CN110335234B - 一种基于古文物LiDAR点云的三维变化检测方法 - Google Patents

Abstract

本发明公开了一种基于古文物LiDAR点云的三维变化检测方法，该方法包括：步骤1、对LiDAR点云数据分别进行滤波和插值处理，生成三维点云模型；步骤2、对两个三维点云模型进行粗配准操作；步骤3、对两个三维点云模型进行精确匹配；步骤4、建立三维参考坐标系，并将三维点云模型归纳到该坐标系下，使三维点云满足最大面朝上；步骤5、在重采样格网下对两个三维点云模型分别进行重采样；步骤6、对重采样点云进行差值处理，得到差值影像；步骤7、对差值影像进行处理，获取点云模型变化区域；步骤8、根据既定的阈值对变化区域进行结果渲染。本发明能更加准确地检测出古文物表面的变化，具有数据更新快，成本低，精度高，可进行定量的分析的特点。

Description

一种基于古文物LiDAR点云的三维变化检测方法

技术领域

本发明涉及测绘科学与技术领域，尤其涉及一种基于古文物LiDAR点云的三维变化检测方法。

背景技术

变化检测的数据源有遥感影像、正射影像、LiDAR(激光雷达)点云数据等。其中，LiDAR不受光照和环境条件的限制，能快速获取低成本、高精度的物体表面的三维坐标，为准确提取古文物表面几何特征提供了良好的数据源。特别地，相比于其他方法，LiDAR点云数据可提供古文物高精度的三维信息。但是由于激光雷达点云数据缺乏纹理信息，同时数据密度分布不均匀并且在三维空间中呈不规则性、不连续分布。因此直接利用LiDAR点云数据进行古文物表面三维变化检测比较困难，尤其是在比较对象形状复杂、边界细节较多时，很难进行准确、快速的变化检测。

通过摄影测量获取的正射影像数据空间分辨率高，同时数据分布连续，具有十分丰富纹理信息，但是影像数据不能提供高精度的三维信息。故将LiDAR点云数据和影像数据结合进行古文物表面的三维变化检测可以达到不同数据源的优势互补。两种数据源的融合研究对于古文物高效率、高精度的三维变化检测，对于LiDAR数据后处理技术发展以满足实际应用都有十分重要的研究价值。

现有的变化检测方法有：(1)基于代数运算的变化检测方法，包括图像差分、图像比值、图像回归方法、图像植被指数差分、变化矢量分析和背景相减等方法；(2)基于图像变换的变化检测方法，包括主成分分析方法(PCA)、穗帽变换方法(KT)、典型相关分析等方法；(3)基于图像分类的变化检测方法，包括分类后比较方法，多时相图像直接分类方法(也称光谱/时相分类)；(4)基于对象的变化检测方法；(5)基于统计模型的变化检测方法；(6)基于小波变换的变化检测方法。

尽管上述各种变化检测方法采用的变化检测基本单元不同，变换检测的策略差别很大，但它们都只使用二维影像的平面信息，没有充分顾及三维变化，而古文物一个十分重要的变化就表现在三维角度上的变化上。因此迫切需要寻求考虑三维变化的变化检测方法。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于古文物LiDAR点云的三维变化检测方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种基于古文物LiDAR点云的三维变化检测方法，该方法包括以下步骤：

步骤1、对两个不同时期的LiDAR点云数据分别进行滤波和插值处理，生成两个不同时期的三维点云模型；

步骤2、对两个三维点云模型进行粗配准操作，进行刚体变换操作，使两个三维点云模型完成粗配准，刚体变换操作包括：平移、旋转；

步骤3、对两个三维点云模型进行精确匹配，计算两个三维点云模型的特征点，通过ICP算法使两个三维点云模型根据特征点精确配准；

步骤4、建立三维参考坐标系(X,Y,Z)，并将三维点云模型归纳到该坐标系下，使三维点云满足最大面朝上；最大面朝上，即通过旋转三维点云模型，使其在X-Y平面上投影面积最大；

