[发明专利]一种从点云数据检测飞机姿态的参数模型匹配方法

权利要求书

1.一种从点云数据检测飞机姿态的参数模型匹配方法，其特征在于包括：

步骤1：通过激光扫描仪运动，获得机场单位时间内的水平扫描线；根据快速合并算法将每条水平扫描线划分为点云数据组，当每组点云数据长度                                               ；所述每条水平扫描线中第一个点作为一个组的起点，每条水平扫描线最后一个点作为一个组的终点，起点与终点的距离为长度P；为阈值，所述TH1范围是5米到8米；

步骤2：计算分组的点云数据中每个点的曲率，根据曲率变化判定法将点云组分割成点云段；当分割为点云段后，每个点云段数据长度时，丢弃本次数据；否则，保留本次点云段；其中范围是2米到5米；

步骤3：对每个点云段进行圆弧段模型或直线段模型匹配；

步骤4：计算所有圆弧段的平均圆心，飞机参数模型的机鼻模型参数为,其中为半径的分布标准样本差，R表示机鼻的半径，表示圆弧段的平均半径;

步骤5：将所有的直线模型参数转化为直线模型形式，其中为直线距离圆弧心最近的点，为直线的斜率，判断该直线模型属于机身侧面还是机翼；并判断点云数据取自前侧角度拍摄还是正前角度拍摄，最终确定飞机姿态。

2.根据权利要求1所述的一种点云数据图像检测飞机姿态的参数模型匹配算法，其特征在于所述步骤1快速合并算法具体步骤是：把每条扫描线中第一个点作为一个点云数据组的起点，若一个点与前一个点之间的距离小于阈值，该点与前一个点处于同一个组，否则认为该点是一个新的点云数据组的起始点，前一个点是前一个点云数据组的终止点，一般取到，其中是激光扫描仪水平转动的角度步长，是该点到激光扫描仪的距离。

3.根据权利要求1所述的一种点云数据图像检测飞机姿态的参数模型匹配算法，其特征在于所述步骤2中曲率变化判定法具体步骤为：设前一点、当前点和下一点的曲率分别是、和，如果或者则认为曲率变化较大，一般取值是0.2-0.5。

4.根据权利要求1所述的一种点云数据图像检测飞机姿态的参数模型匹配算法，其特征在于所述步骤3具体过程是：通过均开方差，取平均平方差最小的几何模型代表每个点云数据段，去除点云数据段的平均平方差大于的点云数据，一般取值是0.2-1米。

5.根据权利要求1所述的一种点云数据图像检测飞机姿态的参数模型匹配算法，其特征在于所述步骤4具体包括：

步骤41：计算所有圆弧段的平均圆心，并统计分布标准样本差，其中n表示任意一点，n>0；

步骤42：去除圆心距离平均圆心超过3倍标准样本差的圆弧，剩下的圆弧再次计算圆弧段的平均圆心和圆弧段的平均半径；

飞机参数模型的机鼻模型参数为，其中为圆弧段半径的分布标准样本差。

6.根据权利要求1所述的一种点云数据图像检测飞机姿态的参数模型匹配算法，其特征在于所述步骤5中判断该直线模型属于机身侧面还是机翼具体步骤为：与的距离在[0.9R,1.1R]之间，则认为该直线来自机身侧面，否则来自机翼。

7.根据权利要求1所述的一种点云数据图像检测飞机姿态的匹配算法，其特征在于所述步骤5中判定点云取自前侧角度拍摄，否则是正前角度拍摄的具体方法是：如果来自机身侧面的点云段超过5个点云段，则判定点云取自前侧角度拍摄，否则是正前角度拍摄。

8.根据权利要求1所述的一种点云数据图像检测飞机姿态的匹配算法，其特征在于所述步骤5中飞机侧面的数学模型为所有侧面点云段参数的平均值；飞机机翼的点云段中取与中距离较大的点为机翼点，然后在所有中取距离最大的点为飞机机翼顶点。

9.根据权利要求1至8之一所述的一种点云数据图像检测飞机姿态的参数模型匹配算法，其特征在于所述激光扫描仪采集的点云数据中二维数据，其中将三维数据投射为二维数据的过程，既沿z轴投影到XY平面上。