CN105302874A - 基于地理云数据的空间匹配方法 - Google Patents

Abstract

本发明揭示了一种基于地理云数据的空间匹配方法，包括：步骤1，建立分布式空间数据库，并采用ICP算法进行点云数据配准，在点云配准过程中，采用多点的最小二乘拟合法进行平差，求取转换矩阵；步骤2，进行同名实体的目标匹配。本发明能够快速查询和调用地理信息空间位置信息和属性信息，并通过进一步运用同名实体匹配方法来实现空间数据的精准匹配；同时本发明还采用最小二乘法拟合，通过三维空间中的多个点求取转换矩阵，计算方法简单，可以有效提高配准精度。

Description

基于地理云数据的空间匹配方法

技术领域

本发明涉及一种空间匹配技术，尤其是涉及一种基于地理云数据的空间匹配方法。

背景技术

随着信息社会的到来，人类获取空间信息的能力较过去有了明显提高，面对海量信息，人们对于信息的需求要求发生巨大变化，对信息的广泛性、精准性、快速性及综合性要求越来越高。

传统的GIS(GeographicInformationSystem，地理信息系统)数据库往往都是单独存在，信息孤岛现象严重，各部门根据自己的具体情况和应用需求不同，从而导致GIS数据在结构数据，数据模型、数据格式上存在差异，数据难以共享。虽然现阶段WebGIS(网络地理信息系统)也能够实现异构地理空间数据的共享需求，但现阶段基于语义匹配的研究还有待进一步完善。

众所周知，数据的采集和更新是GIS工程中最耗时耗力的一项工作，许多GIS应用系统存在数据更新周期过长等问题，这是由于空间数据标准化发展的滞后，许多空间数据在数据模型和格式以及比例尺，地图投影等方面存在差异，为了充分利用已有信息，加快数据采集的高效性，这就需要基于地理数据库的空间匹配技术，其定义就是将同一实体不同数据库的空间位置信息和属性信息相互匹配或者同一地区两个以上不同来源的数据库合并生成更具完善的地理信息数据库。

基于目标空间匹配主要是通过对目标几何、拓扑和语义进行相似性度量，识别出同一地区的空间数据集中的同义地物，从而建立两个空间数据集之间的相互关联。匹配技术在计算机识别、模式识别、图像分析、图像理解等领域已经运用，现有的匹配方法主要基于多种类型的图像特征来进行图像匹配技术，缺乏完善的协同智能化的方法。

目前，解决不同点云数据集配准问题的直接方法有在被测物体上贴固定球和使用高精度的旋转工作台，固定球会使部分物体不可见，一般应贴在相对较平坦的区域流动式光学扫描仪Atos是在物体上或固定物体的工具上贴特制的圆形标签，其作用相当于固定球。根据前后2个视角观察的3个或3个以上不共线的公共标签来对数据进行配准，利用旋转工作台可直接对测量数据进行配准，但是物体底部和下部的数据点是无法采集的。

针对复杂的匹配问题，一方面设计更加高效的搜索算法引入更多的图结构和语义信息降低匹配问题复杂度，另一方面采用近似算法允许匹配结果中存在一定概率的错误保证算法达到多项式级的时间复杂度。在实际应用中，由于图数据的形式、结构、规模以及包含信息不同又产生了适合不同应用场景的扩展图匹配问题。

点云配准是将2个或2个以上坐标系中的大容量3维空间数据点集转换到统一坐标系统中的数学计算过程。ICP算法是一种迭代算法，具有很高的匹配精度。但由算法描述可知，它存在计算量较大且迭代过程可能无法收敛到全局最优解的缺陷。ICP算法最耗费时间的步骤是求解邻近点对的过程，因为它采用的是全局搜索。为适应不同的环境并克服ICP算法自身的部分缺陷，近十几年，研究学者为改善ICP(IterativeClosestPoint，迭代最近点算法)算法效率和精度，对搜索最近点过程和加快收敛速度方面进行了改进。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种基于地理云数据的空间匹配方法，采用分布式网络一体化集成管理，及对ICP算法的改进，以实现地理信息数据的实时更新管理，区域地物实时快速精准匹配。

