融合激光点云与影像点云的精细化DEM生成

doi:10.13474/j.cnki.11-2246.2022.0360

测绘通报 ›› 2022, Vol. 0 ›› Issue (12): 77-83.doi: 10.13474/j.cnki.11-2246.2022.0360

融合激光点云与影像点云的精细化DEM生成

戴华毅^1,2, 李守军^1,2,3, 张梓巍^2,3, 阳凡林^1,4, 毛冬海^1,2, 陈祥^2,3

1. 山东科技大学测绘与空间信息学院, 山东青岛 266590;
2. 自然资源部海底科学重点实验室, 浙江杭州 310012;
3. 自然资源部第二海洋研究所, 浙江杭州 310012;
4. 自然资源部海洋测绘重点实验室, 山东青岛 266590

收稿日期:2022-05-30 修回日期:2022-10-26 发布日期:2023-01-05
通讯作者: 李守军。E-mail:0911guang@163.com
作者简介:戴华毅(1994-),男,硕士,研究方向为无人机航空摄影测量与激光点云数据处理方法。E-mail:756853228@qq.com
基金资助:
中央级公益性科研院所基本科研业务费专项（JG2110）；全球变化与海气相互作用专项二期（20094G；QQ21045G）；国家自然科学基金（41576099）；国家重点研发计划（2016YFC1401210）；浙江省沿海滩涂（潮间带）资源监测与评价项目（SJ21003；SJ21181）

Refined DEM generation based on fusion of laser point cloud and image point cloud

DAI Huayi^1,2, LI Shoujun^1,2,3, ZHANG Ziwei^2,3, YANG Fanlin^1,4, MAO Donghai^1,2, CHEN Xiang^2,3

1. College of Geodesy and Geomatics, Shandong University of Science and Technology, Qingdao 266590, China;
2. Key Laboratory of Submarine Geosciences, Ministry of Natural Resources, Hangzhou 310012, China;
3. Second Institute of Oceanography, Ministry of Natural Resources, Hangzhou 310012, China;
4. Key Laboratory of Marine Surveying and Mapping, Ministry of Natural Resources, Qingdao 266590, China

Received:2022-05-30 Revised:2022-10-26 Published:2023-01-05

摘要/Abstract

摘要： 针对地面激光扫描及无人机航摄技术在实际外业测量中受视场角限制或遮挡等因素的影响而难以获取待测区域完整的点云数据的问题，本文在经典ICP算法的基础上，提出了一种顾及高程差异和点云密度的激光点云与影像点云融合方法。通过差分数字高程模型对点云进行分块，并基于点云密度选取融合范围，将分块后的影像点云配准到激光点云的孔洞和稀疏区域。本文方法能够提高激光点云与影像点云的融合效果，保持激光点云的精度并保留更多的细节特征，实现激光点云与影像点云的高质量融合。

关键词: 激光点云, 影像点云, 分块配准, 点云融合, 差分数字高程模型

Abstract: In view of the problem that the ground laser scanning and UAV aerial photography technology is difficult to obtain the complete point cloud data of the area to be measured due to factors such as field angle limitation or occlusion in actual field measurement, based on the classical ICP algorithm, this paper proposes a fusion method of laser point cloud and image point cloud considering the elevation difference and point cloud density, divides the point cloud into blocks by differential digital elevation model, selects the fusion range based on the point cloud density, and registers the segmented image point cloud to the holes and sparse areas of the laser point cloud. The method in this paper can improve the fusion effect of laser point cloud and image point cloud, keep the precision of laser point cloud and retain more detailed features, and realize the high-quality fusion of laser point cloud and image point cloud.

Key words: image point cloud, laser point cloud, block registration, point cloud fusion, differential digital elevation model

中图分类号:

P237

戴华毅, 李守军, 张梓巍, 阳凡林, 毛冬海, 陈祥. 融合激光点云与影像点云的精细化DEM生成[J]. 测绘通报, 2022, 0(12): 77-83.

DAI Huayi, LI Shoujun, ZHANG Ziwei, YANG Fanlin, MAO Donghai, CHEN Xiang. Refined DEM generation based on fusion of laser point cloud and image point cloud[J]. Bulletin of Surveying and Mapping, 2022, 0(12): 77-83.

