[发明专利]一种无须外方位元素支持下的LiDAR点云与无人机影像多级配准方法、装置及存储介质

说明书

本发明涉及数据处理技术领域，尤其是一种无须外方位元素支持下的LiDAR点云与无人机影像多级配准方法、装置及存储介质。本发明的目的是提供一种无须外方位元素支持下的LiDAR点云与无人机影像多级配准方法、装置及存储介质，有效提高ICP算法精配准的准确性和收敛效率。本发明的技术方案是：一种无须外方位元素支持下的LiDAR点云与无人机影像多级配准方法，包括以下步骤：步骤1、利用体素滤波方法对点云数据进行预处理以消除冗余数据；步骤2、PCA粗配准，即通过计算点云的主方向，然后根据主方向计算得到点云配准的初始值并对初始值进行校正；步骤3、ICP精配准，即利用迭代最近点算法对预处理后的点云进行匹配。

技术领域

本发明涉及数据处理技术领域，尤其是一种无须外方位元素支持下的LiDAR点云与无人机影像多级配准方法、装置及存储介质。

背景技术

点云配准是指通过某种配准算法计算得到2组不同点云的刚体变换参数，然后再利用变换参数将2组点云统一到同一坐标系下。两种数据融合的前提和关键是LiDAR(LightDetectionAnd Ranging，机载激光雷达)点云与影像的配准，目前两者配准的方法主要有3种，一种是利用重叠影像进行密集匹配生成匹配点云，再与LiDAR点云数据进行3D-3D模型的配准，无法进行LiDAR点云与单张影像的配准，同时生成匹配点云的过程也会产生误差和降低精度。第2种是利用LiDAR数据的高程信息等将点云数据转化成二维影像，再利用图像配准的方法进行配准。第3种是建立遥感影像与LiDAR点云之间的直接配准关系。

直接迭代最近点算法(Iterative ClosestPoint，ICP)算法作为点云配准为常用的算法之一，具有简单、复杂度低等优点。但ICP算法存在计算效率低、鲁棒性差、无初值时收敛慢等问题。如何高效、快捷、准确地实现无须外方位元素支持下的LiDAR点云与无人机影像配准，成为LiDAR点云与无人机影像配准自动化处理领域所面临的瓶颈。

近年来，不少研究人员针对ICP算法效率不高问题提出了大量的改进算法。如Li等人通过动态调整刚体变换参数的因子减少ICP算法迭代次数，虽然改进的算法提高了对应点搜索效率，点云配准时间相比于传统方法要更短，精度有所提高，但是其配准算法仍然要耗费较长时间，且未兼顾考虑配准效率和精度。因此，为了满足LiDAR点云与无人机影像高精度配准的需要，本发明提出了一种基于无须外方位元素支持下的LiDAR点云与无人机影像多级配准方法。

发明内容

本发明的目的在于克服背景技术中的不足，提供一种无须外方位元素支持下的Li DAR点云与无人机影像多级配准方法、装置及存储介质，有效提高I CP算法精配准的准确性和收敛效率。

本发明采用的技术方案如下：一种无须外方位元素支持下的LiDAR点云与无人机影像多级配准方法，包括以下步骤：

步骤1、利用体素滤波方法对点云数据进行预处理以消除冗余数据；

步骤2、PCA粗配准，即通过计算点云的主方向，然后根据主方向计算得到点云配准的初始值并对初始值进行校正；

步骤3、ICP精配准，即利用迭代最近点算法对预处理后的点云进行匹配。

进一步的，所述步骤1中，体素滤波预处理包括以下步骤：

1.1)计算三维点云数据坐标轴上的最大值和最小值；

1.2)设计体素小栅格的边长；

1.3)根据得到的坐标轴最值计算点云最小包围盒的边长；

1.4)计算体素网格的尺寸；

1.5)计算每个点云在体素小栅格内的索引；

1.6)从大到小排列索引里的元素，并以各体素重心代替其栅格内的所有点；若重心不存在，则用距重心最近的数据点代替栅格内所有点。