为实现上述目的，本发明提出如下技术方案：一种基于地理云数据的空间匹配方法，包括：

建立分布式空间数据库，并采用ICP算法进行点云数据配准；

进行同名实体的目标匹配；

其中，所述点云数据配准过程包括：

在两个测试单元内分别得到各自的公共点三维空间坐标O_AX_AY_AZ_A、O_BX_BY_BZ_B，且两者具有的坐标变换关系为：

$\left[\begin{array}{c}{X}_A\\ Y_A\\ Z_A\\ 1\end{array}\right]=M_{BA}\left[\begin{array}{c}{X}_B\\ Y_B\\ Z_B\\ 1\end{array}\right]=\left[\begin{array}{cc}R& T\\ 0& I\end{array}\right],$ 其中，M_BA为转换矩阵，R为旋转矩阵；

采用多点的最小二乘拟合法进行平差，求取转换矩阵MBA；

采用比较点间欧式距离的方法进行点对匹配；

所述同名实体的目标匹配过程包括：

集中搜集与待匹配对象存在匹配关系的候选匹配对象；

对待匹配对象与所述候选匹配对象进行相似性评价，以确定它们之间的匹配关系。

优选地，所述分布式空间数据库包括分布式多空间数据管理系统，所述分布式多空间数据管理系统存在于多个空间数据库管理系统和非空间数据库管理系统之上。

优选地，所述分布式多空间数据管理系统结构采用Client/Server结构。

优选地，采用多点的最小二乘拟合法进行平差，求取转换矩阵MBA的过程包括：

采用4个或4个以上的点，将两个坐标变换关系写成为：

$\stackrel{\‾}{X_A}=M_{BA}\stackrel{\‾}{X_B}$

式中，X_A和X_B包括两个坐标系下4个或4个以上点的齐次坐标，则转换矩阵M_BA的解为：

$M_{BA}={\stackrel{\‾}{X_A{X}_B}}^T{\left({\stackrel{\‾}{X_B{X}_B}}^T\right)}^{-1}.$

优选地，采用比较点间欧式距离的方法进行点对匹配的过程包括：

初始化迭代，迭代次数为k，设置欧式距离均方差阀值r以及最大迭代次数Kmax；

对待匹配扫描模型中的每个点搜索其在参考扫描模型中欧式距离最近的点，生成整个扫描模型的邻近点对集合Yk；

由所述参考扫描模型中的扫描点和匹配点对集合，计算扫描模型间的变换矩阵Pk＝(PRk|PTk)T和匹配点对间的欧式距离误差dk；

根据变换矩阵Pk＝(PRk|PTk)T变换当前扫描模型Sr中的所有扫描点位置；

计算变换后，参考扫描模型与当前扫描模型间的对应点对间的欧式距离误差dk+1，并计算第k和k+1次迭代中误差变化量，当该变化量小于欧式距离均方差阀值r或迭代次数k大于kmax时，停止迭代。

优选地，转换矩阵M_BA中共有12个未知量，且旋转矩阵R：

$R=\left[\begin{array}{ccc}{R}_1& R_2& R_3\\ R_4& R_5& R_6\\ R_7& R_8& R_9\end{array}\right]$

满足的正交条件为：

$\left\{\begin{array}{c}{R}_1^2+R_4^2+R_7^2=1\\ R_2^2+R_5^2+R_8^2=1\\ R_3^2+R_6^2+R_9^2=1\\ R_1{R}_2+R_4{R}_5+R_7{R}_8=1\\ R_1{R}_3+R_4{R}_6+R_7{R}_9=1\\ R_2{R}_3+R_5{R}_6+R_8{R}_9=1\end{array}\right..$

