[发明专利]一种用于公路基础设施三维数据采集的方法及系统

权利要求书

1.一种用于公路基础设施三维数据采集的方法，其特征在于，所述方法包括：

获取公路基础设施三维建模的激光点云数据；

获取公路基础设施三维建模的倾斜影像；

对获取的公路基础设施三维建模的激光点云数据和倾斜影像进行存储和处理，输出公路基础设施的高精度三维数字模型。

2.根据权利要求1所述的一种用于公路基础设施三维数据采集的方法，其特征在于，所述对获取的公路基础设施三维建模的激光点云数据和倾斜影像进行存储和处理，输出公路基础设施的高精度三维数字模型，包括：

对获取的公路基础设施三维建模的激光点云数据和倾斜影像进行预处理，得到激光点云模型和倾斜摄影模型。

输入激光点云模型和倾斜摄影模型，计算激光点云模型和倾斜摄影模型的深度图像，初始化卷积神经网络参数；

输入激光点云模型和倾斜摄影模型的深度图像，对卷积神经网络进行迭代训练，输出配准参数；

基于配准参数对激光点云模型和倾斜摄影模型进行融合，构建三角网，并自动映射纹理，生成并输出目标区域的公路基础设施的高精度三维数字模型。

3.根据权利要求2所述的一种用于公路基础设施三维数据采集的方法，其特征在于，所述对获取的公路基础设施三维建模的激光点云数据和倾斜影像进行预处理，得到激光点云模型和倾斜摄影模型，包括：

对获取的公路基础设施三维建模的激光点云数据进行建模，得到激光点云模型；对倾斜影像进行建模，得到倾斜摄影模型。

4.根据权利要求2所述的一种用于公路基础设施三维数据采集的方法，其特征在于，所述输入激光点云模型和倾斜摄影模型，计算激光点云模型和倾斜摄影模型的深度图像，初始化卷积神经网络参数，包括：

输入激光点云模型和倾斜摄影模型，通过融合配准算法计算出激光点云模型的深度图像和倾斜摄影模型的深度图像。

5.根据权利要求2所述的一种用于公路基础设施三维数据采集的方法，其特征在于，所述输入激光点云模型和倾斜摄影模型的深度图像，对卷积神经网络进行迭代训练，输出配准参数，包括：

将激光点云模型的深度图像和倾斜摄影模型的深度图像输入卷积神经网络，所述卷积神经网络提取激光点云模型的深度图像和倾斜摄影模型的深度图像的特征，将特征输入回归模型；

使用随机梯度下降算法对卷积神经网络进行迭代训练，通过有限次数的不断迭代训练，得到训练好的配准卷积神经网络模型；

将未配准的激光点云模型的深度图像和倾斜摄影模型的深度图像输入配准卷积神经网络模型，输出配准参数。

6.一种用于公路基础设施三维数据采集的系统，其特征在于，包括：

机载激光扫描模块，用于获取公路基础设施三维建模的激光点云数据；

倾斜摄影测量模块，用于获取公路基础设施三维建模的倾斜影像；

数据处理模块，用于对获取的公路基础设施三维建模的激光点云数据和倾斜影像进行存储和处理，输出公路基础设施的高精度三维数字模型。

7.根据权利要求6所述的一种用于公路基础设施三维数据采集的系统，其特征在于，所述机载激光扫描模块包括机载激光雷达、机载相机、高精度惯导和三轴云台。

8.根据权利要求6所述的一种用于公路基础设施三维数据采集的系统，其特征在于，所述倾斜摄影测量模块包括图像传感器、三轴云台和高精度惯导。

9.根据权利要求6所述的一种用于公路基础设施三维数据采集的系统，其特征在于，所述数据处理模块通过安装在计算机中的实景建模软件，对获取的公路基础设施三维建模激光点云数据和倾斜影像进行数据融合。