CN106023319A - 一种基于ccd照片的激光点云地物目标结构特征修补方法 - Google Patents

Abstract

本发明公开了一种基于CCD照片的激光点云地物目标结构特征修补方法。该方法首先根据已有的点云数据生成与CCD照片拍摄角度相似的投影距离图像，记录点云与投影距离图像的转换关系；然后对投影距离图像和后期补拍的CCD照片进行图像匹配，获取两幅图像的空间相对关系；图像匹配完成后，在投影距离图像的待修补位置所在的同一平面上选取一个基准点，在补拍CCD照片上找出待修补位置，根据图像空间相对关系反算待修补位置的距离；进一步根据点云与投影距离图像的转换关系反算待修补位置的实际点云坐标；最后根据还原的特征点通过点云数据的线加密、面加密等技术，实现点云点、线、面特征修补。

Description

一种基于CCD照片的激光点云地物目标结构特征修补方法

技术领域

本发明属于车载激光扫描点云数据处理技术领域，具体涉及一种基于CCD照片的激光点云地物目标结构特征修补方法。

背景技术

高精度、准确和完整的车载激光扫描点云数据是三维重建、地物特征提取的基础。由于外业测量过程中不可避免的受到地物遮挡，获得的原始点云数据往往存在数据缺失情况，需要对原始点云数据进行修补处理。传统的点云修补研究是针对固定单站扫描仪的点云插补，而目前基于车载移动测量的点云修补研究较少，没有较为完善、全面的点云修补解决方案。因此如何对车载移动测量系统获取的点云数据进行快速、便捷的修补，仍然是一个难点。

发明内容

本发明的目的在于提出一种基于CCD照片的激光点云地物目标结构特征修补方法，利于快速、方便地实现点云的地物目标结构特征的点云修补工作。

为了实现上述目的，本发明采用如下技术方案：

一种基于CCD照片的激光点云地物目标结构特征修补方法，包括如下步骤：

a、将原始点云数据转换成以X、Z为投影平面，Y方向指向补拍拍摄方向的投影坐标系，生成投影距离图像；

b、在CCD照片中选取至少两个特征点，然后在投影距离图像中找出与CCD照片中选取的特征点位置一一对应的特征点；根据选取的特征点对CCD照片与投影距离图像进行匹配，获取上述两幅图像的空间相对位置关系；

c、图像匹配完成后，浏览点云数据，从而确定待修补区域及其所在的平面，取该平面上的一个点，在投影距离图像中找出其相应位置，作为该平面的基准点；

d、在CCD照片中找出待修补点的位置，根据图像匹配的空间相对位置关系，将待修补点反算到投影距离图像中的对应位置；

根据基准点与待修补点的空间位置关系，将待修补点还原到点云数据中；

e、将还原的待修补点通过线性等距离插补的方式实现点云的修补。

优选地，所述步骤a具体为：

a1、转换成拍摄方向的投影坐标系

将原始点云数据转换成以X、Z为投影平面，Y方向指向补拍拍摄方向的投影坐标系；

a2、生成投影距离图像

根据转换后的投影坐标系，以X、Z为图像平面，Y方向的值即点云距离投影平面的距离用该点RGB颜色分量来表示，生成投影距离图像；

设点云坐标为(X，Y，Z)，该区域点云的范围为{Xmin，Ymin，Zmin，Xmax，Ymax，Zmax}，图像的像素坐标为(x，y)；

则点云坐标(X，Y，Z)对应图像的(x，y)分别是：x＝X-Xmin，y＝Z-Zmin；

用该像素点的RGB颜色分量表示该点与投影平面的距离即Y的值：相对距离distance＝Y-Ymin＝R+G*255+B*255*255，此时生成了该区域点云的投影距离图像。

优选地，所述b具体为：

b1、在CCD照片中选取两个特征点，分别为photoP1、photoP2，然后在投影距离图像中找出与上述两个特征点位置一一对应的特征点：

设photoP1、photoP2在投影距离图像上对应的特征点分别为dispicP1、dispicP2(x,y)；

b2、根据选取的特征点对CCD照片和投影距离图像进行匹配

b21、首先计算CCD照片相对于投影距离图像的缩放比例，其计算公式如下：

计算photoP1与photoP2的距离dis1：

$dis1=\left|\sqrt{{(photoP1.x-photoP2.x)}^2+{(photoP1.y-photoP2.y)}^2}\right|,$

dispicP1与dispicP2的距离设为dis2：

$dis2=\left|\sqrt{{(dispicP1.x-dispicP2.x)}^2+{(dispicP1.y-dispicP2.y)}^2}\right|,$