本发明的有益效果是：

1、本发明主要采用建立分布式空间数据库系统，实现分布式计算，从而快速查询和调用地理信息空间位置信息和属性信息，通过进一步运用同名实体匹配方法来实现空间数据的精准匹配。

2、采用最小二乘法拟合，通过三维空间中的多个点求取转换矩阵，计算方法简单，可以有效提高配准精度。

附图说明

图1是本发明基于地理云数据的空间匹配方法的流程示意图；

图2是本发明建立的分布式空间数据库的原理示意图；

图3a和图3b是本发明模式图P在数据图G中存在的两个与其匹配的子图的原理示意图。

具体实施方式

下面将结合本发明的附图，对本发明实施例的技术方案进行清楚、完整的描述。

如图1所示，本发明所揭示的一种基于地理云数据的空间匹配方法，包括：

步骤一，建立分布式空间数据库，并采用ICP算法进行点云数据配准。

结合图1和图2所示，本发明建立的分布式多空间数据库的体系结构采用了Client/Serve结构，它是完全独立的参与空间数据库的管理系统，各自管理各自的数据库。分布式多空间数据库管理系统是在这些独立的空间数据库管理系统和非空间数据库管理系统之上运行的一层软件，它负责管理全局的控制信息，包括全局模式、全局元数据、提交和控制涉及不止一个参与空间数据库的全局查询和全局事务。多空间数据库系统没有对参与空间数据库系统做出任何改动，全局用户可以透明地访问分布的异构的空间数据源。

多空间数据库系统是已经存在的若干个空间数据库之上，为全局用户提供一个统一的存储空间数据环境，并且规定了本数据由本地拥有和管理，采用的分割式组织方式，按照某种逻辑划分在分布式数据库中。

步骤一中，点云数据配准过程具体包括以下步骤：

在两个测试单元内分别得到各自的公共点三维空间坐标0_Ax_AY_Az_A、0_Bx_BY_Bz_B，设测量单元l的坐标系为0_Ax_AY_Az_A，测量单元2的坐标系为0_Bx_BY_Bz_B，且二者具有的坐标变换关系为：

$\left[\begin{array}{c}{X}_A\\ Y_A\\ Z_A\\ 1\end{array}\right]=M_{BA}\left[\begin{array}{c}{X}_B\\ Y_B\\ Z_B\\ 1\end{array}\right]=\left[\begin{array}{cc}R& T\\ 0& I\end{array}\right]$

即

$\left[\begin{array}{c}{X}_A\\ Y_A\\ Z_A\\ 1\end{array}\right]=\left[\begin{array}{cccc}{R}_1& R_2& R_3& T_x\\ R_4& R_5& R_6& T_y\\ R_7& R_8& R_9& T_z\\ 0& 0& 0& 0\end{array}\right]\left[\begin{array}{c}{X}_B\\ Y_B\\ Z_B\\ 1\end{array}\right]$

式中，转换矩阵M_BA中共有12个未知量，而旋转矩阵

$R=\left[\begin{array}{ccc}{R}_1& R_2& R_3\\ R_4& R_5& R_6\\ R_7& R_8& R_9\end{array}\right]$

满足的正交条件为：

$\left\{\begin{array}{c}{R}_1^2+R_4^2+R_7^2=1\\ R_2^2+R_5^2+R_8^2=1\\ R_3^2+R_6^2+R_9^2=1\\ R_1{R}_2+R_4{R}_5+R_7{R}_8=1\\ R_1{R}_3+R_4{R}_6+R_7{R}_9=1\\ R_2{R}_3+R_5{R}_6+R_8{R}_9=1\end{array}\right.$

所以独立变量只有6个。因此，如果已知3个点在2个坐标系下的三维坐标即可计算出二者的转换矩阵，进而实现三维数据的配准。现在考虑在已知 和i之3时，如何求解转换矩阵M_BA。若采用3点在2测量单元坐标系的坐标值，要充分利用旋转矩阵的正交条件，求解非线性方程，计算量较大，且引入计算误差。所以本发明采用多点的最小二乘拟合法进行平差，如采用4个或4个以上的点，写成为：

