点以及其邻近配准中心点的第一个基础观测向量,获取该配准中心点的第二个基础观测向量,最终根据每个配准中心点的第一个基础观测向量和第二个基础观测向量,确定该配准中心点的地表形变监测值。其中由于配准中心点的第一个基础观测向量和第二个基础观测向量是基于双向一致性以及各向同性获得的,从而最大程度挖掘了多窗口观测值的信息,进而使得在基于第一个基础观测向量和第二个基础观测向量进行地表形变监测时,能大大提升地表形变监测结果的精度。
下面结合具体实施例对本申请提供的基于摄影测量彩色点云配准的地表监测方法进行示例性的说明。
本申请实施例提供了一种基于摄影测量彩色点云配准的地表形变监测方法,该方法可以由终端设备执行,也可以由应用于终端设备中的装置(比如芯片)来执行,下述实施例以该方法由终端设备执行为例。作为一种示例,该终端设备可以是平板,服务器或者笔记本电脑等,本申请实施例对此不做限定。
如图1所示,本申请实施例提供的基于摄影测量彩色点云配准的地表形变监测方法包括如下步骤:
步骤101,获取目标区域的多期摄影测量影像,并获取每期摄影测量影像的彩色点云数据。
上述目标区域为需进行地表形变监测的区域。
在本申请的一些实施例中,可通过无人机摄影测量技术获取目标区域的多期(两期或以上)摄影测量影像,并利用立体摄影测量技术生成每期摄影测量影像的彩色点云数据。
示例性的,在无人机摄影测量技术获取摄影测量影像时,可拟定航线设计旁向重叠度为70%,航向重叠度为80%,一般的,可通过摄影测量软件获取研究区的彩色点云数据,并将点云间距抽稀到0.05m。
在本申请的一些实施例中,在对多期彩色点云数据进行配准处理前,可先设置配准起始点位、配准步长、缓冲范围以及多个不同大小的配准窗口。其中,缓冲范围一般可根据目标区域最大形变经验确定,并按照配准步长大小依次设置配准中心点位。
示例性的,本申请实施例中设置的各配准窗口大小可以为6m、11m、16m、21m、26m、31m、36m、41m、46m、51m、56m、61m、66m、71m、76m,对每个配准中心点的某一个大小的配准窗口,配准步长为25m,缓冲范围为2m。
分别针对上述预先设定的多个配准中心点中的每个配准中心点,执行以下步骤:
步骤102,在配准中心点处,分别按照多个不同大小的配准窗口对多期彩色点云数据进行基于Hue信息的彩色点云正向配准和反向配准,得到配准中心点在多个配准窗口下的三维形变正向观测值和三维形变反向观测值。
具体的,可利用联合三维位置与颜色信息的彩色点云配准算法,获取多个配准窗口下正向配准与反向配准的观测值。需要说明的是,为提升配准精度和效率,在对多期彩色点云数据进行配准时,可先将彩色点云数据从RGB颜色空间转换到HSV颜色空间,然后基于HSV颜色空间的H色调值(即Hue信息)进行彩色点云正向配准和反向配准。
在本申请的一些实施例中,按照多个不同大小的配准窗口对多期彩色点云数据进行正向配准和反向配准是为了便于后续得到配准中心点的基础观测向量,防止因为单一窗口产生的误配准。
步骤103,从多个配准中心点中确定出配准中心点的邻近配准中心点。
具体的,可选取配准中心点附近一定范围内配准中心点(通常不超过20个邻近配准中心点),作为上述配准中心点的邻近配准中心点。
示例性的,本申请实施例中的邻近配准中心点的个数设置为16。
在本申请的一些实施例中,选取邻近配准中心点是为了便于后续得到配准中心点的基础观测向量。
步骤104,根据配准中心点在多个配准窗口下的三维形变正向观测值和三维形变反向观测值,获取配准中心点的第一个基础观测向量,并根据配准中心点的第一个基础观测向量,以及确定出的所有邻近配准中心点的第一个基础观测向量,获取配准中心点的第二个基础观测向量。
具体的,可基于配准双向一致性的置信测度评价,对多个配准窗口下的三维形变正反向观测值进行初次加权,获取第一个基础观测向量,再根据小范围内三维形变各向同性假设,以邻近配准中心点位移值确定配准中心点的第二个基础观测向量。
在本申请的一些实施例中,获取第一个基础观测向量和第二个基础观测向量是为了提升本申请算法计算得到的地表形变监测值精度。
步骤105,根据配准中心点的第一个基础观测向量和第二个基础观测向量,确定配准中心点的地表形变监测值。
具体的,可将第一个基础观测向量和第二个基础观测向量的平均值作为参考向量,将该配准中心点下的每个三维形变观测向量与参考向量间的角度差异、长度比例以及配准的置信测度作为定权依据,并通过融合多个配准窗口下的三维形变正反向观测值获取最终的地表形变估计值。
其中,三维形变观测向量下的向量值为对应配准中心点下的正向或反向三维形变观测值。
