地面激光点云与数码影像自动高精度配准

doi:10.13474/j.cnki.11-2246.2021.310

测绘通报 ›› 2021, Vol. 0 ›› Issue (10): 83-87.doi: 10.13474/j.cnki.11-2246.2021.310

地面激光点云与数码影像自动高精度配准

胡春梅¹, 夏国芳², 刘喜³

1. 北京建筑大学, 北京 100044;
2. 中国文物信息咨询中心, 北京 100029;
3. 黑龙江测绘计量仪器检定站, 黑龙江哈尔滨 150081

收稿日期:2020-10-09 修回日期:2021-04-20 出版日期:2021-10-25 发布日期:2021-11-13
通讯作者: 夏国芳。E-mail:499123845@qq.com
作者简介:胡春梅(1981-),女,博士,副教授,主要从事激光雷达测量、摄影测量、三维重建及文化遗产保护等方面的研究。E-mail:huchunmei@bucea.edu.cn
基金资助:
国家自然科学基金（41401536）；北京建筑大学市属高校基本科研业务费专项资金（X18230）

Automatic high precision registration of terrestrial LiDAR point cloud and digital image

HU Chunmei¹, XIA Guofang², LIU Xi³

1. Beijing University of Civil Engineering and Architecture, Beijing 100044, China;
2. China Cultural Relics Information Consulting Center, Beijing 100029, China;
3. Heilongjiang Surveying and Mapping Measuring Instrument Verification Station, Haribin 150081, China

Received:2020-10-09 Revised:2021-04-20 Online:2021-10-25 Published:2021-11-13

摘要/Abstract

摘要： 针对地面激光雷达点云和数码光学影像非同源异质数据自动配准困难的问题，本文提出了基于互信息的两种数据同名特征高精度自动提取的方法。首先，把点云数据生成中心平面投影的反射强度图像和基于RGB信息的彩色图像，应用点云彩色图像和数码光学影像的匹配，确定点云与影像的粗配准参数；然后，对反射强度图像进行特征提取，应用粗配准参数确定其在数码光学影像上的初始位置，应用互信息实现非同源数据的高精度匹配；最后，应用罗德里格矩阵和选权迭代方法计算高精度配准参数，生成三维彩色模型。试验证明，本文方法可以解决地面激光点云和数码光学影像非同源异质数据的配准问题，具有一定的研究和应用价值。

关键词: 地面激光点云, 光学影像, 匹配, 互信息, 配准

Abstract: In order to solve the problem of automatic registration of non-homologous and heterogeneous data of ground LiDAR and digital optical image, this paper proposes a method of high-precision automatic extraction of homonymous features based on mutual information. Firstly, the reflection intensity image and the color image based on RGB information of the central plane projection are generated from the point cloud data, and the coarse registration parameters of the point cloud and the image are determined by the matching of the color image of the point cloud and the digital optical image. Then, the feature of the reflection intensity image is extracted, and its initial position on the digital optical image is determined by coarse registration parameters, and the high-precision matching of non-homologous data is realized by mutual information. Finally, Rodrigues matrix and weight selection iterative method are used to calculate the high-precision registration parameters and generate the three-dimensional color model. The experimental results show that this method can solve the registration problem of non-homologous and heterogeneous data for the terrestrial LiDAR point cloud and digital optical image, which has certain research and application value.

Key words: terrestrial LiDAR point cloud, optical image, matching, mutual information, registration

中图分类号:

P237

胡春梅, 夏国芳, 刘喜. 地面激光点云与数码影像自动高精度配准[J]. 测绘通报, 2021, 0(10): 83-87.

HU Chunmei, XIA Guofang, LIU Xi. Automatic high precision registration of terrestrial LiDAR point cloud and digital image[J]. Bulletin of Surveying and Mapping, 2021, 0(10): 83-87.

