论文部分内容阅读
数字摄影测量,特别是航空数字摄影测量经过几十年的发展,已经形成了一套比较完备的理论体系,作为地理信息的重要获取手段之一,有其独特的纹理表现优势。近年来,在地震等自然灾害的应急响应中,低空摄影测量、非常规航空摄影测量也发挥了重大作用。机载激光扫描,通常也被称为LiDAR (Light Detection And Ranging),最近几年有了蓬勃的发展和应用,LiDAR为获取高时空分辨率的地球信息提供了一种全新的手段。相对于可以提供地面丰富的光谱、纹理信息的航空影像,LiDAR数据最大优势,在于直接提供大量地面离散点的三维信息。这两种数据各有优势,互为补充。随着相关技术的不断发展,航空摄影测量与LiDAR集成是发展的必然趋势。然而,实现两者的集成,最关键的问题之一,就是实现航空影像与LiDAR数据的高精度配准,即实现影像上像点与LiDAR数据的准确对应。本文借鉴传统航空摄影测量中空中三角测量的作业思路,针对大区域航空影像和机载LiDAR数据的配准进行研究,提出了在无地面控制点的情况下,实现航空影像与LiDAR数据自动、高精度配准的方法。该方法的核心是对航空影像进行密集特征点提取与匹配,经过前方交会获得特征点对应的三维坐标,从而将航空影像与LiDAR数据的配准问题,转化为匹配点云与LiDAR点云的配准问题。迭代最邻近点算法(Iterative Closest Point Algorithm, ICP)是激光点云拼接较有效的方法,但它需要较好的初值,解算过程中搜索耗时也多。在解决了ICP算法所需要的初值和解算过程中搜索耗时问题的基础上,将其应用于影像匹配点云与LiDAR点云的配准。在航空影像与LiDAR数据的配准过程中,利用循环迭代的思想,在每一次配准控制片的密集点云后,都要筛选配准点作为控制点,重新进行光束法区域网平差,解算出影像新的方位元素。针对非常规摄影测量中影像重叠度不满足规范要求,无法进行常规空中三角测量的问题,使用立体像对进行密集匹配获取匹配点云,利用ICP算法配准影像匹配点云和LiDAR点云,然后筛选配准点经过后方交会解算出影像的外方位元素,实现非常规航空摄影条件下影像与LiDAR数据的配准。整个配准过程中涉及以下几个方面的问题。(1)影像初始外方位元素在有影像定位定向系统(Position and Orientation System, POS)数据的情况下,POS数据即为影像的初始外方位元素。在无影像POS数据时,基于尺度不变特征变换(Scale Invariant Feature Transform, SIFT)特征算子,进行空中三角测量连接点自动匹配,然后,使用少量从LiDAR数据中获取的粗略控制点,进行平差获取影像初始的外方位元素。(2) LiDAR和初始方位元素约束的航空影像多视密集匹配借鉴航空摄影测量中地面控制点的布设方案,确定测区某些影像为控制片。在控制片上划分格网,提取Harris密集特征点,然后进行POS数据和LiDAR点云三维信息约束的同名点多视匹配,同时利用LiDAR数据水域信息,剔除位于水域的点,获得影像上的高精度、密集匹配点。(3)影像匹配点云与LiDAR点云的配准使用迭代解算的方法配准影像匹配点云和LiDAR点云。在每一次循环迭代中,首先,使用前一次平差解算出的影像方位元素(第一次迭代时,影像外方位元素使用初始值或POS数据),经过同名点的前方交会获得影像匹配点物方三维坐标。然后,根据迭代最邻近点配准算法(Iterative Closest Point Algorithm,ICP)原理,以距离最近为衡量标准确定两种点云的关键对应点,配准影像匹配点云和LiDAR点云。然后,筛选高质量配准点作为像控点,进行光束法区域网平差,解算出影像新的方位元素,并且对配准精度进行评价。如果达不到精度要求,则进行下一次迭代运算,最终获取相对于LiDAR坐标框架下的高精度影像方位元素,实现无地面控制条件下的航空影像与LiDAR数据自动高精度配准。(4)配准点空间后方交会解算影像外方位元素非常规航空摄影测量条件下,经过立体影像匹配生成的匹配点云和LiDAR点云配准后,筛选良好的配准点进行空间后方交会,解算影像的外方位元素,并对结果进行精度评价。非常规摄影测量的航空影像与LiDAR数据配准实验表明,通过配准匹配点云和LiDAR点云的方式相对于人工配准,自动化程度高、精度更高。针对常规摄影测量获取的航空影像,以空中三角测量作业的流程,解算出影像在LiDAR坐标系下的方位元素,从而实现航空影像与LiDAR数据的自动高精度配准。