在本申请的一些实施例中,根据第一个基础观测向量和第二个基础观测向量确定地表形变监测值是为了保证地表形变监测值的准确性,减小异常三维形变观测值对最终地表形变监测值的影响。
值得一提的是,由于配准中心点的第一个基础观测向量和第二个基础观测向量是基于双向一致性以及各向同性获得的,从而最大程度挖掘了多窗口观测值的信息,进而使得在基于第一个基础观测向量和第二个基础观测向量进行地表形变监测时,能大大提升地表形变监测结果的精度。
下面结合具体实施例对步骤102进行示例性的说明。
对于每个配准中心点,都存在M(M为配准窗口的总数)次正向配准与M次反向配准。
为了便于描述,以上述多期摄影测量影像包括第一期摄影测量影像和第二期摄影测量影像为例,对步骤102的具体实现方式进行说明。可以理解的是,在多期摄影测量影像包括第一期摄影测量影像和第二期摄影测量影像时,获取到的彩色点云数据包括第一期摄影测量影像的第一期彩色点云数据和第二期摄影测量影像的第二期彩色点云数据。
基于上述内容,步骤102,在配准中心点处,分别按照多个不同大小的配准窗口对多期彩色点云数据进行基于Hue信息的彩色点云正向配准和反向配准,得到配准中心点在多个配准窗口下的三维形变正向观测值和三维形变反向观测值的具体实现方式包括如下步骤:
分别针对上述多个配准窗口中的每个配准窗口,执行以下步骤:
步骤一,将第一期彩色点云数据中在第一目标区域内的彩色点云作为第一参考数据。
其中,上述第一目标区域为以配准中心点为中心形成的窗口区域,上述窗口区域的大小与配准窗口的大小相同。
具体的,在配准中心点位的第N个配准窗口下(N=1,2,…,M),以第一期彩色点云数据中的该点配准窗口内所有彩色点云为第一参考数据。
步骤二,将第二期彩色点云数据中在第二目标区域内的彩色点云作为第一配准数据。
其中,上述第二目标区域为以配准中心点为中心形成的缓冲区域,上述缓冲区域的大小与预设的缓冲区的大小相同。
在本申请的一些实施例中,上述预设的缓冲区的大小为在对多期彩色点云数据进行配准处理前,设置的缓冲范围的大小。
具体的,在配准中心点位的第N个配准窗口下(N=1,2,…,M),以第二期彩色点云数据中该点缓冲区内所有彩色点云作为第一配准数据。
步骤三,采用基于Hue信息的彩色点云配准算法对第一参考数据和第一配准数据进行点云配准,并将配准得到的配准变换矩阵中的平移参数作为配准中心点在配准窗口下的三维形变正向观测值。
具体的,可采用彩色点云配准算法,将参考数据与配准数据进行点云配准,该步骤称为正向配准,将配准变换矩阵中的平移参数作为该配准中心点位的三维形变正向观测值。需要说明的是,为提升配准精度和效率,在对第一参考数据和第一配准数据进行配准时,可先将第一参考数据和第一配准数据从RGB颜色空间转换到HSV颜色空间,然后利用彩色点云配准算法根据HSV颜色空间的H色调值(即Hue信息)完成正向配准。
步骤四,将第一期彩色点云数据中在第二目标区域内的彩色点云作为第二配准数据。
具体的,在配准中心点位的第N个配准窗口下(N=1,2,…,M),以第一期彩色点云数据中该点缓冲区内所有彩色点云作为第二配准数据。
步骤五,将第二期彩色点云数据中在第一目标区域内的彩色点云作为第二参考数据。
具体的,在配准中心点位的第N个配准窗口下(N=1,2,…,M),以第二期彩色点云数据中的该点配准窗口内所有彩色点云为第二参考数据。
步骤六,采用基于Hue信息的彩色点云配准算法对第二参考数据和第二配准数据进行点云配准,并将配准得到的配准变换矩阵中的平移参数作为配准中心点在配准窗口下的三维形变反向观测值。
具体的,可采用彩色点云配准算法,将参考数据与配准数据进行点云配准,该步骤称为反向配准,将配准变换矩阵中的平移参数作为该中心点位的三维形变反向观测值。需要说明的是,为提升配准精度和效率,在对第二参考数据和第二配准数据进行配准时,可先将第二参考数据和第二配准数据从RGB颜色空间转换到HSV颜色空间,然后利用彩色点云配准算法根据HSV颜色空间的H色调值(即基于Hue信息)完成反向配准。
其中,上述每一个正向观测向量集或反向观测向量集下的向量值都对应某个配准窗口下的对应三维形变观测值。
需要说明的是,上述彩色点云配准算法为一种迭代最近点(ICPIterativeClosest Point)变种算法,其目标方程为最小化点到面模式的几何约束距离与颜色约束距离。
下面结合具体实施例对获取配准中心点的第一个基础观测向量和第二个基础观测向量进行示例性的说明。
