CN104063499A - 基于车载空间信息采集的空间矢量poi提取方法 - Google Patents

Abstract

本发明涉及一种基于车载空间信息采集的空间矢量POI提取方法，包括以下步骤：城市道路两侧街景数据及激光云点的获取、匹配；点选POI目标处；空间矢量POI获取；获得具有空间矢量信息的POI，包含平面坐标、高程信息、朝向信息；本发明的有益效果是为用户提供一种真实三维的POI信息，提高了POI信息显示或跳转的精确度。

Description

基于车载空间信息采集的空间矢量POI提取方法

技术领域

本发明涉及POI地图应用领域，尤其涉及一种基于车载空间信息采集的空间矢量POI提取方法。

背景技术

近年来，地图服务得到越来越广泛的应用，它主要是搜索信息点(Point of Interest,简称POI),完成目标的搜寻或完成路线导航查询等。路线查询是一项应用十分广泛的技术，目前，信息点都仅仅包含坐标信息和名称信息，在搜索过程中，造成大量的信息点涌现，尤其是在路线查询中，无法判断方向和终点目的地。

中国专利文献中，公开号为CN103150309A、名称为一种空间方向感知地图兴趣点搜索方法和系统的发明专利公开了一种技方案(具体参见说明书全文)，该技术方案从通过以地图平面中的四个顶点为坐标原点，以地图平面中各原点出发的相邻两条边为轴建立四个坐标系地图；对于每个坐标系地图按照POI点的位置先进行径向区域切分，然后进行弧度区域切分，使切分完毕的每个子区域包括相似的POI点个数，然后再针对子区域地图和各POI点分别建立索引；因按照圆的方式划分的子区域，可以很方便的得到各POI点的相对指定坐标系坐标轴的角度和子区域的角度范围，所以，对于用户端带有方案信息的请求，即可根据索引的构建方法查询到符合方位信息POI点。

上述兴趣点搜素方法通过建立四个坐标系地图实现了带方位信息的POI点的查询；上述技术方案仅仅能够查询带有明确方位信息的POI点，不能同步显示查询POI点的方向，且上述方案无法显示真实的空间信息，精确度较差，且上述方案计算量大，造成成本的提高。

发明内容

本发明解决的技术问题是提供一种基于车载空间信息采集的空间矢量POI提取方法，目的是将POI信息录入电子地图数据库后，为用户提供一种真实三维的POI信息。

为了解决上述技术问题，本发明采用的技术方案是一种基于车载空间信息采集的空间矢量POI提取方法，包括以下步骤：

1)城市道路两侧街景数据及激光云点的获取、匹配；

2)点选POI目标处：通过计算机自动捕获激光点A并记录其坐标和POI的名称，同时记录POI街景对应的采集点B；

3)以激光点A为基础计算空间矢量POI的方向。

和现有技术相比，本方案基于提取空间矢量POI的构思，利用空间信息采集设备采集激光云点，获取空间矢量POI，主要包括POI的平面坐标、高程信息、朝向信息；现有技术中POI信息只包含平面坐标信息，在电子地图应用时，造成了大量的POI信息，对目标POI的确定形成严重干扰，降低了目标定位的准确度；本技术方案提供基于街景的三维POI信息，为用户提供了真实的三维导航，提高了导航精确度同时也提高用户体验感。

基于上述方案，本发明还做了如下的改进：

步骤3)POI方向的计算步骤为：以A点为中心，计算机自动向四周捕获激光云点，产生一个A面；通过A点获得A面的法线，法线与激光点A和采集点B的连线矢量成两个夹角，夹角小的法线方向为POI目标处的方向。

本改进方案中，以激光点所在建筑表面为基础获取数个点，通过空间平面拟合算法构建一个以激光点A为中心的面，该面过A点的法线有两个方向；法向与矢量夹角小的为目标POI方向；本技术方案通过街景数据和POI方向获得了更加精确详细的POI信息，将空间矢量POI信息替换原POI信息，在电子地图中呈现真实视角的POI信息，空间POI可以实现与三维场景的精确匹配和定位，并为用户提供更好的视角。

计算机以A点为中心，自动向四周至少捕获四个激光云点，通过捕获的激光云点获取一个A面。本改进方案中通过获取A点周围的激光云点，确定一个以A点为中心的平面，获取的激光云点数量越多，确定的平面越接近建筑表面，整体误差越少，精准度高。

步骤1)采用惯导GPS/IMU组合和激光扫描仪获取数据信息；本改进方法通过GPS/IMU能够精确获取信息点的坐标、高程信息，借助激光扫描实现POI朝向信息的计算。