参考文献

[1] GALLAY M, KAŇUK J, ŠAŠAK J, et al. High-resolution digital terrain modelling of a rugged alpine terrain by fusing data from terrestrial laser scanning and UAV photogrammetry[J]. PeerJ Preprints, 2018, 6:1-5.
[2] WILKINSON M W, JONES R R, WOODS C E, et al. A comparison of terrestrial laser scanning and structure-from-motion photogrammetry as methods for digital outcrop acquisition[J]. Geosphere, 2016, 12(6):1865-1880.
[3] NEUGIRG F, STARK M, KAISER A, et al. Erosion processes in calanchi in the Upper Orcia Valley, Southern Tuscany, Italy based on multitemporal high-resolution terrestrial LiDAR and UAV surveys[J]. Geomorphology, 2016, 269:8-22.
[4] YU M, HUANG Y, Zhou J M, et al. Modeling of landslide topography based on micro-unmanned aerial vehicle photography and structure-from-motion[J]. Environmental Earth Sciences, 2017, 76(15):1-9.
[5] 李阳, 袁琳, 赵志远, 等. 基于无人机低空遥感和现场调查的潮滩地形反演研究[J]. 自然资源遥感, 2021, 33(3):80-88.
[6] 唐远彬, 刘文, 任少华. 基于无人机遥感技术的潮间带高程测量方法[J]. 国土资源遥感, 2013, 25(2):42-46.
[7] 李杰, 孙楠楠, 唐秋华, 等. 三维激光扫描技术在海岸线测绘中的应用[J]. 海洋湖沼通报, 2012(3):90-95.
[8] 魏伟, 周云轩, 田波, 等. 基于地面激光扫描的典型海岸带盐沼潮滩地形反演[J]. 吉林大学学报(地球科学版), 2018, 48(6):1889-1897.
[9] 刘宝华, 王智, 宋云记. 三维激光点云和无人机倾斜模型的融合应用[J]. 测绘通报, 2021(6):159-162.
[10] 何原荣, 陈平, 苏铮, 等. 基于三维激光扫描与无人机倾斜摄影技术的古建筑重建[J]. 遥感技术与应用, 2019, 34(6):1343-1352.
[11] 张子健, 程效军, 曹宇杰, 等. 结合激光与视觉点云的古遗迹三维重建应用[J]. 中国激光, 2020, 47(11):273-282.
[12] 陈秋明, 黄发明, 宋鹏. 无人机及三维激光扫描仪技术在沙滩剖面动态监测中的应用及测量精度分析[J]. 应用海洋学学报, 2021, 40(3):529-539.
[13] 闫利, 谭骏祥, 刘华, 等. 融合遗传算法和ICP的地面与车载激光点云配准[J].测绘学报, 2018, 47(4):528-536.
[14] LI Z, LI Z K. Virtual Namesake point multi-source point cloud data fusion based on fpfh feature difference[J]. Sensors, 2021, 21(16):5441-5456.
[15] 陈驰, 杨必胜, 彭向阳.低空UAV激光点云和序列影像的自动配准方法[J].测绘学报, 2015, 44(5):518-525.
[16] 韩东升, 徐茂林, 金远航.多源异构点云配准数据的滤波及精度分析[J].测绘科学技术学报, 2020, 37(5):503-508.
[17] RAGINSKY M, LAZEBNIK S. Locality-sensitive binary codes from shift-invariant kernels[C]//Proceedings of the 23rd Annual Conference on Neural Information Processing Systems (NIPS). Red Hook, NY:Curran Associates, Inc., 2009:1509-1517.
[18] GONG Y C, LAZEBNIK S, GORDO A, et al. Iterative quantization:a procrustean approach to learning binary codes for large-scale image retrieval[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(12):2916-2929.
[19] 王康康, 郑学东, 赖旭东. 机载LiDAR点云密度与DEM产品精度关系研究[J]. 测绘地理信息, 2021, 46(3):78-82.

融合激光点云与影像点云的精细化DEM生成

Refined DEM generation based on fusion of laser point cloud and image point cloud

RichHTML

PDF

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]	刘华光, 王军军, 寇媛. 利用无人机激光点云数据更新地形级实景三维地理场景[J]. 测绘通报, 2022, 0(9): 111-114.
[2]	李少先. 利用双向布料模拟的机载建筑物点云提取[J]. 测绘通报, 2022, 0(3): 148-151.
[3]	李佳俊. 面向对象的精细化建模分析[J]. 测绘通报, 2022, 0(12): 1-6.
[4]	李昊霖, 李冲, 王辉, 佘毅. 一种机载LiDAR数据漏洞检测方法[J]. 测绘通报, 2022, 0(1): 133-138.
[5]	李晓丽, 刘如飞, 汤玉兵, 任红伟, 柴永宁. 高精度矢量数据的路面三维自动建模方法[J]. 测绘通报, 2021, 0(7): 70-73.
[6]	赵文军, 丁智奇, 王泓森. 倾斜实景模型和LiDAR点云数据相融合的不动产测量新方法[J]. 测绘通报, 2021, 0(2): 87-92.
[7]	赵焰, 曹聿铭, 黄鹤. 基于车载激光点云的高精地图矢量化成图[J]. 测绘通报, 2021, 0(12): 105-109,114.
[8]	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.
[9]	余建伟, 廖江海, 陈智鹏, 熊永钢, 熊智敏. 基于断面基准面点云模型的隧道管片分割与断面提取[J]. 测绘通报, 2021, 0(10): 159-162.
[10]	王晓静, 唐超, 杨晓飞. 激光点云在地铁盾构隧道病害诊断中的应用[J]. 测绘通报, 2020, 0(9): 33-37.
[11]	殷红霞, 杨建红. 多源异构点云融合技术在古建筑信息留存中的应用[J]. 测绘通报, 2020, 0(9): 162-164.
[12]	周贻港. 利用三维激光点云重构建筑物模型[J]. 测绘通报, 2020, 0(3): 109-112.
[13]	马自军, 谯生有, 闻道荣. 三维激光扫描仪在隧道工程施工中的应用[J]. 测绘通报, 2020, 0(3): 157-159.
[14]	羌鑫林, 李广伟, 王留召, 张伟红. 基于SSW点云数据的矢量地图平面精度自动校验方法[J]. 测绘通报, 2019, 0(3): 98-102.
[15]	王娜, 段龙飞, 徐卫东, 王志一. 塔形构筑物倾斜变形监测新方法[J]. 测绘通报, 2019, 0(3): 133-136.