步骤5、以参照点云为基础建立重采样格网，在重采样格网下对两个三维点云模型分别进行重采样，得到重采样点云；

步骤6、对重采样点云进行差值处理，计算得到不同时期同一格网的Z值变化量，得到差值影像；

步骤7、对差值影像进行处理，获取点云模型变化区域；

步骤8、根据既定的阈值对变化区域进行结果渲染，将变化区域根据差值大小进行可视化区分并表达。

进一步地，本发明的步骤1的具体方法为：

对新旧两个不同时期的原始LiDAR点云数据进行处理，分别记为T1时期LiDAR数据和T2时期LiDAR数据，对两期原始LiDAR点云数据进行滤波以剔除粗差点，包括：极高点、极低点和噪声点。

进一步地，本发明的步骤3的具体方法为：

使用ICP算法，即Iterative Closest Point算法对点云进行精确匹配，具体匹配策略如下：

设在T1时期的点云集合为P_i，i＝1，2，3，...，T2时期的点云集合为Q_i，i＝1，2，3，...；两个点集的对齐配准转换为使下列目标函数E最小；

其中，旋转矩阵R和平移矩阵T，就是找到的待配准点云数据与参考点云数据之间的旋转参数和平移参数，使得两个点云数据集之间满指定度量准则下的最优匹配；

在T1时期点云中取点集P_i∈T₁，计算P_i中的每一个点到临近点的距离D：

选取D最小的点作为其对应最近点，从而找出点云T₂中的对应点集Q_i∈T₁，使得||Q_i-P_i||＝min；

计算旋转矩阵R和平移矩阵T，对Q_i使用求得的旋转和平移矩阵，得到新的点集Q_i′；

如果新的变换点集Q_i′满足目标函数要求，即两点集的平均距离小于某一给定阈值min，则停止迭代计算，否则新的变换点集Q_i′作为新的Q_i继续迭代，直到达到目标函数要求。

进一步地，本发明的步骤4的具体方法为：

分别计算点云模型在X，Y，Z三个方向上的坐标值方差，以表示点云在三个方向上的离散程度，对应关系如下式：

选取离散程度，即方差最大的方向求取两个点云内所有特征点在此方向上的坐标均值，根据该均值，将点云在该方向上分为两部分；每一部分求取几何中心点O(X，Y，Z)，对应关系如下式：

其中，n为当前部分点云内特征点的数量，x_i，y_i，z_i为第i个特征点的三维坐标参数；

根据所求几何中心点，在两个点云内分别以已求得的几何中心点为起终点建立方向向量；根据该方向向量与X-Y平面的相对关系，通过旋转，使该向量与X-Y平面平行，通过解算，获得旋转矩阵R₁，R₂；最后通过点云与旋转矩阵相乘，使点云最大面朝上，Z轴方向竖直向上。

进一步地，本发明的步骤5的具体方法为：

在三维点云的最大面上按照固定大小矩形格网对点云进行区域划分，选取其中一个点云建立格网，当有多个特征点在同一格网中时，取均值为该格网的最大面方向特征值；采样格网大小对应关系如下式：

其中，Cell_width为采样格网大小，N为点云内特征点总数，widthX为点云在X方向上的宽度，widthY为点云在Y方向上的宽度；widthX及widthY为初始默认值。

本发明产生的有益效果是：本发明的基于古文物LiDAR点云的三维变化检测方法，充分利用了古文物表面三维变化这一重要特点，通过对LiDAR数据的处理分析，利用生成的三维点云来更加准确地检测出古文物表面的变化；该方法在整个变化检测过程中不需要或仅需要极少的人工进行干预，数据更新快，成本低，精度高，而且可以进行定量的分析，同时也能对检测出的变化区域进行变化性质的判断，为当前文物保护领域提供了一种更高效的文物表面三维变化检测方法。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例提供古文物表面三维变化检测方法，通过LiDAR数据滤波、插值生成高精度三维点云模型，然后对点云模型进行差值得到候选变化区域，然后通过将变化区域根据变化程度大小进行区分和可视化表达并提供定量分析报告。输入数据为对象文物两期激光点云数据。具体实施时可采用计算机软件技术实现自动运行。

