基於可移動角點的航空和地面LiDAR數據配准

知識 08-08

摘要：針對航空和地面ＬｉＤＡＲ數據配准中點雲數據的共軛特徵較少且精度差異較大的問題，提出了一種基於可移動角點的航空和地面ＬｉＤＡＲ數據配准方法：從航空和地面ＬｉＤＡＲ數據中分別提取相應的建築物角點，採用６參數模型對角點進行初始配准；以地面角點為參照，利用迭代移動方法對誤差較大的航空角點進行修正；最後根據移動後的航空和地面角點計算獲得點雲配准關係。實驗結果表明，該文方法可取得較好的點雲配准效果，角點修正後能有效提升點雲配准精度，適合於含有角點特徵的航空和地面ＬｉＤＡＲ數據配准。

引用格式：

伍陽，程亮，王麗妍，等．基於可移動角點的航空和地面ＬｉＤＡＲ數據配准［Ｊ］．測繪科學，２０１６，４１（７）：１６０-１６５．

激光雷達（ｌｉｇｈｔｄｅｔｅｃｔｉｏｎａｎｄｒａｎｇｉｎｇ，ＬｉＤＡＲ）作為一種快速、高精度的測量工具，能夠提供準確而詳盡的地物點雲數據。航空和地面激光雷達是目前使用較多的激光雷達平台。航空激光雷達俯視地獲取大範圍數據，頂部信息豐富，側面信息較少；地面激光雷達平視或仰視地獲取數據，側面信息詳盡，頂部信息缺失。隨著人們對大範圍、全方位、多視角點雲數據的需求，航空與地面ＬｉＤＡＲ數據的融合已經成為一種趨勢。多平台ＬｉＤＡＲ數據集成應用的領域包括地形製圖、森林研究和三維模型重建等。

為了集成航空和地面ＬｉＤＡＲ數據，首先必須對兩種數據進行配准。部分研究在集成航空和地面ＬｉＤＡＲ時採用第三方數據來輔助配准。文獻［９］在地面激光掃描儀獲取數據的同時，使用ＧＰＳ獲取掃描儀的位置，根據ＧＰＳ數據進行兩種數據的配准。由於ＧＰＳ容易出現信號失鎖等問題，文獻［１０］選取航空影像作為參照，使用蒙特卡洛定位方法進行點雲的配准。以上方法都採用第三方輔助數據進行配准，如何擺脫輔助數據，從點雲數據中尋找可靠的配准基元進行配准還是十分必要的。航空和地面ＬｉＤＡＲ數據進行配準的基元通常包括點基元、線基元、面基元以及多種基元的集合。ＶｏｎＨａｎｓｏｎ等人使用線基元進行配准，從航空和地面ＬｉＤＡＲ數據中分別提取特徵線，根據特徵線計算變換矩陣，此方法一定程度上能夠實現點雲的配准，但是穩定性不夠，在複雜環境下容易產生錯誤匹配。Ｊａｗ等人綜合使用了點、線、面，構建了基於特徵的聯合轉換模型，通過手工獲取點、線、面基元並確定初始匹配關係，但自動化程度較低。建築物角點是一種常用的配准基元，確定同名角點並計算配准轉換參數，就能夠實現點雲數據的配准。角點的數量、空間分布和精度均直接影響著配准結果，為了實現高精度的配准必須要有數量充足、分布均勻、高精度的角點。由於航空和地面ＬｉＤＡＲ數據的異質性和點雲數據自身的離散性，僅利用角點特徵進行配准有一定難度，主要表現在：不同視角。航空ＬｉＤＡＲ獲取的頂部信息較多，側面信息較少，而地面ＬｉＤＡＲ採集的側面信息詳盡，頂部信息較少，兩者公共重疊範圍較小；不同範圍。航空ＬｉＤＡＲ擁有較大的掃描範圍，能夠獲得大量均勻分布的角點，而地面ＬｉＤＡＲ掃描範圍有限，提供的角點較少且位置較集中；不同解析度。航空ＬｉＤＡＲ數據解析度在米級或分米級，獲取的航空角點精度較低，而地面ＬｉＤＡＲ數據解析度最高可達毫米級，地面角點精度較高。如何利用少量的、精度差異較大的建築物角點以實現航空和地面ＬｉＤＡＲ高精度配准，還有待進一步研究。

由於航空ＬｉＤＡＲ數據中獲取角點的精度通常較低，而地面ＬｉＤＡＲ數據中獲取的角點精度較高，可利用高精度的地面角點對航空角點進行修正，以提高航空角點的精度。本文以高精度的地面角點為參照，提出了一種基於迭代最鄰近點演算法（ｉｔｅｒａｔｉｖｅｃｌｏｓｅｓｔｐｏｉｎｔ，ＩＣＰ）的單點移動修正方法對低精度的航空角點進行修正，包括兩個步驟：角點初始配准。從航空和地面角點集合中分別選取３個點，計算配准轉換關係，根據匹配角點數量和角點間距離確定可靠轉換關係，進而確定同名角點；航空角點移動修正。提出了一種迭代ＩＣＰ角點移動修正的方法，迭代地對同名角點進行ＩＣＰ操作，同時對誤差最大的航空角點進行移動修正，從而提高點雲的配准精度。