则CCD照片相对于投影距离图像的缩放比例为

b22、然后计算从CCD照片到投影距离图像需要旋转的角度，其计算公式如下：

将photoP1(P_p1.x，P_p1.y)、photoP2(P_p2.x，P_p2.y)所在线段以及dispicP1(D_p1.x，D_p1。y)、dispicP2(D_p2.x，D_p2.y)所在线段转换成直线方程的一般式：

photoP1、photoP2所在的直线方程的一般式：

A1x+B1y+C1＝0；

其中，A1＝P_p2.y-P_p1.y，B1＝P_p1.x-P_p2.x，C1＝P_p2.x*P_p1.y-P_p1.x*P_p2.y；

dispicP1、dispicP2所在的直线方程的一般式：

A2x+B2y+C2＝0；

其中，A2＝D_p2.y-D_p1.y，B2＝D_p1.x-D_p2.x，C2＝D_p2.x*D_p1。y-D_p1.x*D_p2.y；

$\cos A=\frac{A1*A2+B1*B2}{\sqrt{A1*A1+B1*B1}*\sqrt{A2*A2+B2*B2}};$

则旋转角度angle＝arccos(cosA)。

优选地，所述步骤d具体为：

d1、在CCD照片中找出待修补点

点云中需要修补的部分在CCD照片中能够看到，选取待修补区域的结构特征点作为待修补点，在CCD照片中取出这些待修补点，设其中一个待修补点为repairP(x,y)；

d2、计算待修补点在投影距离图像上的对应坐标

通过以下步骤将CCD照片中的待修补点repairP转换成投影距离图像中的坐标点newP：

在CCD照片中选取一个特征点为photoP1，在投影距离图像中找出与该特征点photoP1位置对应的特征点为dispicP1；

平移：

repairP.x＝repairP.x-photoP1.x+dispicP1.x；

repairP.y＝repairP.y-photoP1.y+dispicP1.y；

旋转：

newP.x＝(repairP.x-dispicP1.x)*cos(angle)

-(repairP.y-dispicP1.x)*sin(angle)+dispicP1.x；

newP.y＝(repairP.x-dispicP1.x)*sin(angle)

+(repairP.y-dispicP1.y)*cos(angle)+dispicP1.y；

缩放：

newP.x＝dispicP1.x+(newP.x-dispicP1.x)*scale；

newP.y＝dispicP1.y+(newP.y-dispicP1.y)*scale；

此时求出的newP就是待修补点repairP在投影距离图像上对应的坐标；

d3、在基准点周围选取另一个基准点referenceP

待修补点repairP在投影距离图像上对应的坐标newP，与投影距离图像中的基准点referenceP连线，选取该线段上位于referenceP一侧且在待修补区域所在的平面上的一个点，作为第二个基准点，记为referenceP2；

d4、计算投影距离图像中newP与投影平面的距离

投影距离图像中referenceP与referenceP2的RGB在投影距离图像上取到，分别根据referenceP与referenceP2的RGB计算其与投影平面的距离distance：

distance＝R+G*255+B*255*255；

令求出的referenceP与投影平面的距离为distance1，referenceP2与投影平面的距离为distance2；求出referenceP到referenceP2的距离为d1，求出referenceP到newP的距离为d2；