实施例的具体实现方法包括以下步骤：

步骤1，对两个不同时期的LiDAR点云数据分别进行滤波和插值处理，生成两个不同时期的三维点云模型；

实施例对新旧两个不同时期的原始LiDAR点云数据进行处理，分别记为T1时期LiDAR数据和T2时期LiDAR数据。对两期原始LiDAR点云进行滤波以剔除粗差点(极高点、极低点和噪声点)。

步骤2，对两个三维点云模型进行粗配准操作，进行平移、旋转等刚体变换操作。操作的结果为两个点云模型位置大致重合；

步骤3，对两个三维点云模型进行精确匹配，使两个三维点云模型根据特征点精确配准；

实施例使用ICP(Iterative Closest Point)算法对点云进行精确匹配，具体匹配策略如下：

设在第一个点集合为P_i，i＝1，2，3，...，第二个点集合为Q_i，i＝1，2，3，...。两个点集的对齐配准转换为使下列目标函数最小。

其中，旋转矩阵R和平移矩阵T，就是找到的待配准点云数据与参考点云数据之间的旋转参数和平移参数，使得两点集数据之间满足某种度量准则下的最优匹配。

在T1时期点云中取点集P_i∈T₁，计算P_i中的每一个点到临近点的距离D：

选取D最小的点作为其对应最近点，从而找出点云T₂中的对应点集Q_i∈T₁，使得||Q_i-P_i||＝min。

计算旋转矩阵R和平移矩阵T，对Q_i使用求得的旋转和平移矩阵，得到新的点集Q_i′。

如果新的变换点集Q_i′满足目标函数要求，即两点集的平均距离小于某一给定阈值min，则停止迭代计算，否则新的变换点集Q_i′作为新的Q_i继续迭代，直到达到目标函数要求。目标函数要求也可以是迭代次数。

步骤4，建立三维参考坐标系(X，Y，Z)，并将点云归纳到该坐标系下，使三维点云“最大面朝上”。“最大面朝上”即通过旋转三维点云模型，使其在X-Y平面上投影面积最大。具体实施策略如下：

首先，为了提高点云旋转过程中的精度，分别计算点云模型在X，Y，Z三个方向上的坐标值方差，以表示点云在三个方向上的离散程度。对应关系如下式：

然后，选取离散程度(即方差)最大的方向求取两个点云内所有特征点在此方向上的坐标均值，根据该均值，将点云在该方向上分为两部分。每一部分求取几何中心点O(X，Y，Z)，对应关系如下式：

其中，n为当前部分点云内特征点的数量，x_i，y_i，z_i为第i个特征点的三维坐标参数；

然后根据所求几何中心点，在两个点云内分别以已求得的几何中心点为起终点建立方向向量；根据该方向向量与X-Y平面的相对关系，通过旋转，使该向量与X-Y平面平行，通过解算，获得旋转矩阵R₁，R₂；最后通过点云与旋转矩阵相乘，使点云“最大面”(即步骤4中所得‘最大面’，下同)朝上，Z轴方向竖直向上；

步骤5，以参照点云为基础建立重采样格网，在此格网下对两个点云分别进行重采样。重采样格网建立方法如下：

首先，在“最大面”上按照固定大小矩形格网对点云进行区域划分，选取其中一个点云建立格网，当有多个特征点在同一格网中时，取均值为该格网的最大面方向特征值；采样格网大小对应关系如下式：

其中，Cell_width为采样格网大小，N为点云内特征点总数，widthX为点云在X方向上的宽度，widthY为点云在Y方向上的宽度。widthX及widthY为初始默认值，可满足大多数需求，当点云近分布越均匀，利用该公示求得结果越能保证一个格网里面有一个特征点，必要时可人为改变以适应不同需求；

步骤6，利用步骤5中格网，分别对两个点云进行重采样，得到的重采样点云，然后进行差值处理，计算得到不同时期同一格网的Z值变化量，得到差值影像；

步骤7，对步骤6所得差值影像进行处理，获取点云模型变化区域。

步骤8，对步骤7所得变化区域根据既定的阈值对变化区域进行结果渲染，将变化区域根据差值大小进行可视化区分并表达。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (3)

