數據進行初始匹配，獲取種子點；
[0047] 8)區域擴散，即種子點擴散，內插生成待定點的空間坐標和法向量，得到相對密集 的點云，使其均勻密集的分布在規則格網上；
[0048] 9)粗差剔除，通過多片前方交會嚴密解方式以及最小二乘思想，剔除點云粗差點； 并判斷格網單元是否計算完畢，如果是，則進入步驟10,否則，回到步驟8繼續進行區域擴 散；
[0049] 10)生成密集點云，構tin建立三維模型。
[0050] 本發明首先在現有數據的基礎上，建立空間格網，使種子點擴散易于控制，然后利 用Harris改進算法提取作為特征點，對特征點匹配同名點，由每一對同名點得到物方種子 點后，進行區域擴散，采用最小二乘的思想對擴散后的誤差點進行粗差剔除，得到精度較高 的種子點后，重復區域擴散和粗差剔除，直到點云精度得到滿足，較為均勻的分布在空間格 網上；其中特征點的提取算法，提高了傾斜航空密集點云提取過程中特征點提取的效率； 在種子點擴散后，對得到的密集點云采用最小二乘的思想進行迭代式粗差剔除，大大提高 了點云提取的精度和密度。通過本發明流程提取的點云數據可以用于構tin，進過一系列的 數據處理，模型構建方法進行城市三維建模，城市三維建模技術的發展適應了城市發展需 求，三維模型的構建使得地物的實際情況得到更真實的反映，城市三維景觀的建立，將以 全新的方式表達和處理地理空間信息，在城市規劃、房地產開發、交通管理、旅游等領域起 著重要的作用。
[0051] 較佳地，關于步驟2中建立坐標格網，格網的范圍包含所有參與匹配的影像在物 方的覆蓋范圍，格網單元的大小表示成果密集點云的最小單位，利用規則格網將平面劃分 為小的面元，使其在平面上沿平行于物方的X、Y軸方向規則分布；其中，面元的大小根據匹 配要達到的精度或者根據生成DSM的分辨率來確定，且其不小于對應影像的分辨率；同時， 每個面元中心的平面坐標是固定的，且初始化平面元不具備高程值屬性。
[0052] 較佳地，關于步驟4選取候選角點，設定閥值A作為點S(i，j)目標像素點和鄰域 像素點差值的參數，通過對灰度圖像進行掃描，若被掃描的目標像素點與其鄰域像素點之 差在（-s，s)之間，則該目標像素點為灰度相似點，即指目標像素點與鄰域像素點的灰度 值之差小于閥值A的目標像素點，根據八鄰域內灰度相似點的個數判斷該點是否為候選角 點，并記錄所有的候選角點S(i，j)。
[0053] 較佳地，關于步驟5中閥值B的確定，利用Harris角點響應函數（CRF)確定灰度 圖像中閾值B，具體地說，目標像素點與其鄰域像素點灰度變化小，Harris角點響應函數 (CRF)值為小數值的正數，不是角點；目標像素點包含邊緣時Harris角點響應函數（CRF) 值為大數值的負數，不是角點；目標像素點沿任意方向移動窗口時灰度變化大，Harris角 點響應函數（CRF)值為大數值的正數，以上三種情況Harris角點響應函數（CRF)值的大小 區分很明顯，其中閾值B大于小數值的正數。
[0054] 較佳地，在步驟6中，參考影像采用垂直影像，搜索影像采用同航線、同名相機上 的影像，若無法獲取同航線、同名相機上的影像則搜索影像采用同姿態影像。
[0055] 較佳地，關于步驟7,在搜索影像上得到參考影像的同名點后，利用空三加密的結 果，確定同名點的內外方位信息，由兩個同名點根據幾何交匯得到物方點，然后將每一個物 方點根據其空間坐標映射到相應的網格內，用不同的顏色代表不同的高程信息，所映射到 網格內的物方點作為密集匹配的初始種子點，且每一個格網不只是含有一個種子點。
[0056] 較佳地，關于步驟8的區域擴散，通過空間內插來實現種子點的擴散，利用回歸分 析、最小二乘法對種子點進行擬合，對窗口內的待定點精化，通過已知的點空間信息的點構 造函數關系式，內插生成待定點的空間坐標和法向量。
