城区机载激光雷达点云数据与航空影像的多尺度配准方法

陈思颖， 王晓鲁， 张寅超， 陈和， 郭磐

(北京理工大学 光电学院， 北京 100081)



城区机载激光雷达点云数据与航空影像的多尺度配准方法

陈思颖， 王晓鲁， 张寅超， 陈和， 郭磐

(北京理工大学 光电学院， 北京 100081)

提出了一种激光雷达(LiDAR)点云数据和航空影像的多尺度配准方法. 该方法采用渐进式的配准策略，利用面形态学的方法构建尺度空间. 配准过程分为两部分：在大尺度下利用面片特征进行配准；在小尺度下利用直线特征进行配准. 渐进式的配准策略简化搜索匹配的直线特征的过程，提高了自动化程度，构建基于面形态学的尺度空间提高了配准元的提取精度. 最后，通过实验验证了方法的可行性.

激光雷达；航空影像；面形态学；尺度空间；配准

激光雷达(LiDAR)已成为一种极具发展前景的精确地获取数字高程模型的方法. LiDAR与传统的摄影测量方法在方法和信息内容上都具有广泛的互补性[1]，因此，两种数据的融合具有很大的研究意义. 高效的配准技术是两种信息进行融合的关键. 为了借鉴传统的光学影像之间的配准方法，在一些LiDAR点云和影像的配准方法中，据根据三维点的高程信息先将点云数据转化成二维影像，然后利用已有的图像配准方法完成点云和影像的配准. 例如，Mastin等提出利用利用互信息作为配准的相似性测度进行配准. 同时，也有一些研究试着建立两种数据的直接对应关系. 例如，Habib等利用直线特征或面特征建立了光学影像和LiDAR点云的直接匹配模型. 显然，建立直接的配准模型会降低配准过程的自动化程度. 目前，国内外的学者还提出了一些其他的配准方法. 例如，Tee Ann等提出了利用相对定向和绝对定向进行配准的方法，Jen Yu等提出了利用光谱信息进行配准的方法. 武汉大学的马洪超教授等[2-3]也在这方面进行了大量的研究.

本文提出了一种多尺度下的多配准元的配准方法. 首先，将点云数据转换成二维影像，然后利用面形态学的方法生成多尺度的影像数据. 在大尺度下，分割面片，利用基于相位相关的方法进行粗略的配准，在小尺度下，利用直线特征进行配准. 每一尺度的配准结果都是下一尺度配准的初始条件. 该方法是一种渐进式的配准策略，这减小了搜索匹配的直线特征的过程. 利用基于面形态学的方法来构建尺度空间，减小了大尺度影像的形变，提高了配准元的提取精度. 实验结果证明该方法是有效可行的.

1 大尺度下基于面片的配准

从传统摄影测量角度看，影像与LiDAR点云配准的实质是绝对定向问题：即估计影像在该坐标系下的外方位参数(exterior orientation parame-ters， EOP). 本文提出的影像与LiDAR配准的整体思路如图1所示，包含两部分：大尺度下基于面片的配准和小尺度下基于直线的配准. 每一尺度获取的外方位参数EOP都会成为下一尺度配准的初始参数. 缩小尺度参数，通过多尺度、渐进式的配准，得到准确的EOP.

1.1 面形态学尺度空间建立

尺度空间是进行多尺度配准的数据基础. 由于面形态学开闭运算不依赖于结构元素的形状，能很好地除去图像中的细节、噪声等而保留细长的目标. 因此，在大尺度下目标的变形小，能够保证提取的配准元的精度[4].

