[发明专利]一种基于无人机的三维重建系统及其方法

权利要求书

1.一种基于的三维重建系统，

步骤S1、对三维重建坐标系进行标定；获取被测物体的第一帧三维测量数据的点云数据，称为全局点云数据，基于所述第一帧三维测量数据的坐标系称为全局坐标系；步骤S2、对被测物体某个局部区域的表面进行三维测量，利用双目立体视觉原理进行三维重建，得到所述局部区域的点云数据，称为局部点云数据，其中，所述局部区域与所述全局点云数据对应的区域存在重叠区；步骤S3、将所述局部点云数据变换到所述全局坐标系下，根据所述重叠区将所述局部点云数据与所述全局点云数据进行配准，更新所述全局点云数据；步骤S4、保持所述被测物体不动，变换测量视角对所述被测物体进行测量，重复所述步骤S2至所述步骤S3，直至完成对所述被测物体的测量；步骤S5、对测量完成后更新的全局点云数据进行全局优化处理，得到点云模型；所述步骤S2具体包括以下步骤：步骤S21、对所述局部区域的表面进行三维测量，得到所述局部区域的第一散斑图像和第二散斑图像；步骤S22、在所述第二散斑图像中确定所述第一散斑图像中每个像素的整像素级对应点；步骤S23、根据所述整像素级对应点，以及所述第一散斑图像中的各像素点坐标，对所述第二散斑图像进行亚像素对应点搜索，得到所述第二散斑图像中的亚像素对应点；步骤S24、利用双目立体视觉原理，利用Kirsch算法结合所述第二散斑图像的亚像素的对应关系进行三维重建，得到所述被测物体表面的局部点云数据。

2.根据权利要求1所述三维重建系统，其特征在于，所述的Kirsch算法包括：

第1步：对原始图像用带有指定标准偏差σ的高斯滤波器来平滑，然后在每一点处计算局部梯度g(x,y)和边缘方向α(x,y)；

第2步：对所计算出的梯度图像进行Kirsch计算。假设图像有H×W个像素点，其边缘像素一般不会超过5×H个。对于具有一定目标的图像这是个比较宽松的限定值。取初始阈值T₀，对于每个像素点i计算其Kirsch算子，如果满足K(i)＞T₀，则i为边缘点，边缘点数N加1，一旦边缘点数超过5×H而i还小于整幅图像的像素数，说明阈值取的太低，致使许多不是边缘点的像素也被取出。因此，需要提高阈值，计算过程将记录满足K(i)＞T₀条件的最小K(i)，记做K_min，将此最小值作为新的阈值，整个过程按如下方法进行调整：

(1)如果K(i)＞T，则i为边缘点，记录边缘点i的坐标及K(i)的最小值K_min＝min[K(i)]，同时N加1；

(2)一旦N≥5×H，则将阈值调整到满足最低边缘要求的最小值处，即取T＝K_min；

(3)将前面已得到的边缘点和新的阈值做比较，取大于新阈值的点为新的边缘点，并重新计算此新阈值下的K_min，记录新边缘点的newN；

(4)将新的边缘点数赋给N后面的计数从N＝newN开始；

(5)继续对剩下的边缘点做第1步的处理，如N≥5×H则又回到(2)；

(6)如果N＜5×H，令T₂＝T，T₁＝βT₂(其中0＜β＜1，β为试验中得到得一个常数)；

第3步：边缘提取。使用两个阈值T₁和T₂对第1步产生得梯度图像做阈值处理，其中值大于T₂的脊像素称为强边缘像素,T₁和T₂之间的脊像素称为弱边缘像素，仅当强边缘和弱边缘相连时，弱边缘才会包含在输出中。

3.根据权利要求1所述三维重建系统，其特征在于，三维重建方法是：

步骤1、数据获取：

步骤1.1、利用四旋翼无人机上的机载GPS实时获取自身RMC格式的定位信息集合并按照顺序逐帧发送给地面基站用于存储，其中任意第α条定位信息包括：第α个GPS时间戳RMCα.timestamp，第α个经纬度RMCα.position，第α个航向信息RMCα.track；

步骤1.2、利用四旋翼无人机上的机载激光雷达获取城市地形数据集合D并按照顺序逐帧发送给地面基站用于存储，其中任意第j条城市地形数据dj包含：第j个点号dj.PointID、第j个空间坐标点(xj,yj,zj)、第j个调节时间dj.adjustedtime、第j个方位角dj.Azimuth、第j个距离dj.Distance、第j个反射强度dj.Intensity、第j个雷达通道dj.Laser_id、第j个点时间戳dj.timestamp；

步骤2、数据整合：

从所述城市地形数据集合D和定位信息集合中选取满足式(1)的各条城市地形数据和定位信息，从而得到n个数据并构成数据集Pfit：

到旋转后的n个空间坐标点：

步骤4、点云去噪：

步骤4.1、利用阈值法获得所述n个点云数据PN中的无效点云数据并将所述无效点云数据清零，从而得到去除后的点云数据集；

步骤4.2、利用距离和数量双约束的KNN算法来对所述去除后的点云数据集进行去噪和平顺处理，得到去噪后的点云数据集；

步骤5、点云抽稀：

使用基于K-means++聚类的点云精简算法对所述去噪后的点云数据集进行抽稀处理，得到抽稀后的点云数据；

步骤6、对所述稀后的点云数据可视化处理，从而得到城市地形的三维点云模型。