在本申请的一些实施例中,如图2所示,步骤104,根据配准中心点在多个配准窗口下的三维形变正向观测值和三维形变反向观测值,获取配准中心点的第一个基础观测向量,并根据配准中心点的第一个基础观测向量,以及确定出的所有邻近配准中心点的第一个基础观测向量,获取配准中心点的第二个基础观测向量的具体实现方式包括如下步骤:
步骤201,分别针对多个配准窗口中的每个配准窗口,根据配准中心点在配准窗口下的三维形变正向观测值和三维形变反向观测值的差值,获取配准窗口下的正反向差异指标,并根据正反向差异指标获取配准窗口的权重。
在本申请的一些实施例中,可基于配准双向一致性的置信测度评价,获取配准窗口下的正反向差异指标,并根据正反向差异指标获取配准窗口的权重的具体实现方式可以为:
首先,通过如下公式获取配准窗口下的正反向差异指标:
其中,为第N个配准窗口下的正反向差异指标,,为配准窗口的总数,,为所述配准中心点在第N个配准窗口下的三维形变正向观测值,为所述配准中心点在第N个配准窗口下的三维形变反向观测值,为所述配准中心点在第N个配准窗口下的三维形变正向观测值和三维形变反向观测值的差值,为在轴方向的分量,为在轴方向的分量,为在轴方向的分量,x轴为彩色点云数据所在空间坐标系的x坐标轴,y轴为彩色点云数据所在空间坐标系的y坐标轴,z轴为彩色点云数据所在空间坐标系的z坐标轴。
需要说明的是,分母加0.1是为了避免观测差异为0时后续加权无法运算。
需要说明的是,为提升地表形变监测结果的精度,在针对每个配准窗口,获取该配准窗口下的正反向差异指标前,可先基于绝对中位差的方法剔除异常值,然后再根据配准中心点在该配准窗口下的剩余三维形变正向观测值和三维形变反向观测值的差值,获取该配准窗口下的正反向差异指标。
步骤202,分别针对多个配准窗口中的每个配准窗口,计算配准中心点在配准窗口下的三维形变正向观测值与三维形变反向观测值的平均值,并计算平均值与配准窗口的权重的乘积。
具体的,针对配准中心点在每个配准窗口下的三维形变正向观测值与三维形变反向观测值,将上述配准中心点在配准窗口下的三维形变正向观测值与三维形变反向观测值进行求和平均,再将配准窗口下的求和平均的值与对应配准窗口下的权重相乘,得到配准窗口下的平均值与对应配准窗口的权重的乘积。
步骤203,将计算得到的所有乘积的和作为配准中心点的第一个基础观测向量。
即,将各配准窗口对应的乘积的和值作为第一个基础观测向量。
步骤204,利用反距离加权法对配准中心点的第一个基础观测向量,以及确定出的所有邻近配准中心点的第一个基础观测向量进行计算,并将计算得到的反距离加权平均值作为配准中心点的第二个基础观测向量。
在本申请的一些实施例中,可根据小范围三维形变各向同性假设,选取上述配准中心点以及其对应的邻近配准中心点中所有的第一个基础观测向量,以上述配准中心点与其对应的邻近配准中心点的距离为定权依据,将所有邻近配准中心点的第一个基础观测向量与对应的反距离权重相乘,再将所有邻近配准中心点的第一个基础观测向量与对应的反距离权重的乘积进行求和平均,并将其求和平均值作为“第二个基础观测向量”。
其中,反距离权重为根据上述配准中心点与其对应的邻近配准中心点之间的距离定的权重,上述配准中心点与其对应的邻近配准中心点之间的距离越近,权重越高。
下面结合具体实施例对步骤105进行示例性的说明。
在本申请的一些实施例中,如图3所示,根据配准中心点的第一个基础观测向量和第二个基础观测向量,确定配准中心点的地表形变监测值的具体实现方式包括如下步骤:
步骤301,将第一个基础观测向量和第二个基础观测向量的平均值作为参考向量。
具体的,对于任一配准中心点位,将第一个基础观测向量和第二个基础观测向量求和平均,并将上述求和平均值作为参考向量,用于指导多个配准窗口下的三维形变观测值融合。
步骤302,分别针对多个配准窗口中的每个配准窗口,分别计算配准中心点在配准窗口下的多个三维形变观测值与参考向量之间的夹角差和长度比,并分别获取每个三维形变观测值的融合权重。
其中,上述多个三维形变观测值包括三维形变正向观测值和三维形变反向观测值。
在本申请的一些实施例中,获取每个三维形变观测值的融合权重的具体实现方式可以为:
通过如下公式获取三维形变观测值的融合权重:
其中,为第N个配准窗口对应的三维形变正向观测值的融合权重,,为配准窗口的总数,为第N个配准窗口对应的三维形变反向观测值的融合权重,为第N个配准窗口对应的三维形变正向观测值与参考向量的角度差,为第N个配准窗口对应的三维形变反向观测值与参考向量的角度差,为第N个配准窗口对应的三维形变正向观测值与参考向量的长度比,为第N个配准窗口对应的三维形变反向观测值与参考向量的长度比,为预设角度差阈值,为预设长度比阈值,为第N个配准窗口的权重。
