【摘要】：當(dāng)前國內(nèi)外針對車載移動測量系統(tǒng)采集的點云數(shù)據(jù)和影像數(shù)據(jù)的配準(zhǔn)優(yōu)化問題多從硬件角度著手展開。即在配準(zhǔn)優(yōu)化前嚴(yán)格標(biāo)定相機(jī)鏡頭,獲得精確的相機(jī)內(nèi)方位元素,在系統(tǒng)靜止?fàn)顟B(tài)下使用激光掃描儀掃描標(biāo)靶,使用相機(jī)拍攝標(biāo)靶,利用攝影中心、標(biāo)靶像點、標(biāo)靶點云這三者共線的原理以及系統(tǒng)各部件間空間轉(zhuǎn)換關(guān)系迭代優(yōu)化配準(zhǔn)參數(shù)。這些配準(zhǔn)方法對外界目標(biāo)合作標(biāo)定物依賴性強(qiáng)、對相機(jī)內(nèi)方位元素精度要求高,配準(zhǔn)計算繁瑣。本文提出了一種利用車載移動測量系統(tǒng)自身所采集的點云數(shù)據(jù)線特征和經(jīng)形變糾正后全景影像數(shù)據(jù)線特征進(jìn)行配準(zhǔn)優(yōu)化的方法。該方法不依賴外部檢校設(shè)施,也不依賴相機(jī)內(nèi)方位元素。首先對點云數(shù)據(jù)進(jìn)行預(yù)處理。即使用與各站點云數(shù)據(jù)對應(yīng)的GPS坐標(biāo)參數(shù),把點云由大地坐標(biāo)系坐標(biāo)轉(zhuǎn)換為站心坐標(biāo)系坐標(biāo),這一過程本文稱作站心化。隨后使用與各站點云數(shù)據(jù)對應(yīng)的慣性導(dǎo)航系統(tǒng)參數(shù),調(diào)整站心坐標(biāo)系下點云的姿態(tài),這一過程本文稱為姿態(tài)矯正。在對點云數(shù)據(jù)進(jìn)行預(yù)處理后,對全景影像指定區(qū)域形變進(jìn)行糾正。本文采用球心投影糾正全景影像目標(biāo)區(qū)域形變。球心投影等效于從球心發(fā)出的光束透過球面照射在與球面相切的平面上所成的像。除了具有方位投影的一般性質(zhì)外,該投影的最大特性是保持直線特征的幾何屬性,即三維空間中的直線經(jīng)球心投影后仍然是直線。經(jīng)過球心投影處理后,全景影像指定區(qū)域形變即得到糾正。在形變糾正完成后,提取影像當(dāng)中的線特征,并擬合線特征直線方程參數(shù)。提取點云當(dāng)中的直線并投影到全景影影像,使數(shù)據(jù)維度降低。這樣就可以使用像素思想處理點云。再使用球心投影將全景影像上的二維點云進(jìn)一步投影到對應(yīng)的全景影像子塊,獲得點云直線在該子塊上的投影坐標(biāo)初值。使用本文提出的直線方程與點云投影坐標(biāo)初值匹配算法,將兩者進(jìn)行匹配。最后以線特征方程為約束條件,點云投影坐標(biāo)初值為觀測值,利用條件平差計算配準(zhǔn)誤差改正量,將配準(zhǔn)誤差改正量加入點云投影坐標(biāo)初值,從而實現(xiàn)車載激光點云與全景影像的配準(zhǔn)優(yōu)化。
[Abstract]:At present, the registration optimization of point cloud data and image data collected by vehicle mobile measurement system at home and abroad is mostly carried out from the point of view of hardware. That is, the camera lens is strictly calibrated before registration and optimization, and the precise interior orientation elements of the camera are obtained. In the static state of the system, the laser scanner is used to scan the target, the camera is used to shoot the target, the photography center and the target image point are used. The collinear principle of target point cloud and the iterative optimization of registration parameters among the components of the system. These registration methods are highly dependent on the external object calibration and require high precision of the camera's interior azimuth elements, and the registration calculation is tedious. In this paper, a method of registration optimization based on point cloud data line features collected by vehicle mobile measurement system and panoramic image data line features corrected by deformation is proposed. The method does not depend on external calibration facilities, nor does it depend on the camera's internal azimuth elements. Firstly, the point cloud data is preprocessed. Even using the GPS coordinate parameters corresponding to the cloud data of each station, the point cloud is transformed from the geodetic coordinate system to the geodetic coordinate system. This process is called geodetic centroidization. Then the inertial navigation system parameters corresponding to the cloud data of each station are used to adjust the attitude of the point cloud in the center coordinate system. This process is called attitude correction in this paper. After preprocessing the point cloud data, the deformation of the designated area of panoramic image is corrected. In this paper, the spherical center projection is used to correct the deformation of the target area of panoramic image. The center projection is equivalent to the image of a beam of light emitted from the center of the sphere shining through the sphere on a plane tangent to the sphere. In addition to the general properties of azimuth projection, the greatest feature of the projection is to maintain the geometric properties of the linear feature, that is, the straight line in three-dimensional space is still a straight line after it is projected by the center of the sphere. After the spherical center projection, the deformation of the designated area of the panoramic image is corrected. After the deformation correction is completed, the line features in the image are extracted and the linear equation parameters are fitted. The line in the point cloud is extracted and projected to the panoramic image, which reduces the dimension of the data. In this way, you can use the pixel idea to deal with the point cloud. Then the 2-D point cloud on the panoramic image is projected to the corresponding panoramic image block by spherical projection, and the initial values of the projection coordinates of the point cloud line on the sub-block are obtained. Using the initial value matching algorithm of the linear equation and the point cloud projection coordinates, the two methods are used to match the linear equation and the point cloud projection coordinate. Finally, the line characteristic equation is taken as the constraint condition, the initial value of the point cloud projection coordinate is taken as the observation value, the registration error correction is calculated by using conditional adjustment, and the registration error correction is added to the initial value of the point cloud projection coordinate. In order to achieve vehicle laser point cloud and panoramic image registration optimization.
【學(xué)位授予單位】：中國地質(zhì)大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P235