$\stackrel{\‾}{X_A}=M_{BA}\stackrel{\‾}{X_B}$

式中X_A和X_B包括2坐标系下4个或4个以上点的齐次坐标，则矩阵M_BA的解为：

$M_{BA}={\stackrel{\‾}{X_A{X}_B}}^T{\left({\stackrel{\‾}{X_B{X}_B}}^T\right)}^{-1}$

所以本阀门采用最小二乘法拟合，通过三维空间中的多个点求取转换矩阵，计算方法简单，可以有效提高配准精度。

ICP算法在进行点对匹配时，设扫描匹配过程中的参考扫描模型为Sr，待匹配的当前扫描模型为Sc，模型中的数据点个数为N，参考扫描模型Sr和当前扫描模型间Sc的变换矩阵为P＝(p0，p1，p2，p3，p4，p5，p6)T，其中，PR＝(p0，p1，p2，p3)T四元组表示旋转偏移量，可转化为3×3的旋转矩阵R(PR)，PT＝(p4，p5，p6)T表示平移偏移量，这样，模型间的变换矩阵可以表示为P＝(PR|PT)T。

本发明中，ICP算法在进行点对匹配时采用的是比较点间欧式距离的方法，具体过程包括：

第一步：初始化迭代，P0＝(1，0，0，0，0，0，0)T，迭代次数k，设置欧式距离均方差阀值r以及最大迭代次数Kmax。

第二步：迭代步骤：

(1)对待匹配扫描模型中的每个点搜索其在参考扫描模型中欧式距离最近的点，生成整个扫描模型的邻近点对集合Yk。

(2)由参考模型中的扫描点和匹配点对集合计算扫描模型间的变换矩阵Pk＝(PRk|PTk)T和匹配点对间的欧式距离误差dk。

(3)根据变换矩阵Pk＝(PRk|PTk)T变换当前扫描模型Sr中的所有扫描点位置。

(4)计算变换后，参考扫描模型与当前扫描模型间的对应点对间的欧式距离误差dk+1，并计算第k和k+1次迭代中误差变化量。当该变化量小于欧式距离均方差阀值r或迭代次数k大于kmax时，停止迭代。

精确子图匹配，已知一个数据图G＝(V，E，L)和一个模式图P＝(Vp，Ep，Lp)，精确图匹配问题要求在模式图和数据子图Gsub＝(Vsub，Esub，Lsub)(Gsub属于G)之间建立一个双射函数f：

$\left(1\right)---\∀\mathrm{\υ}\∈V_P,L_P\left(\mathrm{\υ}\right)=L_{sub}\left(f\right(\mathrm{\υ}\left)\right);$

精确图匹配问题需要在数据图中找到所有满足上述条件的子图作为模式图的匹配结果。图3a和图3b分别展示了模式图P在数据图G中存在的两个与其匹配的子图M₁＝[(v₁，u₃)，(v₂，u₅)，(v₃，u₉)，(v₄，u₆)]和M₂＝［(v₁，u₆)，(v₂，u₅)，(v₃，u₉)，(v₄，u₃)]。

步骤二，同名实体的目标匹配方法的建立

同名实体的匹配过程主要包含两个关键步骤：1、确定匹配候选集2、基于相似性评价的匹配判断。第一步负责在其他数据集中搜集与待匹配对象可能存在匹配关系的候选匹配对象，第二步负责对待匹配对象与候选匹配对象进行相似性评价，以确定他们之间的匹配关系。

本发明基于地理信息系统技术，以云计算技术为核心，采用分布式网络一体化集成管理，实现地理信息数据的实时更新管理。实现网络资源整合，智能终端实时传送，区域地物实时快速精准匹配。

