[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

摘要

本发明提出了一种基于无人机平台的远程扫描的数据处理方法，是一种易于操作、测量准确、快速高效的无人机远程扫描方法。本发明采用无人机作为测量平台，对测量过程中的数据进行实时修正补偿与现有技术在数据处理上存在显著区别，本发明所提出的数据融合方法不仅解决了测量平台的移动问题，还对测量过程中的平台旋转、振动均进行了补偿，并解决了远程运动过程中的空间扫描。丰富的扫描结果对于洞穴研究、坑道救援、地震/火灾等灾难现场重建等应用领域具有重要的实用意义，完整、准确、丰富的三维结果具有重要的应用意义。

主权项

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f~(x)=η-1∫Ωwσs(y)φσr(f(y)-f(x))f(y)dy---(1)]]>进行三维坐标迭代更新，式(5)，σs为空域高斯函数的标准差，σr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{Presult}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。