[0057] 種子點有了坐標和高程，對其格網周圍的沒有空間信息的點為待定點。
[0058] 較佳地，關于步驟9粗差剔除，通過多片前方交會嚴密解的方式、最小二乘思想以 剔除點云粗差點；
[0059] 具體數學模型：
[0063] 其中：
[0064] I1= fa!+ (x-x〇)a3
[0065] I2= fb!+ (x-x〇)b3
[0066] I1= fc!+ (x-x〇)c3
[0067] Ix= faA^fb1YJfc1Zs+ (x-x。)a3Xs+ (x-x。)b3Ys+ (x-x。)C3Z15
[0068] I4= fa2+(y-y〇)a3
[0069] I5= fb3+(y-y〇)b3
[0070] I6= fc2+(y-y〇)c3
[0071 ] Iy= fa2Xs+fb2Ys+fc2Zs+ (y-y〇)a3Xs+ (y-y〇)b3Ys+ (y-y〇)C3Zs
[0072] 對參考影象和搜索影像上的一對同名點，可列出4個上述的線性方程式，而未知 數個數為3,故可以用最小二乘法求解，若n幅影像中含有同一個物方點，則可由總共2n個 線性方程式解求X，Y，Z3個未知數。
[0073] 這是一種嚴格的、不受影像數約束的空間前方交會方法，由于是解線性方程組，故 也不需要空間坐標的初值；為了進一步提高點云的精度，可以利用建筑物、斑馬線等地物直 線、直角等幾何關系的約束，進一步剔除粗差點。
[0074] 本發明采用上述技術方案所得到的技術效果在于：
[0075] 本發明提出一種能對擴散后的點云進行反復粗差剔除，并改進特征點獲取流程以 提高運行效率的高精度、高效率且應用范圍廣的面向城市三維建模的密集點云的快速提取 方法，具體優點如下：
[0076] 1)誤差減少：本發明在點云提取出來后對點云的粗差剔除采用最小二乘的思想， 通過前方交匯嚴密解的方式，并結合建筑物等的幾何關系約束提高了粗差點剔除的力度， 而且對提取出來的種子點重復區域擴散和粗差剔除，直到點云精度得到滿足，較為均勻的 分布在空間格網上，誤差較少。
[0077] 2)效率提高：在提出一種面向城市三維建模的密集點云的快速提取流程的基礎 上，在特征提取的Harris算法上作出改進，原有的算法涉及的乘法比較多，占用的計算時 間比較多，改進的方法提取出一部分候選角點，增加了加法運算，但不用對每一個像素點計 算角點響應函數，計算速度較快，在保證原有方法的優點上，提高了特征點提取的效率。
[0078] 3)應用得到擴展：本申請在密集點云的提取速度和精度上都有所改善，可以用來 快速構建三維模型，使模型的精細化程度得到提高，進而促進城市三維模型的空間信息可 視化，對城市建設、規劃設計、城鎮交通、應急指揮等行業的指導性工作得到加強。
【附圖說明】
[0079] 圖1為本實施例密集點云提取方法的流程圖；
[0080] 圖2為本實施例匹配格網劃分示意圖；
[0081] 圖3為本實施例核心像素點與鄰域像素點灰度對比示意圖；
[0082] 圖4為本實施例核線幾何約束示意圖；
[0083] 圖5為本實施例種子點獲取獲取示意圖；
[0084] 圖6為本實施例單元格網多種子點的示意圖；
[0085] 圖7為本實施例區域擴散生成待定點的空間信息示意圖；
[0086] 圖8為本實施例建筑物幾何關系不意圖；
[0087] 圖9為本實施例三維模型示意圖。
【具體實施方式】
[0088] 下面結合附圖與【具體實施方式】對本發明作進一步詳細描述：
[0089] 實施例：一種面向城市三維建模的密集點云的快速提取方法，如圖1所示，具體包 括以下步驟：
[0090] 1)數據準備，數據具體包括傾斜航空攝影獲取的多視影像數據、空三加密后的影 像外方位元素、傾斜航攝儀相機參數信息，所述的多視影像數據包