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。
[0112] 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；
[0113] 具體數學模型：
[0117] 其中：
[0118] I1= fa!+ (x-x〇)a3
[0119] I2= fb!+ (x-x〇)b3
[0120] I1= fc!+(X-X0)cS
[0121 ] Ix=faAJfb1Y1^fc1Zs+ (x-x0)a3Xs+ (x-x0)b3Ys+ (x-x0)C3Zs
[0122] I4= fa2+(y-y〇)a3
[0123] I5= fb3+(y-y〇)b3
[0124] I6= fc2+(y-y〇)c3
[0125] Iy=fa2Xs+fb2Ys+fc2Zs+ (y-y〇)a3Xs+ (y-y〇)b3Ys+ (y-y〇)C3Zs
[0126] 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。
[0127] 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，如圖8所示，進一步剔除粗差點。
[0128] 還需要說明的是，凡在本發明的精神及原則之內，所做的任何修改、等同替換、改 進等，均應包含在本發明的保護范圍之內。
【主權項】
1. 一種面向城市三維建模的密集點云的快速提取方法，其特征在于具體包括以下步 驟： 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括有元數據，內含影像分辨 率、影像投影坐標； 2) 在步驟1中的多視影像數據中的垂直影像上，按照城市三維建模精細化的實際需求 建立坐標格網，坐標格網中每個格網單元的大小不小于影像分辨率，所述影像分辨率與步 驟1的影像分辨率相同； 3) 將多視影像轉換為灰度圖像，并通過高斯濾波對灰度圖像進行平滑處理； 4) 在灰度圖像中，計算各目標像素點的灰度值與其鄰域像素點的灰度值，將各目標像 素點的灰度值與其鄰域像素點的灰度值進行比較形成差值，多個差值構成一個數值范圍， 在該數值范圍內確定閥值A的大小，然后判斷各目標像素點的灰度值與其鄰域像素點的灰 度值的差值是否大于閥值A，如果是，則將該目標像素點提取作為候選角點，否則，直接舍 去； 5) 計算步驟4中候選角點的角點響應函數（CRF)值，判斷該候選角點的角點響應函數 (CRF)值是否大于預先設定的閥值B，如果是，則將該候選角點提取作為特征點，否則，直接 舍去； 6) 匹配同名點，選擇參考影像和搜索影像，將參考影像上的特征點按核線幾何約束條 件在搜索影像上尋找同名點； 7) 生成種子點，利用步驟1中的數據進行初始匹配，獲取種子點； 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； 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； 10) 生成密集點云，構tin建立三維模型。2. 根據權利要求1所述的一種面向城市三維建模的密集點云的快速提取方法，其特征 在于：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。3. 根據權利要求1所述的一種面向城市三維建模的密集點云的快速提取方法，其特征 在于：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)。4. 根據權利要求1所述的一種面向城市三維建模的密集點云的快速提取方法，其特 征在于：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。5. 根據權利要求1所述的一種面向城市三維建模的密集點云的快速提取方法，其特征 在于：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。6. 根據權利要求1所述的一種面向城市三維建模的密集點云的快速提取方法，其特征 在于：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。7. 根據權利要求1所述的一種面向城市三維建模的密集點云的快速提取方法，其特征 在于：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。8. 根據權利要求1所述的一種面向城市三維建模的密集點云的快速提取方法，其特征 在于：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； 具體數學模型：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η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，Z 3個未知數。
【專利摘要】本發明提出一種面向城市三維建模的密集點云的快速提取方法，包括以下步驟：1)數據準備；2)建立坐標格網；3)將影像轉換為灰度圖像；4)判斷各目標像素點的灰度值與其鄰域像素點的灰度值的差值是否大于閥值A，如果是，則作為候選角點，否則，舍去；5)計算候選角點的角點響應函數(CRF)值，判斷該候選角點的角點響應函數(CRF)值是否大于閥值B，如果是，則作為特征點，否則，舍去；6)匹配同名點；7)生成種子點；8)區域擴散；9)粗差剔除；10)生成密集點云，構tin建立三維模型。與現有技術相比，本發明具有誤差小、精度高、運行效率高、應用擴展廣泛等優點。
【IPC分類】G06T17/05, G06K9/46, G06T7/00
【公開號】CN105069843
【申請號】CN201510520637
【發明人】李英成, 王恩泉, 廖明, 孫攀, 俞凱杰, 敖楠, 唐澤彬, 葉冬梅, 張金龍
【申請人】浙江中測新圖地理信息技術有限公司
【公開日】2015年11月18日
【申請日】2015年8月22日