1.2 基于面片的配准

使用较大的尺度参数处理后得到大尺度下的影像，其建筑物屋顶区域的颜色较为单一，因此可以通过图像分割的方法得到面片. 航测过程会提供单幅影像初始的内方位元素(interior orientation parameters，IOP)和EOP. 利用初始的IOP和EOP，可以根据共线方程将地物点投影到像坐标系中，共线方程为但初始EOP存在较大的误差. LiDAR点云数据和航空影像配准的过程从实质上来讲，是一个对EOP进行优化的过程. 大尺度下基于面片的配准主要包括下面几个步骤：

(1)

① 从大尺度的点云影像中分割面片，然后将其投影到影像坐标系中，然后从大尺度的航空影像中分割面片；

② 根据投影到影像平面上的点云面片和从航空影像中提取的面片生成两幅二值图像(面片区域为1，背景为0)，利用基于相位相关和对数极坐标变换的方法对这两幅二值图像进行配准，得到旋转、平移和缩放的参数[5]，原理框图如图2所示；

③ 把三维点云点投影到影像坐标系中，得到相应的二维坐标，利用上一步得到的参数进行变换，得到与相应地物更为匹配的新的坐标；最后，利用单幅影像的后方交会，求出更加精确的EOP.

2 小尺度下基于线特征的配准

完成大尺度下的粗略配准后，缩小尺度参数进行配准. 对小尺度的影像，通过Canny算子检测边缘后，利用Hough变换检测直线特征. 小尺度的配准会对EOP进行进一步的校准. 其配准的流程如图3所示.

① 对点云数据进行滤波，得到表示建筑物的点云点. 建筑物部分的点云点主要包括大量的屋顶点以及少量的墙壁点. 因此，对于特定的某一建筑物区域的点，可以利用最小二乘法将这些点拟合出一个平面，除去与这个平面的距离大于某一值的点，再对剩下的点进行重复的操作，直至所有的点与拟合的平面的距离都在某一特定的阈值内，便认为平面拟合结束. 得到能够在大地坐标系下准确表示建筑物屋顶的平面；

② 利用上一尺度得到的EOP将建筑物的屋顶平面投影到像平面坐标系中，根据投影面片生成一个二值图像(投影面片为1，背景为0). 将面片对应区域定义为Qi. 提取Qi的边缘ei.

③ 从影像中提取直线. 在直线p附近区域r(如图4，矩形围成的区域为搜索区域，其尺寸大小可以改变，黑色的不规则线为ei的一部分)搜索ei. 将这部分的ei拟合成几条直线q1，q2，…，qk[6].

④ 分别比较q1，q2，…，qk与p，寻找与p相匹配的qi，如果相匹配的qi多于一条或不存在，则舍弃p，在另一条直线附近继续搜索，直到遍历所有影像中的直线特征；

⑤ 根据匹配的直线对，可以计算出两条直线的缩放参数s，平移参数[xTyT]T，及旋转角度θ. 将三维的点云点利用式(1)投影到影像坐标系中，得到对应的坐标[xTyT]T. 利用式(2)得到新的坐标[x′y′]T. 利用多组[x′y′]T和其对应的[XYZ]T，通过单幅影像的后方交会，计算出更加精确的EOP.

(2)

缩小尺度参数，利用上一尺度得到的EOP作为初始参数，重复上述过程，直至得到精确地EOP，完成配准过程.

3 实验结果及误差分析

3.1 实验数据

为了对该配准方法进行验证，采用了由Leica公司的ALS50-II机载LiDAR系统和RCD105数码相机在敦煌县城附近进行采集得到的点云数据和航空影像数据进行实验，点云的密度为2.02点/m2，航空影像的分辨率为0.33 m. 截取部分点云和航空影像如图5所示.

3.2 配准结果

利用初始的EOP，将点云投影到像平面坐标系中，投影结果如图7(a)所示，红色区域为点云点投影到影像上所在的区域. 大尺度下利用面片粗略地配准，计算出一组EOP. 不断地缩小尺度参数，将上一尺度得到的EOP作为初始参数，利用直线进行配准，得到更加精确的EOP(见表1).

直到得到满意的配准结果. 配准结果如图7(b)、7(c)、7(d)所示.

表1 不同尺度下的EOP

为了验证该方法对于城区数据的适用性，在上述结果的基础上又选取了两组数据进行实验，得到的结果如图8所示.

3.3 误差评估

为了估计配准精度，分别从点云数据和航空影像中人工选取5组匹配点，计算配准后投影点与对应的影像点的距离d，用d来表示配准的误差. 结果如表2所示，得到的标准误差为：0.69，0.64和0.48 m. 考虑到点云点的平均距离为0.70 m，航空影像的分辨率为0.33 m，所以认为误差是在合理的范围内，本文所提出的配准方法是可行的.