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李海亮;鄧非;李剛;;攝影測量激光點云空洞修補(bǔ)[J];測繪科學(xué);2010年05期

2 高恩陽;鄭昊鴻;;點云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

3 龔書林;;三維激光點云處理軟件的若干關(guān)鍵技術(shù)[J];測繪通報;2014年06期

4 趙強(qiáng);彭國華;王鋒;;點云精簡的一種方法[J];西南民族大學(xué)學(xué)報(自然科學(xué)版);2006年05期

5 李德江;張延波;于曼竹;姜麗麗;曲雪光;;基于掃描模式的點云修復(fù)技術(shù)研究[J];測繪與空間地理信息;2011年06期

6 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[J];測繪通報;2012年S1期

7 詹慶明;張海濤;喻亮;;古建筑激光點云-模型多層次一體化數(shù)據(jù)模型[J];地理信息世界;2010年04期

8 曾敬文;朱照榮;丁銳;;基于立方體網(wǎng)格的數(shù)據(jù)點云約簡和體積計算方法[J];測繪科學(xué);2008年06期

9 楊欣;姚海燕;;平面點云邊界參數(shù)識別[J];中國西部科技;2009年27期

10 孫瑞;張彩霞;;點云數(shù)據(jù)壓縮算法綜述[J];科技信息;2010年32期

相關(guān)會議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點云生成和預(yù)處理[A];2011年全國通信安全學(xué)術(shù)會議論文集[C];2011年

2 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

3 馬國慶;陶萍萍;楊周旺;;點云空間曲線的微分信息計算及匹配方法[A];第四屆全國幾何設(shè)計與計算學(xué)術(shù)會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點云精簡算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機(jī)載激光點云快速繪制方法[A];第二十五屆全國空間探測學(xué)術(shù)研討會摘要集[C];2012年

6 張欣;武志強(qiáng);劉嵩;;虛擬全景圖系統(tǒng)關(guān)鍵技術(shù)研究與實現(xiàn)[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2010年

7 李振華;劉養(yǎng)科;李波;;一種基于球面投影模型的全景圖快速生成算法[A];第四屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議論文集[C];2008年

8 孫敏;董娜;余京蕾;鄭暉;;一種可量測立體全景的構(gòu)建方法[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