该平台构建的系统可以整合政府各部门数据资源，实现网格化资源管理，形成较为完善的智慧城市管理信息化体系。系统依靠对业务流程信息的搜集，并整合各部门资源信息，应用大数据融合，挖掘数据价值，以实现服务方式的转变，资源配置的优化，业务流程的改进，从而驱动服务模式的创新，使决策科学有据。

本发明的技术内容及技术特征已揭示如上，然而熟悉本领域的技术人员仍可能基于本发明的教示及揭示而作种种不背离本发明精神的替换及修饰，因此，本发明保护范围应不限于实施例所揭示的内容，而应包括各种不背离本发明的替换及修饰，并为本专利申请权利要求所涵盖。

Claims (6)

1.一种基于地理云数据的空间匹配方法，其特征在于，包括：

建立分布式空间数据库，并采用ICP算法进行点云数据配准；

进行同名实体的目标匹配；

其中，所述点云数据配准过程包括：

在两个测试单元内分别得到各自的公共点三维空间坐标O_AX_AY_AZ_A、O_BX_BY_BZ_B，且两者具有的坐标变换关系为：

其中，M_BA为转换矩阵，R为旋转矩阵；

采用多点的最小二乘拟合法进行平差，求取转换矩阵M_BA；

采用比较点间欧式距离的方法进行点对匹配；

所述同名实体的目标匹配过程包括：

集中搜集与待匹配对象存在匹配关系的候选匹配对象；

对待匹配对象与所述候选匹配对象进行相似性评价，以确定它们之间的匹配关系。

2.根据权利要求1所述的基于地理云数据的空间匹配方法，其特征在于，所述分布式空间数据库包括分布式多空间数据管理系统，所述分布式多空间数据管理系统存在于多个空间数据库管理系统和非空间数据库管理系统之上。

3.根据权利要求2所述的基于地理云数据的空间匹配方法，其特征在于，所述分布式多空间数据管理系统结构采用Client/Server结构。

4.根据权利要求1所述的基于地理云数据的空间匹配方法，其特征在于，采用多点的最小二乘拟合法进行平差，求取转换矩阵MBA的过程包括：

采用4个或4个以上的点，将两个坐标变换关系写成为：

式中，X_A和X_B包括两个坐标系下4个或4个以上点的齐次坐标，则转换矩阵M_BA的解为：

5.根据权利要求1所述的基于地理云数据的空间匹配方法，其特征在于，采用比较点间欧式距离的方法进行点对匹配的过程包括：

初始化迭代，迭代次数为k，设置欧式距离均方差阀值r以及最大迭代次数Kmax；

对待匹配扫描模型中的每个点搜索其在参考扫描模型中欧式距离最近的点，生成整个扫描模型的邻近点对集合Yk；

由所述参考扫描模型中的扫描点和匹配点对集合，计算扫描模型间的变换矩阵Pk＝(PRk|PTk)T和匹配点对间的欧式距离误差dk；

根据变换矩阵Pk＝(PRk|PTk)T变换当前扫描模型Sr中的所有扫描点位置；

计算变换后，参考扫描模型与当前扫描模型间的对应点对间的欧式距离误差dk+1，并计算第k和k+1次迭代中误差变化量，当该变化量小于欧式距离均方差阀值r或迭代次数k大于kmax时，停止迭代。

6.根据权利要求1所述的基于地理云数据的空间匹配方法，其特征在于，所述转换矩阵MBA中共有12个未知量，且旋转矩阵R：

满足的正交条件为：

$\left\{\begin{array}{c}{R}_1^2+R_4^2+R_7^2=1\\ R_2^2+R_5^2+R_8^2=1\\ R_3^2+R_6^2+R_9^2=1\\ R_1{R}_2+R_4{R}_5+R_7{R}_8=1\\ R_1{R}_3+R_4{R}_6+R_7{R}_9=1\\ R_2{R}_3+R_5{R}_6+R_8{R}_9=1\end{array}\right..$