航空ＬｉＤＡＲ數據提供了豐富的建築頂部信息，因此可以從其中提取可靠的建築輪廓，從而得到航空ＬｉＤＡＲ角點。本文採用反向迭代數學形態學方法（ｒｅｖｅｒｓｅｄｉｔｅｒａｔｉｖｅｍａｔｈｅｍａｔｉｃＭｏｒｐｈｏｌｏｇｉｃａｌ，ＲＩＭＭ）進行建築輪廓的提取。在ＲＩＭＭ方法中，首先使用一個比實驗區所有建築都大的窗口對點雲進行打開操作。在此基礎上，按一定的步長逐漸減小窗口，迭代地進行打開操作，提取滿足窗口大小的地物。在迭代的過程中，比較相鄰兩次迭代提取結果的高程差，如果大於區域內最小建築高程則認為是建築，最後完成建築輪廓的提取。具體過程請參見文獻［１３］。由於ＬｉＤＡＲ點雲數據的離散性，提取的建築物輪廓通常是不規則的，為了從中提取輪廓角點，首先需要對其進行規則化處理。本文採用分層次最小二乘擬合方法對建築物輪廓進行規則化。建築輪廓普遍呈現相互垂直的關係，該方法從不規則線段中尋找相互垂直的兩個方法作為建築主方向，以主方向擬合直線代替原始不規則輪廓，從而完成規則化過程。規則化後的輪廓角點即為要提取的航空角點，將角點臨近點雲的平均高程值作為該航空角點的高程值。

地面角點提取。地面ＬｉＤＡＲ數據點雲密集，精度較高，因此從地面數據中獲取的建築物角點的可靠性足夠高，能夠作為參照點對航空角點進行修正。本文採用了一種基於點雲投影密度的地面角點提取方法，能夠從地面ＬＩＤＡＲ數據中提取高精度的地面角點。本節簡要介紹從地面ＬｉＤＡＲ數據中提取建築物角點的步驟：粗略輪廓格網提取。構建１．０ｍ ×１．０ｍ的格網，計算格網中點雲的數量，得到格網密度。根據牆面格網密度閾值對所有格網進行篩選，保留密度較大的格網；精確輪廓格網提取。對於粗略輪廓格網，構建０．２ｍ×０．２ｍ的精細格網，通過計算格網內點雲數量確定格網密度。根據牆面格網密度閾值對精細格網進行篩選，得到精確輪廓格網；輪廓線段獲取。對於精確輪廓格網，使用多尺度的Ｈｏｕｇｈ變換得到二維矢量輪廓線段；輪廓線高程獲取。尋找二維輪廓周邊格網，計算各個格網最大高程的平均值，作為輪廓線的高程值；地面角點獲取。將獲取的三維輪廓線投影到二維平面，並尋找相交點，計算相交的兩條輪廓線的高程差異，若小於設定閾值（０．５ｍ），則認為相交，並將兩條線段的高程均值作為角點的高程值；重複以上步驟，直到提取所有地面建築物角點。角點初始配准。在獲取航空角點和地面角點的基礎上，採用６參數模型對角點進行初始配准。

ＬｉＤＡＲ數據中，各點間的相對距離對應於真實距離，是一種剛性配准，因此不考慮縮放係數。由於解算的方程是非線性的，儘管只需要求解６個參數，仍然至少需要三對角點進行配准關係的求解，具體的計算方法見文獻。為了確定可靠的配准轉換矩陣，根據匹配角點的數量進行篩選，即計算每個配准轉換矩陣下成功匹配的角點對數，如果匹配的角點數量大於一定閾值則作為可靠轉換矩陣。

本文提出了一種可移動角點方法用於航空和地面ＬｉＤＡＲ數據的配准，分別從航空和地面ＬｉＤＡＲ數據中提取建築角點，以高精度地面角點為參照，迭代對航空角點進行修正移動，最後以修正的航空角點與初始的地面角點進行航空和地面ＬｉＤＡＲ數據的配准。實驗證明，本文可移動角點方法能夠有效修正航空角點中誤差較大的點，從而提高角點配准精度，最終實現航空和地面ＬｉＤＡＲ數據的高精度配准。

本文方法能夠有效地修正一些相對位置誤差較大的航空角點，但是對於角點絕對誤差的修正能力有限，如何對其進行有效地修正從而進一步提高配准結果的精度還有待研究。

基於可移動角點的航空和地面LiDAR數據配准