9 葛誠;賈云得;劉鵬;彭啟民;;基于多域分析和全局優(yōu)化的魯棒全景圖拼接[A];中國宇航學(xué)會深空探測技術(shù)專業(yè)委員會第一屆學(xué)術(shù)會議論文集[C];2005年

10 夏倩;陳孝威;;基于局部熵差的全景圖實現(xiàn)技術(shù)研究[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2007）論文集[C];2007年

相關(guān)重要報紙文章 前10條

1 謝菲;蘇通大橋全景圖引發(fā)著作權(quán)爭議[N];中國新聞出版報;2007年

2 記者 盛利;成都科技“全景圖”年底亮相[N];科技日報;2009年

3 記者 繆琴;“高科技成都全景圖”啟動服務(wù)[N];成都日報;2010年

4 ;2009年A股市場走勢全景圖[N];上海證券報;2010年

5 劉云德 吉林大學(xué)珠海學(xué)院;深圳人口變遷的全景圖[N];中國人口報;2014年

6 孫冬梅 海豚傳媒編輯四部;用全景圖給孩子一個色彩斑斕的旅行夢[N];新華書目報;2014年

7 本報記者 牛春梅 實習(xí)記者 徐顥哲;史上最早北京全景圖片首次亮相[N];北京日報;2014年

8 河南 EVAer;全景圖片輕松做[N];電腦報;2003年

9 實習(xí)生 陳仁杰;網(wǎng)絡(luò)門牌全景圖工程啟動[N];科技日報;2007年

10 本報記者 繆琴;網(wǎng)上建平臺 讓科技資源流通起來[N];成都日報;2009年

相關(guān)博士學(xué)位論文 前10條

1 龔珍;地面三維激光掃描點云場景重建方法研究[D];中國地質(zhì)大學(xué);2017年

2 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學(xué);2012年

3 劉涌;基于連續(xù)序列自動快速拼接的全方位三維測量技術(shù)研究[D];西南交通大學(xué);2013年

4 賴祖龍;基于LiDAR點云與影像的海岸線提取和地物分類研究[D];武漢大學(xué);2013年

5 王瑞巖;計算機(jī)視覺中相機(jī)標(biāo)定及點云配準(zhǔn)技術(shù)研究[D];西安電子科技大學(xué);2015年

6 段敏燕;機(jī)載激光雷達(dá)點云電力線三維重建方法研究[D];武漢大學(xué);2015年

7 李艷紅;車載移動測量系統(tǒng)數(shù)據(jù)配準(zhǔn)與分類識別關(guān)鍵技術(shù)研究[D];武漢大學(xué);2014年

8 崔婷婷;結(jié)合車載點云和全景影像的建筑物立面重建[D];武漢大學(xué);2015年

9 戴玉成;基于UAV傾斜影像匹配點云的城市建筑物信息提取方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年

10 韓峰;基于點云信息的既有鐵路狀態(tài)檢測與評估技術(shù)研究[D];西南交通大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 孫小兵;基于特征的點云配準(zhǔn)與拼接技術(shù)研究[D];天津大學(xué);2016年

2 龔碩然;基于Delaunay三角剖分的點云三維網(wǎng)格重構(gòu)[D];河北大學(xué);2015年

3 楊紅粉;頻域技術(shù)應(yīng)用于點云配準(zhǔn)研究[D];北京建筑大學(xué);2015年

4 段紅娟;點云圖像交互式曲線骨架提取技術(shù)及其應(yīng)用[D];西南交通大學(xué);2015年

5 張永恒;散亂點云數(shù)據(jù)配準(zhǔn)方法研究[D];長安大學(xué);2015年

6 吳愛;面向特征擬合的點云簡化方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

7 薛廣順;基于立體視覺的牛體點云獲取方法研究與實現(xiàn)[D];西北農(nóng)林科技大學(xué);2015年

8 胡誠;精度約束下地表LiDAR點云抽稀方法研究[D];西南交通大學(xué);2015年

9 余明;三維離散點云數(shù)據(jù)處理技術(shù)研究[D];南京理工大學(xué);2015年

10 陳星宇;基于三維彩色點云的地形分類方法研究[D];南京理工大學(xué);2015年

，

本文編號：2121748