具体的,遍历每一个配准中心点位在多窗口下的所有三维形变正向观测值和三维形变反向观测值,计算每一个三维形变观测向量值与其对应配准窗口下的参考向量值之间的夹角差和长度之比,并通过上述公式计算每个三维形变观测值的融合权重。
需要说明的是,上述三位形变观测向量值为相应的三维形变正向观测值或三维形变反向观测值。
步骤303,根据获取到的所有三维形变观测值的融合权重,获取配准中心点的地表形变监测值。
在本申请的一些实施例中,根据获取到的所有三维形变观测值的融合权重,获取配准中心点的地表形变监测值的具体实现方式可以为:
通过如下公式获取配准中心点的地表形变监测值:
其中,为所述配准中心点的地表形变监测值,,为在轴方向的分量,为在轴方向的分量, 为在轴方向的分量,为第N个三维形变正向观测值的融合权重,,为配准窗口的总数,为第N个三维形变反向观测值的融合权重,为所述配准中心点在第N个配准窗口下的三维形变正向观测值,为所述配准中心点在第N个配准窗口下的三维形变反向观测值。
下面结合具体实验数据对本申请的地表形变监测方法的准确度进行示例性说明书。
在该实验中,真实数据选取河北省唐山市某矿区,实验分别利用点到面模式的ICP(PTP ICP)算法、彩色点云配准(Colored ICP)算法与本申请算法进行地表二维形变场的求解,实验区具有12个全球定位***(GPS Global Positioning System)观测点位,因此可以将GPS数据作为参考数据。利用本申请的算法和现有的算法与GPS观测值的精度对比的实验数据如表1所示。
表1
经上述实验可得出,受地物及算法等影响,PTP ICP算法与Colored ICP算法的结果中均存在较多的异常位移值,尤其是在农田区,而本发明通过参考向量的方式,剔除了极不可靠的观测值,再通过精确加权方式权衡剩余观测值的比重,有效提升了观测结果的可靠性,最大程度恢复了地表的位移场。此外,从实验数据可以看出PTP ICP算法在三个方向的RMSE均在0.1~0.7m之间,Colored ICP算法对比PTP ICP算法在三个方向的提升分别有73.1%,80.1%和57.4%,而本申请算法对比PTP ICP算法在三个方向的提升分别有73.1%,86.7%和81.6%,说明本申请显著提升了地表形变监测结果的精度。
本申请提出的算法相比于其他两种算法的均方根误差(RMSE)有大幅提高,能够得到更为可靠的地表形变,本申请通过使用基于无人机摄影测量的彩色点云配准以及融合多窗口观测值的加权算法,在提高单一窗口精度的基础上,剔除异常值并对观测有效值进行精确定权,有效减少了由点云误配准造成的异常观测值,从而提高整体的监测精度及适应性,对地震、火山、滑坡、矿山开采等大量级地表形变监测具有重要作用。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于摄影测量彩色点云配准的地表形变监测方法,其特征在于,包括:
获取目标区域的多期摄影测量影像,并获取每期摄影测量影像的彩色点云数据;
分别针对预先设定的多个配准中心点中的每个配准中心点,执行以下步骤:
在所述配准中心点处,分别按照多个不同大小的配准窗口对多期彩色点云数据进行基于Hue信息的彩色点云正向配准和反向配准,得到所述配准中心点在多个所述配准窗口下的三维形变正向观测值和三维形变反向观测值;
从多个所述配准中心点中确定出所述配准中心点的邻近配准中心点;
根据所述配准中心点在多个所述配准窗口下的三维形变正向观测值和三维形变反向观测值,获取所述配准中心点的第一个基础观测向量,并根据所述配准中心点的第一个基础观测向量,以及确定出的所有邻近配准中心点的第一个基础观测向量,获取所述配准中心点的第二个基础观测向量;
根据所述配准中心点的第一个基础观测向量和第二个基础观测向量,确定所述配准中心点的地表形变监测值。
2.根据权利要求1所述的监测方法,其特征在于,多期所述摄影测量影像包括第一期摄影测量影像和第二期摄影测量影像,获取到的彩色点云数据包括所述第一期摄影测量影像的第一期彩色点云数据和所述第二期摄影测量影像的第二期彩色点云数据。
3.根据权利要求2所述的监测方法,其特征在于,在所述配准中心点处,分别按照多个不同大小的配准窗口对多期彩色点云数据进行基于Hue信息的彩色点云正向配准,得到所述配准中心点在多个所述配准窗口下的三维形变正向观测值,包括:
分别针对多个配准窗口中的每个配准窗口,执行以下步骤:
