[发明专利]一种点云全景融合要素提取方法和系统

说明书

本发明实施例提供一种点云全景融合要素提取方法和系统，利用硬件设备获取的影像、点云、位姿等数据信息，结合点云处理算法和点云影像配准算法，可实现全自动自动提取点云要素，实现一体化的提取方式；全景影像中的目标存在不同程度的形变，为了便于后续的分割处理，将全景影像分幅；根据分幅影像和全景影像的映射关系，再利用全景影像和点云数据的配准关系，可以获取分幅影像和点云数据的映射关系，将点云数据生成深度图矩阵，利用分幅影像掩膜的图像坐标，即可获取所对应的点云数据，减少人工采集点云要素的难度并提高效率。

技术领域

本发明实施例涉及高精度地图技术领域，尤其涉及一种点云全景融合要素提取方法和系统。

背景技术

随着科学技术的不断发展，智慧城市的发展离不开信息的多元化和智能化，高精度地图作为智慧城市建设不可或缺的重要一份子，三维高精度地图的建设也越来越重要，传统的地形测绘多用全站仪和GNSS RTK来进行测量，传统的测量方法前期投入少、操作容易，但是后期需要大量的人员和较长的作业周期，在人员费用较高的今天，无疑加大了生产的成本。与传统测绘不同，三维激光测量技术是一种全新理念的测绘技术，车载三维激光扫描系统测量的数据是高精度的点云模型，测量效率高，成果直观化，可清晰分辨地物，方便要素提取和城市部件提取，为智慧城市的建设节约了在时间成本和人力成本上的投入，对社会生产具有重要的经济作用。

现有技术中有基于空间网格的地物要素点提取方法，其对原始点云数据进行拼接处理，统一坐标系，然后进行空间网格数据组织，根据地物要素空间网格特征设置算子参数，对提取结果进行目视判断并分析，如果得到待提取地物完整点云则通过，如果提取结果不明显，则适当调整相关的算子参数再进行提取分析；该方法的缺点是空间复杂度较高，速度慢，算子设计需要一定的经验积累，对地物形态特征相似区域提取的准确率较低，并且其自动化程度低，需要人工辅助；现有技术中还有基于图像点云融合的高精度交通要素目标提取方法，其利用图像和点云数据的特征进行配准，根据配准结果利用图像对对应的点云数据进行属性赋值，得到融合数据，利用图像中各个独立的交通要素，对图像进行基于深度学习的训练，得到各个分类的目标检测模型，利用各个检测模型对图像进行各个交通要素的检测，对标识信号对应的点云数据进行保存，利用卡尔曼滤波器预测图像中交通要素的当前位置，然后通过匈牙利算法关联检测框的目标，将多个前后轨迹点的同一个目标进行去重，保留最大视野的目标图像，最后在对上述识别检测到的目标图像进行深度学习语义分割，将所述图像的分割结果映射到所述点云数据，提取得到交通要素目标；该方法的缺点是：1、工作量大，针对各类目标训练各类的目标检测模型，该方法工作量大且精度低；2、步骤繁琐，基于深度学习的语义分割实际为目标检测的延伸，该方法首先使用基于深度学习的目标检测网络获取目标影像的矩形框位置，然后再对该影像进行基于深度学习的语义分割，步骤繁琐；3、目标要素去重精度低，方法利用二维图像对多个前后轨迹点的同一目标进行去重，利用卡尔曼滤波器预测图像中交通要素的当前位置，然后通过匈牙利算法关联检测框的目标，保留最大视野的目标图像，预测的当前位置和关联检测框存在误差；4、目标要素提取精度低。该方法将语义分割后的影像直接映射回点云，作为目标要素，因为语义分割后的目标可能存在不完整、冗余等情况，如果不进行二次处理，精度较低。

发明内容

本发明实施例提供一种点云全景融合要素提取方法和系统，以解决现有技术中点云要素提取方式步骤繁琐、效率低、劳动强度大的问题。

第一方面，本发明实施例提供一种点云全景融合要素提取方法，包括：

S1、根据数据采集设备的姿态信息和位置信息，获取三维点云数据和二维全景影像之间的映射关系；其中，所述数据采集设备至少包括用于采集三维点云数据的激光雷达，以及用于采集二维全景影像的全景相机；

S2、将二维全景影像转换为三维影像中的全景球中，以所述全景球的球心作为视点，基于中心投影原理获取指定区域内的分幅影像；

S3、提取所述分幅影像中的预设的分类分割目标掩膜；