设newP与投影平面的距离为distance3，则有：

$\frac{d1}{d2}=\frac{dis\tan ce3-dis\tan ce1}{dis\tan ce2-dis\tan ce1};$

即可求出：

distance3＝distance1+(distance2-distance1)*d2/d1；

d5、得到投影距离图像中newP的RGB颜色分量

根据距离与RGB颜色分量转换公式，将distance3转换成R+G*255+B*255*255，即可求出将投影距离图像中newP的像素RGB；

d6、在投影距离图像中，画出点newP；

d7、依次从CCD照片中取出其他待修补点，利用上述步骤d2至d6分别求出各个待修补点在投影距离图像上的对应坐标与RGB颜色分量，并将其画到投影距离图像中；

d8、将投影距离图像还原成点云数据

设图像的像素坐标为(x，y)，点云坐标为(X，Y，Z)，该区域点云的范围为{Xmin，Ymin，Zmin，Xmax，Ymax，Zmax}；

图像像素坐标(x，y)对应的点云坐标(X，Y，Z)分别是：X＝x+Xmin，Z＝y+Zmin；

点云坐标Y的值是用该像素点的RGB颜色分量来表示的：

Y＝R+G*255+B*255*255+Ymin，此时求出的(X，Y，Z)即为像素点对应的点云坐标；依次求出每个像素点对应的点云坐标即可还原该区域内的点云数据。

本发明具有如下优点：

本发明基于补拍CCD照片与已有的点云数据的空间位置相对关系；引入了投影距离图像与图像匹配的思想，在此基础上提出了一种基于CCD照片的激光点云地物目标结构特征(包括点、线、面)修补方法。该方法易于操作，只需要一台CCD相机就能完成补拍数据的采集，节省了大量的人力物力；交互简单，通过提取两对配准点及一个基准点可以实现图像匹配操作，进而选取合适的待修补点，实现点云修补工作；精度较高，经试验，采用本发明方法进行点云修补，目标地物的修补精度约为0.03m，能够满足实际工程应用需要。

附图说明

图1为本发明中基于CCD照片的激光点云地物目标结构特征修补方法的流程示意图；

图2为本发明中CCD照片与点云生成的投影距离图像匹配与修补点还原关系图。

具体实施方式

下面结合附图以及具体实施方式对本发明作进一步详细说明：

如图1所示，一种基于CCD照片的激光点云地物目标结构特征修补方法，包括如下步骤：

a、将原始点云数据转换成以X、Z为投影平面，Y方向指向补拍拍摄方向的投影坐标系，生成投影距离图像；该步骤a具体包括：

a1、转换成拍摄方向的投影坐标系

将原始点云数据转换成以X、Z为投影平面，Y方向指向补拍拍摄方向的投影坐标系；

a2、生成投影距离图像

根据转换后的投影坐标系，以X、Z为图像平面，Y方向的值即点云距离投影平面的距离用该点RGB颜色分量来表示，生成投影距离图像；

设点云坐标为(X，Y，Z)，该区域点云的范围为{Xmin，Ymin，Zmin，Xmax，Ymax，Zmax}，图像的像素坐标为(x，y)；

则点云坐标(X，Y，Z)对应图像的(x，y)分别是：x＝X-Xmin，y＝Z-Zmin；

用该像素点的RGB颜色分量表示该点与投影平面的距离即Y的值：相对距离distance＝Y-Ymin＝R+G*255+B*255*255，此时生成了该区域点云的投影距离图像。

b、在CCD照片中选取至少两个特征点，然后在投影距离图像中找出与CCD照片中选取的特征点位置一一对应的特征点；根据选取的特征点对CCD照片与投影距离图像进行匹配，获取上述两幅图像的空间相对位置关系。

以在CCD照片中选取两个特征点为例进行说明，该步骤b具体为：

b1、在CCD照片中选取两个特征点，分别为photoP1、photoP2，如图2所示，在投影距离图像中找出与上述两个特征点位置一一对应的特征点，设photoP1、photoP2在投影距离图像上对应的特征点分别为dispicP1、dispicP2(x,y)；

b2、根据选取的特征点对CCD照片和投影距离图像进行匹配

b21、首先计算CCD照片相对于投影距离图像的缩放比例，其计算公式如下：

计算photoP1与photoP2的距离dis1：

$dis1=\left|\sqrt{{(photoP1.x-photoP2.x)}^2+{(photoP1.y-photoP2.y)}^2}\right|,$

dispicP1与dispicP2的距离设为dis2：

$dis2=\left|\sqrt{{(dispicP1.x-dispicP2.x)}^2+{(dispicP1.y-dispicP2.y)}^2}\right|,$