附图说明

图1是本发明空间POI方向获取示意图

具体实施方式

实施例

如图1所示，本发明采用的技术方案是本发明采用的技术方案是一种基于车载空间信息采集的空间矢量POI提取方法，包括以下步骤：

1)采用惯导GPS/IMU组合和激光扫描仪获取城市道路两侧街景数据及激光云点，并通过惯导GPS/IMU组合将街景数据与激光云点进行匹配；本发明中通过罗德里格矩阵将激光云点与街景数据中的全景影像进行匹配，具体算法如下：

设全景影像数据中心初始坐标为[X₀ Y₀ Z₀]^T，全景影像上像点的球心坐标为[u v w]^T，像点对应的激光点云坐标为[X Y Z]^T，缩放系数为λ，旋转矩阵为R，由于三者满足三点共线的成像条件，因此矩阵关系满足：

$\left[\begin{array}{c}u\\ v\\ w\end{array}\right]=\mathrm{\λR}\left[\begin{array}{c}X-X_0\\ Y-Y_0\\ Z-Z_0\end{array}\right]$ 公式(1)。

像点坐标与激光点云坐标所在的两空间直角坐标系的转换关系为：

$\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]=\mathrm{\λR}\left[\begin{array}{c}{X}^{\′}\\ Y^{\′}\\ Z^{\′}\end{array}\right]+\left[\begin{array}{c}\mathrm{\ΔX}\\ \mathrm{\ΔY}\\ \mathrm{\ΔZ}\end{array}\right]$ 公式(2)

其中，旋转矩阵 $R=\left[\begin{array}{ccc}\cos {\mathrm{\ϵ}}_Y\cos {\mathrm{\ϵ}}_Z-\sin {\mathrm{\ϵ}}_Y\sin {\mathrm{\ϵ}}_X\sin {\mathrm{\ϵ}}_Z& -\cos {\mathrm{\ϵ}}_Y\sin {\mathrm{\ϵ}}_Z-\sin {\mathrm{\ϵ}}_Y\sin {\mathrm{\ϵ}}_X\cos {\mathrm{\ϵ}}_Z& -\sin {\mathrm{\ϵ}}_Y\cos {\mathrm{\ϵ}}_X\\ \cos {\mathrm{\ϵ}}_X\sin {\mathrm{\ϵ}}_Z& \cos {\mathrm{\ϵ}}_X\cos {\mathrm{\ϵ}}_Z& -\sin {\mathrm{\ϵ}}_X\\ \sin {\mathrm{\ϵ}}_Y\cos {\mathrm{\ϵ}}_Z+\cos {\mathrm{\ϵ}}_Y\sin {\mathrm{\ϵ}}_X\sin {\mathrm{\ϵ}}_Z& -\sin {\mathrm{\ϵ}}_Y\sin {\mathrm{\ϵ}}_Z+\cos {\mathrm{\ϵ}}_Y\sin {\mathrm{\ϵ}}_X\cos {\mathrm{\ϵ}}_Z& \cos {\mathrm{\ϵ}}_Y\cos {\mathrm{\ϵ}}_X\end{array}\right],$ λ为坐标系间的比例尺度因子，[ΔX ΔY ΔZ]^T为平移矩阵，ε_X，ε_Y，ε_Z为坐标系每个坐标轴的旋转角度。

根据罗德里格矩阵有 $\left|\right|{\left[\begin{array}{ccc}\stackrel{\‾}{X}& \stackrel{\‾}{Y}& \stackrel{\‾}{Z}\end{array}\right]}^T\left|\right|=\mathrm{\λ}\left|\right|{\left[\begin{array}{ccc}\stackrel{\‾}{X^{\′}}& \stackrel{\‾}{Y^{\′}}& \stackrel{\‾}{Z^{\′}}\end{array}\right]}^T\left|\right|,$ 为了保证数据的准确定，一个街景会采集两次数据，取两次采集的共同点，对于n个共同点，可得到λ的最小均方估计：

$\mathrm{\λ}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left(\right|\left|{\left[\begin{array}{ccc}\stackrel{\‾}{X_i}& \stackrel{\‾}{Y_i}& \stackrel{\‾}{Z_i}\end{array}\right]}^T\right||\·|\left|{\left[\begin{array}{ccc}\stackrel{\‾}{{X^{\′}}_i}& \stackrel{\‾}{{Y^{\′}}_i}& \stackrel{\‾}{{Z^{\′}}_i}\end{array}\right]}^T\right|\left|\right)}{i=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left(\right|\left|{\left[\begin{array}{ccc}\stackrel{\‾}{{X^{\′}}_i}& \stackrel{\‾}{{Y^{\′}}_i}& \stackrel{\‾}{{Z^{\′}}_i}\end{array}\right]}^T\right|\left|\right)}^2}$ 公式(3)，