将所述第一期彩色点云数据中在第一目标区域内的彩色点云作为第一参考数据;所述第一目标区域为以所述配准中心点为中心形成的窗口区域,所述窗口区域的大小与所述配准窗口的大小相同;
将所述第二期彩色点云数据中在第二目标区域内的彩色点云作为第一配准数据;所述第二目标区域为以所述配准中心点为中心形成的缓冲区域,所述缓冲区域的大小与预设的缓冲区的大小相同;
采用基于Hue信息的彩色点云配准算法对所述第一参考数据和所述第一配准数据进行点云配准,并将配准得到的配准变换矩阵中的平移参数作为所述配准中心点在所述配准窗口下的三维形变正向观测值。
4.根据权利要求3所述的监测方法,其特征在于,在所述配准中心点处,分别按照多个不同大小的配准窗口对多期彩色点云数据进行基于Hue信息的彩色点云反向配准,得到所述配准中心点在多个所述配准窗口下的三维形变反向观测值,包括:
分别针对多个配准窗口中的每个配准窗口,执行以下步骤:
将所述第一期彩色点云数据中在所述第二目标区域内的彩色点云作为第二配准数据;
将所述第二期彩色点云数据中在所述第一目标区域内的彩色点云作为第二参考数据;
采用基于Hue信息的彩色点云配准算法对所述第二参考数据和所述第二配准数据进行点云配准,并将配准得到的配准变换矩阵中的平移参数作为所述配准中心点在所述配准窗口下的三维形变反向观测值。
5.根据权利要求1所述的监测方法,其特征在于,所述根据所述配准中心点在多个所述配准窗口下的三维形变正向观测值和三维形变反向观测值,获取所述配准中心点的第一个基础观测向量,包括:
分别针对多个配准窗口中的每个配准窗口,根据所述配准中心点在所述配准窗口下的所述三维形变正向观测值和所述三维形变反向观测值的差值,获取所述配准窗口下的正反向差异指标,并根据所述正反向差异指标获取所述配准窗口的权重;
分别针对多个配准窗口中的每个配准窗口,计算所述配准中心点在所述配准窗口下的所述三维形变正向观测值与所述三维形变反向观测值的平均值,并计算所述平均值与所述配准窗口的权重的乘积;
将计算得到的所有乘积的和作为所述配准中心点的第一个基础观测向量。
7.根据权利要求1所述的监测方法,其特征在于,所述根据所述配准中心点的第一个基础观测向量,以及确定出的所有邻近配准中心点的第一个基础观测向量,获取所述配准中心点的第二个基础观测向量,包括:
利用反距离加权法对所述配准中心点的第一个基础观测向量,以及确定出的所有邻近配准中心点的第一个基础观测向量进行计算,并将计算得到的反距离加权平均值作为所述配准中心点的第二个基础观测向量。
8.根据权利要求1所述的监测方法,其特征在于,所述根据所述配准中心点的第一个基础观测向量和第二个基础观测向量,确定所述配准中心点的地表形变监测值,包括:
将所述第一个基础观测向量和所述第二个基础观测向量的平均值作为参考向量;
分别针对多个配准窗口中的每个配准窗口,分别计算所述配准中心点在所述配准窗口下的多个三维形变观测值与所述参考向量之间的夹角差和长度比,并分别获取每个三维形变观测值的融合权重;多个三维形变观测值包括三维形变正向观测值和三维形变反向观测值;
根据获取到的所有三维形变观测值的融合权重,获取所述配准中心点的地表形变监测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211618957.3A CN115615345B (zh) | 2022-12-16 | 2022-12-16 | 一种基于摄影测量彩色点云配准的地表形变监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211618957.3A CN115615345B (zh) | 2022-12-16 | 2022-12-16 | 一种基于摄影测量彩色点云配准的地表形变监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115615345A true CN115615345A (zh) | 2023-01-17 |
CN115615345B CN115615345B (zh) | 2023-04-07 |
Family
ID=84880736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211618957.3A Active CN115615345B (zh) | 2022-12-16 | 2022-12-16 | 一种基于摄影测量彩色点云配准的地表形变监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115615345B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107481201A (zh) * | 2017-08-07 | 2017-12-15 | 桂林电子科技大学 | 一种基于多视角图像特征匹配的高光去除方法 |
