[发明专利]一种基于无人机平台的远程扫描的数据处理方法

权利要求书

1.一种基于无人机平台的远程扫描的数据处理方法，其特征在于，具体过程是：

步骤1：设备安装；

步骤2：扫描参数的设置：

所述的扫描参数包括无人机的飞行路径和激光扫描仪扫描模式；

通过GPS或路径输入的方式设置无人机的飞行路径；

设置激光扫描仪的单幅扫描时间和连接数据传输通道；

步骤3：扫描及数据处理：

启动扫描任务，无人机携带扫描仪进行远程扫描；

扫描中，无人机实时返回的运行速度、位置和姿态，以及扫描仪实时扫描返回的三维点坐标P(x，y，z)；对得到的数据进行运动反解，修正无人机飞行对于三维扫描数据的影响；

在处理扫描数据时，无人机速度、位置与扫描仪数据需时间同步；

步骤4：单幅点云校正：

首先，基于K-D Tree算法，建立扫描点集的K-D树；基于K-D树构架出了点云数据中点数据间的拓扑关系，查询点云中每一个坐标点的邻域数据，通过核函数

进行三维坐标迭代更新，式(1)，σ_s为空域高斯函数的标准差，σ_r为值域高斯函数的标准差，Ω表示卷积的定义域；

已计算完成的点集为现有点云，新计算得到的点集{P_result}为新获取点云；在第一幅扫描中，现有点云为空集；第一幅扫描结束时新获取的点云自动转换成为现有点云；

自第二幅的扫描起，融合点云为现有点云；获取所述的融合点云的方法如下：

计算第二幅扫描中新获取点云与前一幅得到的现有点云之间的重叠区域，根据该点云重叠区域的曲率特征，从新获取点云重叠区域样本集中随机抽选一个样本，即4个匹配点对；通过该样本中的4个匹配点对计算变换矩阵M；

根据新获取点云重叠区域样本集、变换矩阵M和误差度量函数，计算满足当前变换矩阵的一致集consensus，并返回一致集中元素个数；

根据当前一致集中元素个数如大于之前的最大一致集中元素个数时，则将当前一致集更新为最大一致集，同时更新当前错误概率p；若p大于允许的最小错误概率则重复上述步骤继续迭代，直到当前错误概率p小于最小错误概率，得到最优匹配矩阵；

通过所述的最优匹配矩阵将输入点云坐标进行修正，使重叠区域特征匹配；计算高斯核函数：x为三维空间点，x²为x的模，h为带宽，利用核函数计算当前点偏移均值，最终计算邻域密集点质心，使用质心坐标替代邻域点集从而达到融合点云的效果；

重复所述自第二幅扫描及融合过程，直至扫描结束，获得最终的三维扫描结果。

2.如权利要求1所述基于无人机平台的远程扫描的数据处理方法，其特征在于，

所述设置的扫描参数包括：所设定的无人机飞行速度应小于激光扫描仪额定的有效单幅扫描半径除以所设定的扫描仪单幅扫描时间的二倍：

V_a<(S_e/T_e/2) (2)

其中，V_a表示无人机所设定飞行速度，S_e表示激光扫描仪额定的有效单幅扫描半径，T_e表示所设定的扫描仪单幅扫描时间。

3.如权利要求1所述基于无人机平台的远程扫描的数据处理方法，其特征在于，所述对得到的数据进行运动反解的具体过程是，设无人机在拍摄过程中的位置改变量为{T_x,T_y,T_z,R_x,R_y,R_z}，其中，T_x,T_y,T_z表示相对于x、y、z坐标轴的空间平移量，R_x,R_y,R_z表示x、y、z坐标轴的空间旋转量；根据无人机的位置改变和激光扫描频率，带入矩阵式分别得到激光扫描仪在扫描过程中的无人机空间旋转矩阵R：

和位移矩阵T：

T＝[Tx,Ty,Tz] (4)

对每个扫描三维点坐标P进行坐标转换：

P_result＝RP+T (5)

其中P_result为修正后的空间点坐标，对所有空间点进行坐标转换后，所获得的完整点云数据即为真实点云数据。