旋转矩阵R可表示为R＝(I-S)^-1(I+S)，I为单位矩阵，S为反对称矩阵，设 $S=\left[\begin{array}{ccc}0& -c& -b\\ c& 0& -a\\ b& a& 0\end{array}\right],$ 则坐标重心化后可得到公式(4)：

$\left\{\begin{array}{c}{X}_g=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_i}{n},Y_g=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{Y}_i}{n},Z_g=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{Z}_i}{n}\\ {X^{\′}}_g=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X^{\′}}_i}{n},{Y^{\′}}_g=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{Y^{\′}}_i}{n},{Z^{\′}}_g=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{Z^{\′}}_i}{n}\\ \stackrel{\‾}{X_i}=X_i-X_g,\stackrel{\‾}{Y_i}=Y_i-Y_g,\stackrel{\‾}{Z_i}=Z_i-Z_g\\ \stackrel{\‾}{{X^{\′}}_i}={X^{\′}}_i-{X^{\′}}_g,\stackrel{\‾}{{Y^{\′}}_i}={Y^{\′}}_i-{Y^{\′}}_g,\stackrel{\‾}{{Z_i}^{\′}}={Z^{\′}}_i-{Z^{\′}}_g\end{array}\right.$ 公式(4)。

综上所述，可推导出基于罗德里格矩阵的转换模型：

$\left[\begin{array}{c}\stackrel{\‾}{X}-\mathrm{\λ}{\stackrel{\‾}{X}}^{\′}\\ \stackrel{\‾}{Y}-\mathrm{\λ}{\stackrel{\‾}{Y}}^{\′}\\ \stackrel{\‾}{Z}-\mathrm{\λ}{\stackrel{\‾}{Z}}^{\′}\end{array}\right]=\left[\begin{array}{ccc}0& -(\stackrel{\‾}{Z}+\mathrm{\λ}{\stackrel{\‾}{Z}}^{\′})& -(\stackrel{\‾}{Y}+\mathrm{\λ}{\stackrel{\‾}{Y}}^{\′})\\ -(\stackrel{\‾}{Z}+\mathrm{\λ}{\stackrel{\‾}{Z}}^{\′})& 0& \stackrel{\‾}{X}+\mathrm{\λ}{\stackrel{\‾}{X}}^{\′}\\ \stackrel{\‾}{Y}+\mathrm{\λ}{\stackrel{\‾}{Y}}^{\′}& \stackrel{\‾}{X}+\mathrm{\λ}{\stackrel{\‾}{X}}^{\′}& 0\end{array}\right]\left[\begin{array}{c}a\\ b\\ c\end{array}\right]$ 公式(5)

针对上述转换模型的非线性形式，对其进行线性化处理，以建立总体误差方程

V_3n×1＝A_3n×3X_3×1-L_3n×1 公式(6)

其中，X_3×1＝[a,b,c]^T， $A_{3n\×3}=\left[\begin{array}{ccc}0& -(\stackrel{\‾}{Z_1}+\mathrm{\λ}{{\stackrel{\‾}{Z}}_1}^{\′})& -(\stackrel{\‾}{Y_1}+\mathrm{\λ}{\stackrel{\‾}{Y_1}}^{\′})\\ -(\stackrel{\‾}{Z_1}+\mathrm{\λ}{{\stackrel{\‾}{Z}}_1}^{\′})& 0& {\stackrel{\‾}{X}}_1+\mathrm{\λ}{{\stackrel{\‾}{X}}_1}^{\′}\\ \stackrel{\‾}{Y_1}+\mathrm{\λ}{{\stackrel{\‾}{Y}}_1}^{\′}& \stackrel{\‾}{X_1}+\mathrm{\λ}{\stackrel{\‾}{X_1}}^{\′}& 0\\ .& .& .\\ .& .& .\\ .& .& .\\ 0& -(\stackrel{\‾}{Z_n}+\mathrm{\λ}{{\stackrel{\‾}{Z}}_n}^{\′})& -(\stackrel{\‾}{Y_n}+\mathrm{\λ}{\stackrel{\‾}{Y_n}}^{\′})\\ -(\stackrel{\‾}{Z_n}+\mathrm{\λ}{{\stackrel{\‾}{Z}}_n}^{\′})& 0& {\stackrel{\‾}{X}}_n+\mathrm{\λ}{{\stackrel{\‾}{X}}_n}^{\′}\\ \stackrel{\‾}{Y_n}+\mathrm{\λ}{{\stackrel{\‾}{Y}}_n}^{\′}& \stackrel{\‾}{X_n}+\mathrm{\λ}{\stackrel{\‾}{X_n}}^{\′}& 0\end{array}\right],$ $L_{3n\×1}=\left[\begin{array}{c}{\stackrel{\‾}{X}}_1-\mathrm{\λ}{\stackrel{\‾}{X_1}}^{\′}\\ {\stackrel{\‾}{Y}}_1-\mathrm{\λ}{\stackrel{\‾}{Y_1}}^{\′}\\ {\stackrel{\‾}{Z}}_1-\mathrm{\λ}{\stackrel{\‾}{Z_1}}^{\′}\\ .\\ .\\ .\\ {\stackrel{\‾}{X}}_n-\mathrm{\λ}{\stackrel{\‾}{X_n}}^{\′}\\ {\stackrel{\‾}{Y}}_n-\mathrm{\λ}{\stackrel{\‾}{Y_n}}^{\′}\\ {\stackrel{\‾}{Z}}_n-\mathrm{\λ}{\stackrel{\‾}{Z_n}}^{\′}\end{array}\right]$