则CCD照片相对于投影距离图像的缩放比例为

b22、然后计算从CCD照片到投影距离图像需要旋转的角度，其计算公式如下：

将photoP1(P_p1.x，P_p1.y)、photoP2(P_p2.x，P_p2.y)所在线段以及dispicP1(D_p1.x，D_p1。y)、dispicP2(D_p2.x，D_p2.y)所在线段转换成直线方程的一般式：

photoP1、photoP2所在的直线方程的一般式：

A1x+B1y+C1＝0；

其中，A1＝P_p2.y-P_p1.y，B1＝P_p1.x-P_p2.x，C1＝P_p2.x*P_p1.y-P_p1.x*P_p2.y；

dispicP1、dispicP2所在的直线方程的一般式：

A2x+B2y+C2＝0；

其中，A2＝D_p2.y-D_p1.y，B2＝D_p1.x-D_p2.x，C2＝D_p2.x*D_p1。y-D_p1.x*D_p2.y；

$\cos A=\frac{A1*A2+B1*B2}{\sqrt{A1*A1+B1*B1}*\sqrt{A2*A2+B2*B2}};$

则旋转角度angle＝arccos(cosA)。

同理，还可以在CCD照片中选取多组(两组以上)的特征点，根据最小二乘法的原理，计算出更准确的缩放比例scale和旋转角度angle，根据以上两个参数以及特征点坐标，即可求得任意CCD照片上的点对应投影距离图像上坐标的位置。

c、如图2所示，图像匹配完成后，浏览点云数据，确定待修补区域及其所在的平面，取该平面上的一个点，在投影距离图像中找出其相应位置，作为该平面的基准点referenceP(x,y)。

d、在CCD照片中找出待修补点的位置，根据图像匹配的空间相对位置关系，将待修补点反算到投影距离图像中的对应位置；

根据基准点与待修补点的空间位置关系，将待修补点还原到点云数据中；

该步骤d具体为：

d1、在CCD照片中找出待修补点

点云中需要修补的部分在CCD照片中能够看到，选取待修补区域的结构特征点作为待修补点，在CCD照片中取出这些待修补点，设其中一个待修补点为repairP(x,y)；

d2、计算待修补点在投影距离图像上的对应坐标

CCD照片中的待修补点repairP，转换成投影距离图像中的坐标点newP，通过以下步骤实现：

设在CCD照片中选取一个特征点为photoP1，在投影距离图像中找出与该特征点photoP1位置对应的特征点为dispicP1；

平移：

repairP.x＝repairP.x-photoP1.x+dispicP1.x；

repairP.y＝repairP.y-photoP1.y+dispicP1.y；

旋转：

newP.x＝(repairP.x-dispicP1.x)*cos(angle)

-(repairP.y-dispicP1.x)*sin(angle)+dispicP1.x；

newP.y＝(repairP.x-dispicP1.x)*sin(angle)

+(repairP.y-dispicP1.y)*cos(angle)+dispicP1.y；

缩放：

newP.x＝dispicP1.x+(newP.x-dispicP1.x)*scale；

newP.y＝dispicP1.y+(newP.y-dispicP1.y)*scale；

此时求出的newP就是待修补点repairP在投影距离图像上对应的坐标；

d3、在基准点周围选取另一个基准点referenceP

待修补点repairP在投影距离图像上对应的坐标newP，与投影距离图像中的基准点referenceP连线，选取该线段上位于referenceP一侧且在待修补区域所在的平面上的一个点，作为第二个基准点，记为referenceP2；

d4、计算投影距离图像中newP与投影平面的距离

投影距离图像中referenceP与referenceP2的RGB在投影距离图像上取到，分别根据referenceP与referenceP2的RGB计算其与投影平面的距离distance：

distance＝R+G*255+B*255*255；

令求出的referenceP与投影平面的距离为distance1，referenceP2与投影平面的距离为distance2；求出referenceP到referenceP2的距离为d1，求出referenceP到newP的距离为d2；