US20180075643A1 (en) * | 2015-04-10 | 2018-03-15 | The European Atomic Energy Community (Euratom), Represented By The European Commission | Method and device for real-time mapping and localization |
CN111623722A (zh) * | 2020-07-29 | 2020-09-04 | 湖南致力工程科技有限公司 | 一种基于多传感器的边坡变形立体监测***和方法 |
US20210248763A1 (en) * | 2019-03-26 | 2021-08-12 | Tencent Technology (Shenzhen) Company Limited | Three-dimensional object reconstruction method and apparatus |
CN113689481A (zh) * | 2021-08-30 | 2021-11-23 | 南京信息工程大学 | 一种基于中分辨率影像的同名云点快速匹配算法 |
CN113834625A (zh) * | 2021-10-13 | 2021-12-24 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种飞行器模型表面压力测量方法及*** |
-
2022
- 2022-12-16 CN CN202211618957.3A patent/CN115615345B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180075643A1 (en) * | 2015-04-10 | 2018-03-15 | The European Atomic Energy Community (Euratom), Represented By The European Commission | Method and device for real-time mapping and localization |
CN107481201A (zh) * | 2017-08-07 | 2017-12-15 | 桂林电子科技大学 | 一种基于多视角图像特征匹配的高光去除方法 |
US20210248763A1 (en) * | 2019-03-26 | 2021-08-12 | Tencent Technology (Shenzhen) Company Limited | Three-dimensional object reconstruction method and apparatus |
CN111623722A (zh) * | 2020-07-29 | 2020-09-04 | 湖南致力工程科技有限公司 | 一种基于多传感器的边坡变形立体监测***和方法 |
CN113689481A (zh) * | 2021-08-30 | 2021-11-23 | 南京信息工程大学 | 一种基于中分辨率影像的同名云点快速匹配算法 |
CN113834625A (zh) * | 2021-10-13 | 2021-12-24 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种飞行器模型表面压力测量方法及*** |
Non-Patent Citations (2)
Title |
---|
HAN YU 等: "An adaptive surface filter for airborne laser scanning point clouds by means of regularization and bending energy" * |
邹力 等: "基于色彩信息的自适应进化点云拼接算法" * |
Also Published As
Publication number | Publication date |
---|---|