参考文献

[1] 胡春梅, 王晏民. 地面激光雷达与近景摄影测量技术集成[M].北京:测绘出版社, 2017:56-63.
[2] 方伟. 融合摄影测量技术的地面激光扫描数据全自动纹理映射方法研究[D]. 武汉:武汉大学, 2014:4-11.
[3] ELAKSHER A F. Using LiDAR-based DEM to orthorectify Ikonos panchromatic images[J]. Optics & Lasers in Engineering, 2009, 47(6):629-635.
[4] HUA X, PIERCE L E, ULABY F T. Mutual information based registration of SAR images[C]//Proceedings of 2003 IEEE International Geoscience and Remote Sensing Symposium. Touloyse:IEEE, 2003.
[5] 赵吉庆. LiDAR点云数据与光学影像数据配准方法研究[J]. 信息技术与信息化, 2019(7):146-147.
[6] 赵中阳, 程英蕾, 何曼芸. 基于面特征和SIFT特征的LiDAR点云与航空影像配准[J]. 空军工程大学学报, 2018, 19(5):69-74.
[7] 王琪. 基于Plücker坐标的影像点云与Li DAR数据自动配准研究[D]. 南京:南京航空航天大学, 2019:1-6.
[8] 韩松, 谷小婧, 顾幸生. 基于自适应互信息的红外/深度双摄像机时空配准[J]. 华东理工大学学报(自然科学版), 2019, 45(2):149-156.
[9] 王秀友, 范建中, 徐冬青, 等. 基于互信息的多基地InISAR成像融合新方法[J]. 控制工程, 2017, 24(11):63-69.
[10] VIOLA P, WELLS W M. Alignment by maximization of mutual information[J]. International Journal of Computer Vision. 1997, 24(2):137-154.
[11] 赵悟, 段永璇, 段会川, 等. 基于GSO算法与互信息的医学图像配准[J]. 中华医学图书情报杂志, 2019, 28(11):25-29.
[12] 邓非, 杨海关, 李丽英. 基于互信息的LiDAR与光学影像配准方法[J]. 测绘科学, 2009, 34(6):51-52.
[13] 邓非, 杨海关, 李丽英. 基于互信息的LiDAR与光学影像配准方法[J]. 测绘科学, 2009, 34(6):51-52.
[14] 王晏民, 胡春梅. 一种地面激光雷达点云与纹理影像稳健配准方法[J]. 测绘学报, 2012, 41(2):266-272.
[15] 张永军, 吴磊, 林立文, 等. 基于LiDAR数据和航空影像的水体自动提取[J]. 武汉大学学报(信息科学版), 2010, 35(8):936-940.
[16] 杨容浩, 岑敏仪, 张同刚, 等. 格网划分的最邻近点搜索方法[J]. 测绘科学, 2012, 37(5):90-93.
[17] MAES F, COLLIGNON A. Multimodality image registration by maximization of mutual information[J]. IEEE Transactions on Medical Imageing, 1997, 16(2):187-198.
[18] 曹蹊渺. 基于互信息的图像配准算法研究[D]. 北京:北京交通大学, 2008:28-30.
[19] 陈祉如. 基于特征点和互信息的图像配准研究[D]. 吉林:东北电力大学, 2014:20-22.
[20] 周其慧, 宋余庆, 陈健美, 等. 基于多分辨率和Powell算法的医学图像配准[J]. 计算机应用研究, 2013, 30(4):1256-1258.

地面激光点云与数码影像自动高精度配准

Automatic high precision registration of terrestrial LiDAR point cloud and digital image

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	滕文鑫, 张建辰, 邵杰. 集成时空邻近与卷积网络车道级高精度定位算法[J]. 测绘通报, 2022, 0(6): 1-5,61.
[2]	经皓然, 徐敬海. 异形建筑的无人机点云与地面三维激光扫描点云配准[J]. 测绘通报, 2022, 0(6): 32-39.
[3]	谢洪, 陈立波, 聂倩, 吴玮, 张沛. 利用点云配准的空地影像融合技术[J]. 测绘通报, 2022, 0(6): 82-87.
[4]	谢元, 董梦, 马新建. 多源数据在复杂场景建筑物三维重建的应用[J]. 测绘通报, 2022, 0(6): 143-147.
[5]	姜松言, 宋国民, 贾奋励, 陈令羽, 张蓝天. 结合地名知识和位置信息的中文地名匹配方法[J]. 测绘通报, 2022, 0(5): 120-125.
[6]	阮明浩, 卢永华, 刘玉贤, 汤圣君, 王伟玺, 张宇琦, 李游. 激光与倾斜点云精确配准与无缝融合[J]. 测绘通报, 2022, 0(4): 6-10.
[7]	罗国玮, 叶嘉媛, 王金凤. 基于多特征相似性的多源POI匹配方法[J]. 测绘通报, 2022, 0(4): 96-100.
[8]	熊成利, 龚旭峥, 沈正中, 龙容, 王硕. 不动产登记数据的建筑分层分户三维建模关键技术[J]. 测绘通报, 2022, 0(4): 149-153.
[9]	郁汀, 王铎, 陈钦. 基于伪语义相似度模型的中文地址匹配方法[J]. 测绘通报, 2022, 0(3): 101-106.
[10]	侯泽鹏, 徐二帅, 王文亮, 许志华. 局部特征匹配的卫星影像几何偏差估计可行性分析[J]. 测绘通报, 2022, 0(2): 37-42.
[11]	乐颖, 夏元平. 基于比值法的多源多时相数据城区变化检测[J]. 测绘通报, 2022, 0(2): 56-61.
[12]	石壮, 杜全叶, 王庆栋, 马东岭, 崔琰. 虚拟格网分类支持下的密集匹配点云布料模拟滤波[J]. 测绘通报, 2022, 0(2): 73-77.
[13]	彭雨龙, 胡顺石, 吴涛. 多策略中文地址匹配方法[J]. 测绘通报, 2022, 0(2): 145-148.
[14]	胡春梅, 夏国芳, 张旭, 刘喜, 王伟, 尉丽霞. 文物对象近景序列影像位姿高精度估计方法[J]. 测绘通报, 2022, 0(1): 50-55.
[15]	闫坤, 张志华, 颜鲁春. 结合正则化K-SVD和Hampel滤波的探地雷达数据重建[J]. 测绘通报, 2021, 0(8): 22-27.