设newP与投影平面的距离为distance3，则有：

$\frac{d1}{d2}=\frac{dis\tan ce3-dis\tan ce1}{dis\tan ce2-dis\tan ce1};$

即可求出：

distance3＝distance1+(distance2-distance1)*d2/d1；

d5、得到投影距离图像中newP的RGB颜色分量

根据距离与RGB颜色分量转换公式，将distance3转换成R+G*255+B*255*255，即可求出将投影距离图像中newP的像素RGB；

d6、在投影距离图像中，画出点newP；

d7、依次从CCD照片中取出其他待修补点，利用上述步骤d2至d6分别求出各个待修补点在投影距离图像上的对应坐标与RGB颜色分量，并将其画到投影距离图像中；

d8、将投影距离图像还原成点云数据

设图像的像素坐标为(x，y)，点云坐标为(X，Y，Z)，该区域点云的范围为{Xmin，Ymin，Zmin，Xmax，Ymax，Zmax}；

图像像素坐标(x，y)对应的点云坐标(X，Y，Z)分别是：X＝x+Xmin，Z＝y+Zmin；

点云坐标Y的值是用该像素点的RGB颜色分量来表示的：

Y＝R+G*255+B*255*255+Ymin，此时求出的(X，Y，Z)即为像素点对应的点云坐标；依次求出每个像素点对应的点云坐标即可还原该区域内的点云数据。

e、将还原的待修补点通过点云数据的线加密、点云数据的面加密等技术实现点云的修补。

该步骤e具体为：

根据还原的点云坐标找到待修补区域的待修补点，根据待修补点与实际地物目标的结构特征与空间关系，对实际地物目标的结构进行线性等距离插补，从而实现点云的修补。

当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。

Claims (4)

1.一种基于CCD照片的激光点云地物目标结构特征修补方法，其特征在于，包括如下步骤：

a、将原始点云数据转换成以X、Z为投影平面，Y方向指向补拍拍摄方向的投影坐标系，生成投影距离图像；

b、在CCD照片中选取至少两个特征点，然后在投影距离图像中找出与CCD照片中选取的特征点位置一一对应的特征点；根据选取的特征点对CCD照片与投影距离图像进行匹配，获取两幅图像的空间相对位置关系；

c、图像匹配完成后，浏览点云数据，从而确定待修补区域及其所在的平面，取该平面上的一个点，在投影距离图像中找出其相应位置，作为该平面的基准点；

d、在CCD照片中找出待修补点的位置，根据图像匹配的空间相对位置关系，将待修补点反算到投影距离图像中的对应位置；

根据基准点与待修补点的空间位置关系，将待修补点还原到点云数据中；

e、将还原的待修补点通过线性等距离插补的方式实现点云的修补。

2.根据权利要求1所述的一种基于CCD照片的激光点云地物目标结构特征修补方法，其特征在于，所述步骤a具体为：

a1、转换成拍摄方向的投影坐标系

将原始点云数据转换成以X、Z为投影平面，Y方向指向补拍拍摄方向的投影坐标系；

a2、生成投影距离图像

根据转换后的投影坐标系，以X、Z为图像平面，Y方向的值即点云距离投影平面的距离用该点RGB颜色分量来表示，生成投影距离图像；

设点云坐标为(X，Y，Z)，该区域点云的范围为{Xmin，Ymin，Zmin，Xmax，Ymax，Zmax}，图像的像素坐标为(x，y)；

则点云坐标(X，Y，Z)对应图像的(x，y)分别是：x＝X-Xmin，y＝Z-Zmin；

用该像素点的RGB颜色分量表示该点与投影平面的距离即Y的值：相对距离distance＝Y-Ymin＝R+G*255+B*255*255，此时生成了该区域点云的投影距离图像。

3.根据权利要求1所述的一种基于CCD照片的激光点云地物目标结构特征修补方法，其特征在于，所述b具体为：

b1、在CCD照片中选取两个特征点，分别为photoP1、photoP2，然后在投影距离图像中找出与上述两个特征点位置一一对应的特征点：

设photoP1、photoP2在投影距离图像上对应的特征点分别为dispicP1、dispicP2；

b2、根据选取的特征点对CCD照片和投影距离图像进行匹配

b21、首先计算CCD照片相对于投影距离图像的缩放比例，其计算公式如下：

计算photoP1与photoP2的距离dis1：

$dis1=\left|\sqrt{{(photoP1.x-photoP2.x)}^2+{(photoP1.y-photoP2.y)}^2}\right|,$

dispicP1与dispicP2的距离设为dis2：

$dis2=\left|\sqrt{{(dispicP1.x-dispicP2.x)}^2+{(dispicP1.y-dispicP2.y)}^2}\right|,$