CN115615345B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9709673B2 (en) | Method and system for rendering a synthetic aperture radar image | |
US7587272B2 (en) | Method for locating difficult access points on a map | |
Palm et al. | Radargrammetric DEM extraction over urban area using circular SAR imagery | |
CN106526593B (zh) | 基于sar严密成像模型的子像素级角反射器自动定位方法 | |
CN106960174A (zh) | 高分影像激光雷达高程控制点提取及其辅助定位方法 | |
McManus et al. | Towards appearance-based methods for lidar sensors | |
Skarlatos et al. | Accuracy assessment of minimum control points for UAV photography and georeferencing | |
Bybee et al. | Method for 3-D scene reconstruction using fused LiDAR and imagery from a texel camera | |
CN106323271B (zh) | 基于特征奇异值的航天器相对姿态测量矢量选取方法 | |
CN111652931A (zh) | 一种地理定位方法、装置、设备及计算机可读存储介质 | |
CN112363166B (zh) | 一种基于可靠冗余网络的InSAR相位解缠方法和*** | |
Li et al. | Improve the ZY-3 height accuracy using ICESat/GLAS laser altimeter data | |
CN115615345B (zh) | 一种基于摄影测量彩色点云配准的地表形变监测方法 | |
KR102015817B1 (ko) | 입체 위성영상의 제공 rpc 자동 보정 방법 | |
CN106371096B (zh) | 机载双天线InSAR三维构像模型构建方法 | |
Gao et al. | Distance measurement method based on two-dimensional image recognition and inverse perspective transformation | |
RU2406071C1 (ru) | Способ навигации движущихся объектов | |
Jiang et al. | Exterior orientation of Line-Array CCD images based on quaternion spherical linear interpolation | |
CN112230194B (zh) | 一种基于平移阵列的解模糊方法、设备及存储介质 | |
CN114187332A (zh) | 一种雷达图像配准方法和*** | |
Walvoord et al. | Geoaccurate three-dimensional reconstruction via image-based geometry | |
Chaithavee et al. | Classification of 3D Point Cloud Data from Mobile Mapping System for Detecting Road Surfaces and Potholes using Convolution Neural Networks. | |
Mao et al. | Weighted joint calibration for interferometric SAR | |
CN118015088B (zh) | 一种物体定位方法、装置、设备及存储介质 | |
Liu et al. | Study on the geolocation algorithm of space-borne SAR image |
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 |