1.一种基于古文物LiDAR点云的三维变化检测方法，其特征在于，该方法包括以下步骤：

步骤1、对两个不同时期的LiDAR点云数据分别进行滤波和插值处理，生成两个不同时期的三维点云模型；

步骤2、对两个三维点云模型进行粗配准操作，进行刚体变换操作，使两个三维点云模型完成粗配准，刚体变换操作包括：平移、旋转；

步骤3、对两个三维点云模型进行精确匹配，计算两个三维点云模型的特征点，通过ICP算法使两个三维点云模型根据特征点精确配准；

步骤4、建立三维参考坐标系(X,Y,Z)，并将三维点云模型归纳到该坐标系下，使三维点云满足最大面朝上；最大面朝上，即通过旋转三维点云模型，使其在X-Y平面上投影面积最大；

步骤5、以参照点云为基础建立重采样格网，在重采样格网下对两个三维点云模型分别进行重采样，得到重采样点云；

步骤6、对重采样点云进行差值处理，计算得到不同时期同一格网的Z值变化量，得到差值影像；

步骤7、对差值影像进行处理，获取点云模型变化区域；

步骤8、根据既定的阈值对变化区域进行结果渲染，将变化区域根据差值大小进行可视化区分并表达；

步骤3的具体方法为：

使用ICP算法，即Iterative Closest Point算法对点云进行精确匹配，具体匹配策略如下：

设在T1时期的点云集合为P_i，i＝1，2，3，...，T2时期的点云集合为Q_i，i＝1，2，3，...；两个点集的对齐配准转换为使下列目标函数E最小；

其中，旋转矩阵R和平移矩阵T，就是找到的待配准点云数据与参考点云数据之间的旋转参数和平移参数，使得两个点云数据集之间满指定度量准则下的最优匹配；

在T1时期点云中取点集P_i∈T₁，计算P_i中的每一个点到临近点的距离D：

选取D最小的点作为其对应最近点，从而找出点云T₂中的对应点集Q_i∈T₁，使得||Q_i-P_i||＝min；

计算旋转矩阵R和平移矩阵T，对Q_i使用求得的旋转和平移矩阵，得到新的点集Q_i′；

如果新的变换点集Q_i′满足目标函数要求，即两点集的平均距离小于某一给定阈值min，则停止迭代计算，否则新的变换点集Q_i′作为新的Q_i继续迭代，直到达到目标函数要求；

步骤4的具体方法为：

分别计算点云模型在X，Y，Z三个方向上的坐标值方差，以表示点云在三个方向上的离散程度，对应关系如下式：

选取离散程度，即方差最大的方向求取两个点云内所有特征点在此方向上的坐标均值，根据该均值，将点云在该方向上分为两部分；每一部分求取几何中心点O(X，Y，Z)，对应关系如下式：

其中，n为当前部分点云内特征点的数量，x_i，y_i，z_i为第i个特征点的三维坐标参数；

根据所求几何中心点，在两个点云内分别以已求得的几何中心点为起终点建立方向向量；根据该方向向量与X-Y平面的相对关系，通过旋转，使该向量与X-Y平面平行，通过解算，获得旋转矩阵R₁，R₂；最后通过点云与旋转矩阵相乘，使点云最大面朝上，Z轴方向竖直向上。

2.根据权利要求1所述的基于古文物LiDAR点云的三维变化检测方法，其特征在于，步骤1的具体方法为：

对新旧两个不同时期的原始LiDAR点云数据进行处理，分别记为T1时期LiDAR数据和T2时期LiDAR数据，对两期原始LiDAR点云数据进行滤波以剔除粗差点，包括：极高点、极低点和噪声点。

3.根据权利要求1所述的基于古文物LiDAR点云的三维变化检测方法，其特征在于，步骤5的具体方法为：

在三维点云的最大面上按照固定大小矩形格网对点云进行区域划分，选取其中一个点云建立格网，当有多个特征点在同一格网中时，取均值为该格网的最大面方向特征值；采样格网大小对应关系如下式：

其中，Cell_width为采样格网大小，N为点云内特征点总数，widthX为点云在X方向上的宽度，widthY为点云在Y方向上的宽度；widthX及widthT为初始默认值。

Images