利用最小二乘原理求解罗德里格参数，并根据R表达式求解旋转矩阵，根据公式(2)求解平移参数。

由于车载移动测量系统在全景成像过程中，相机绕X、Y轴转动角很小，绕Z轴转动(航偏)比较大，因而可以根据公式(7)从R中恢复ε_X、ε_Y，然后再由旋转矩阵R_rpy中的三角函数的定义域与值域的关系求出ε_Z。

$R_{\mathrm{rpy}}=\left[\begin{array}{ccc}\cos y\cos r-\sin y\sin p\sin r& -\sin y\cos p& \cos y\sin r+\sin y\sin p\cos r\\ \sin y\cos r+\cos y\sin p\sin r& \cos y\cos p& \sin y\sin r-\cos y\sin p\cos r\\ -\cos p\sin r& \sin p& \cos p\cos r\end{array}\right]$ 公式(7)

其中，r为翻滚角，p为俯仰角，y为航偏角，解求出旋转平移参数后，实现旋转平移全景影像与激光点云完全配准。

2)点选POI目标处：通过计算机自动捕获激光点A(x₁,y₁,z₁)，并记录POI的名称‘某酒店’，同时记录POI街景对应的采集点B(x₂,y₂,z₃)；

3)以激光点A为基础计算获取空间矢量POI的方向；POI方向的计算步骤为：以A点为中心，计算机自动向四周捕获四个激光云点，通过空间平面拟合算法产生一个A面，本实施例以捕获四个激光云点进行说明，但捕获的点数不限于四个点，捕获的点数越多，平面精确度越高；获取A面的具体算法如下：

设A面的方程表达式为：Ax+By+Cz+D＝0，则可将其等价于z＝a₀x+a₁y+a₂，用计算机捕获的n个激光云点(x_i,y_i,z_i),i＝0,1,…n-1，拟合上述平面方程使得 $S=\underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{(a_{0}x+a_{1}y+a_2-z)}^2$ 最小，即有

$\left|\begin{array}{ccc}\underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{x_i}^2& \underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{x}_i{y}_i& \underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{x}_i\\ \underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{x}_i{y}_i& \underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{y_i}^2& \underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{y}_i\\ \underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{x}_i& \underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{y}_i& n\end{array}\right|\left[\begin{array}{c}{a}_0\\ a_1\\ a_2\end{array}\right]=\left[\begin{array}{c}\underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{x}_i{z}_i\\ \underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{y}_i{z}_i\\ \underset{i=0}{\overset{n-1}{\mathrm{\Σ}}}{z}_i\end{array}\right]$ 公式(8)

解该线性方程组得a₀,a₁,a₂，A面方程为z＝a₀x+a₁y+a₂。

通过A点获得A面的法线，法线有X、Y两个方向，法线与激光点A和采集点B的连线矢量成两个夹角α和β，若α>β，POI朝向为Y方向，反之则为Y；本实施例中法向的X方向为空间矢量POI的方向，最终获取的空间矢量POI成果为：某酒店(x₁,y₁,z₁,x方向)。

Claims (4)

1.一种基于车载空间信息采集的空间矢量POI提取方法，其特征在于：包括以下步骤：

1)城市道路两侧街景数据及激光云点的获取、匹配；

2)点选POI目标处：通过计算机自动捕获激光点A并记录其坐标和POI的名称，同时记录POI街景对应的采集点B；

3)以激光点A为基础计算空间矢量POI的方向。

2.根据权利要求1所述的空间矢量POI提取方法，其特征在于：步骤3)POI方向的计算步骤为：以A点为中心，计算机自动向四周捕获激光云点，产生一个A面；通过A点获得A面的法线，法线与激光点A和采集点B的连线矢量成两个夹角，夹角小的法线方向为POI目标处的方向。

3.根据权利要求2所述的空间矢量POI提取方法，其特征在于：计算机以A点为中心，自动向四周至少捕获四个激光云点，通过捕获的激光云点获取一个A面。

4.根据权利要求1或2所述的空间矢量POI提取方法，其特征在于：步骤1)采用惯导GPS/IMU组合和激光扫描仪获取数据信息。