则CCD照片相对于投影距离图像的缩放比例为

b22、然后计算从CCD照片到投影距离图像需要旋转的角度，其计算公式如下：

将photoP1(P_p1.x，P_p1.y)、photoP2(P_p2.x，P_p2.y)所在线段以及dispicP1(D_p1.x，D_p1。y)、dispicP2(D_p2.x，D_p2.y)所在线段转换成直线方程的一般式：

photoP1、photoP2所在的直线方程的一般式：

A1x+B1y+C1＝0；

其中，A1＝P_p2.y-P_p1.y，B1＝P_p1.x-P_p2.x，C1＝P_p2.x*P_p1.y-P_p1.x*P_p2.y；

dispicP1、dispicP2所在的直线方程的一般式：

A2x+B2y+C2＝0；

其中，A2＝D_p2.y-D_p1.y，B2＝D_p1.x-D_p2.x，C2＝D_p2.x*D_p1。y-D_p1.x*D_p2.y；

$\cos A=\frac{A1*A2+B1*B2}{\sqrt{A1*A1+B1*B1}*\sqrt{A2*A2+B2*B2}};$

则旋转角度angle＝arccos(cosA)。

4.根据权利要求1所述的一种基于CCD照片的激光点云地物目标结构特征修补方法，其特征在于，所述步骤d具体为：

d1、在CCD照片中找出待修补点

点云中需要修补的部分在CCD照片中能够看到，选取待修补区域的结构特征点作为待修补点，在CCD照片中取出这些待修补点，设其中一个待修补点为repairP；

d2、计算待修补点在投影距离图像上的对应坐标

通过以下步骤将CCD照片中的待修补点repairP转换成投影距离图像中的坐标点newP：

在CCD照片中选取一个特征点photoP1，在投影距离图像中找出与该特征点photoP1位置对应的特征点dispicP1；

平移：

repairP.x＝repairP.x-photoP1.x+dispicP1.x；

repairP.y＝repairP.y-photoP1.y+dispicP1.y；

旋转：

newP.x＝(repairP.x-dispicP1.x)*cos(angle)

-(repairP.y-dispicP1.x)*sin(angle)+dispicP1.x；

newP.y＝(repairP.x-dispicP1.x)*sin(angle)

+(repairP.y-dispicP1.y)*cos(angle)+dispicP1.y；

缩放：

newP.x＝dispicP1.x+(newP.x-dispicP1.x)*scale；

newP.y＝dispicP1.y+(newP.y-dispicP1.y)*scale；

此时求出的newP就是待修补点repairP在投影距离图像上对应的坐标；

d3、在基准点周围选取另一个基准点referenceP

待修补点repairP在投影距离图像上对应的坐标newP，与投影距离图像中的基准点referenceP连线，选取该线段上位于referenceP一侧且在待修补区域所在的平面上的一个点，作为第二个基准点，记为referenceP2；

d4、计算投影距离图像中newP与投影平面的距离

投影距离图像中referenceP与referenceP2的RGB在投影距离图像上取到，分别根据referenceP与referenceP2的RGB计算其与投影平面的距离distance：

distance＝R+G*255+B*255*255；

令求出的referenceP与投影平面的距离为distance1，referenceP2与投影平面的距离为distance2；求出referenceP到referenceP2的距离为d1，求出referenceP到newP的距离为d2；

设newP与投影平面的距离为distance3，则有：

$\frac{d1}{d2}=\frac{dis\tan ce3-dis\tan ce1}{dis\tan ce2-dis\tan ce1};$

即可求出：

distance3＝distance1+(distance2-distance1)*d2/d1；

d5、得到投影距离图像中newP的RGB颜色分量

根据距离与RGB颜色分量转换公式，将distance3转换成R+G*255+B*255*255，即可求出将投影距离图像中newP的像素RGB；

d6、在投影距离图像中，画出点newP；

d7、依次从CCD照片中取出其他待修补点，利用上述步骤d2至d6分别求出各个待修补点在投影距离图像上的对应坐标与RGB颜色分量，并将其画到投影距离图像中；

d8、将投影距离图像还原成点云数据

设图像的像素坐标为(x，y)，点云坐标为(X，Y，Z)，该区域点云的范围为{Xmin，Ymin，Zmin，Xmax，Ymax，Zmax}；

图像像素坐标(x，y)对应的点云坐标(X，Y，Z)分别是：X＝x+Xmin，Z＝y+Zmin；

点云坐标Y的值是用该像素点的RGB颜色分量来表示的：

Y＝R+G*255+B*255*255+Ymin，此时求出的(X，Y，Z)即为像素点对应的点云坐标；依次求出每个像素点对应的点云坐标即可还原该区域内的点云数据。