表2 配准误差

4 结 论

本文提出了一种LiDAR点云数据和航空影像的多尺度的配准方法. 该方法分为两部分：在大尺度下基于面片的配准和在小尺度下基于直线的配准. 在大尺度下，面片是主要的配准元，分割面片后利用基于相位相关的方法进行粗略的配准. 在小尺度下，直线特征是主要的配准元. 把点云数据投影到像坐标系中形成的区域的边缘拟合成直线，将从航空影像中提取的直线特征与拟合得到的直线进行比较，获得与之相匹配的直线. 利用匹配的直线特征便可完成小尺度下的配准. 本文首次使用面形态学的方法来构建尺度空间，这提高了提取配准元的精度. 此外，大尺度下的配准简化了小尺度下搜索匹配的直线特征的过程，提高了配准的自动化程度. 我们选取了3组数据进行实验，得到的误差是在合理的范围之内，配准结果是准确的. 在未来的研究中，会对配准方法的适用场景进行进一步的扩展.

[1] Baltsavias E P. A comparison between photogrammetry and laser scanning[J]. ISPRS Journal of Photogrammetry & Remote Sensing， 1999，54:83-94．

[2] 马洪超，姚春静，邬建伟.利用线特征进行高分辨率影像与LiDAR点云的配准[J].武汉大学学报:信息科学版，2012，37(2):136-159．

Ma Hongchao， Yao Chunjing， Wu Jianwei. Registration of LiDAR points and high resolution images based on linear features[J]. Geomatics and Information Science of Wuhan University， 2012，37(2):136-159.(in Chinese)

[3] 张良，马洪超，高广，等.点、线相似不变性的城区航空影像与机载激光雷达点云自动配准[J].测绘学报，2014，43(4):372-379．

Zhang Liang， Ma Hongchao， Gao Guang， et al. Automatic registration of urban aerial image with airborne LiDAR points based on line-point similarity invariants[J]. Acta Geodaetica et Cartographica Sinica， 2014，43(4):372-379. (in Chinese)

[4] Vu T T， Yamazaki F， Matsuoka M. Multi-scale solution for building extraction from LiDAR and image data[J]. Int J Appl Earth Obs， 2009，11:281-289.

[5] Reddy B S， Chatterji B N. An FFT-based technique for translation， rotation， and scale-invariant image registration[J]. IEEE Transactions on Image Processing， 1996，5(8):1266-1271.

[6] 张浩，才辉，张光新，等.一种新的基于边缘拟合的图像配准方法[J].光电子-激光，2009，20(1):103-107.

Zhang Hao， Cai Hui， Zhang Guangxin， et al. A novel image registration method based on edge fitting[J]. Journal of Optoelectronics-Laser， 2009，20(1):103-107. (in Chinese)

(责任编辑：李兵)

Multi-Scale Registration of LiDAR Data and Aerial Image

CHEN Si-ying， WANG Xiao-lu， ZHANG Yin-chao， CHEN He， GUO Pan

(School of Optoelectronics， Beijing Institute of Technology， Beijing 100081， China)

A multi-scale registration method was presented for aerial image and light detection and ranging (LiDAR) data. Multi-scale registration refers to a “from coarse to fine” and progressive registration strategy based on scale-space theory. Area morphology was used to build the scale-space. The methodology includes two parts: first， registration in coarse scale with surface patch and second， registration in fine scale with linear feature. In this proposed method， the search for matched lines was simplified as a result of progressive registration strategy. The automaticity was improved. Besides， the area morphological scale-space was used to improve the accuracy of extraction of the registration primitives. This method was verified with experiment．

LiDAR; aerial image; area morphology; scale space; registration

2014-11-06

国家自然科学基金资助项目(61178072)

陈思颖(1975—)，女，副教授，E-mail:csy@bit.edu.cn；王晓鲁(1990—)，男，硕士，E-mail:wangxl_0426@126.com.

P 2

A

1001-0645(2016)02-0186-05

10.15918/j.tbit1001-0645.2016.02.015