CN114627171A - 形变图像与dem融合方法及电子设备 - Google Patents

形变图像与dem融合方法及电子设备 Download PDF

Info

Publication number
CN114627171A
CN114627171A CN202210342457.5A CN202210342457A CN114627171A CN 114627171 A CN114627171 A CN 114627171A CN 202210342457 A CN202210342457 A CN 202210342457A CN 114627171 A CN114627171 A CN 114627171A
Authority
CN
China
Prior art keywords
data
coordinate system
image data
deformation image
digital elevation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210342457.5A
Other languages
English (en)
Inventor
乞耀龙
张梦雨
黄平平
徐伟
谭维贤
陈月娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inner Mongolia University of Technology
Original Assignee
Inner Mongolia University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Inner Mongolia University of Technology filed Critical Inner Mongolia University of Technology
Priority to CN202210342457.5A priority Critical patent/CN114627171A/zh
Publication of CN114627171A publication Critical patent/CN114627171A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供形变图像与DEM融合方法及电子设备，包括：获取目标区域场景的数字高程模型数据以及形变图像数据；根据数字高程模型数据和形变图像数据之间的位置关系和坐标系的对应关系，将数字高程模型数据和形变图像数据使用的坐标系均转换为第一坐标系；基于第一坐标系，从数字高程模型的点云数据中获取与形变图像数据对应的像素点，其中，形变图像数据对应的像素点中存储有相应的形变图像数据的形变信息；在第一坐标系下，将形变信息添加到与之相对应的点云数据的像素点中，以更新点云数据；获取更新后的点云数据中的有效数据。本发明的有益效果：可降低数据处理时因为坐标转换出现的误差，实现雷达形变图像与DEM的融合，提高整体可视化效果。

Description

形变图像与DEM融合方法及电子设备
技术领域
本发明涉及微变雷达图像处理技术领域，具体涉及一种形变图像与DEM融合方法及电子设备。
背景技术
地基合成孔径雷达(Ground-based Synthetic Aperture Radar，GB-SAR)作为新型主动微波遥感技术，通过发射大时宽带宽信号实现在距离向的高分辨率成像，同时通过合成孔径技术实现方位向的高分辨率成像，实现对目标区域的二维分辨率成像，可达到毫米级精度的形变监测。
数字高程模型(Digital Elevation Model，DEM)，是通过有限的地形高程数据实现对地面地形的数字化模拟，利用无人机拍摄获取模型数据实现现场模型重建，提供现场地表细节信息以及观测区域的三维点云数据，由于雷达形变图像数据在处理过程中，观测距离较远，坐标匹配时空间上三个坐标方向的偏移会带来显著的误差，其鲁棒性和配准精度需近一步提高，因此需要一种方法能够准确的实现DEM数据与GB-SAR的形变图像融合，以增强显示效果。
发明内容
为了克服现有技术的不足，本发明提供了一种形变图像与DEM融合方法及电子设备，通过空间三个坐标方向上GB-SAR观测场景相对地形坐标旋转及位置关系，降低数据处理时因为坐标转换出现的误差，实现高精度雷达形变图像与DEM的融合，提高整体可视化效果。
为解决上述技术问题，本发明采用的技术方案如下：
本发明实施例提供形变图像与DEM融合方法，包括：
获取目标区域场景的数字高程模型数据以及形变图像数据；
根据所述数字高程模型数据和所述形变图像数据之间的位置关系和坐标系的对应关系，将所述数字高程模型数据和所述形变图像数据使用的坐标系均转换为第一坐标系；
基于所述第一坐标系，从所述数字高程模型的点云数据中获取与所述形变图像数据对应的像素点，其中，所述形变图像数据对应的像素点中存储有相应的所述形变图像数据的形变信息；
在所述第一坐标系下，将形变信息添加到与之相对应的所述点云数据的像素点中，以更新所述点云数据；
获取更新后的所述点云数据中的有效数据。
可选地，所述根据所述数字高程模型数据和所述形变图像数据之间的位置关系和坐标系的对应关系，将所述数字高程模型数据和所述形变图像数据使用的坐标系均转换为第一坐标系，包括：
在所述数字高程模型数据的三维坐标系中选定目标点，并确定所述目标点在所述形变图像数据的二维坐标系中的第一坐标信息；
确定所述目标点的第一坐标信息与所述第二坐标信息之间的坐标对应关系，其中，所述第二坐标信息为所述目标点在所述三维坐标系中的坐标信息；
根据所述坐标对应关系，确定在所述第一坐标系中所述数字高程模型数据与所述形变图像数据之间的变化量；
基于所述变化量，将所述数字高程模型数据与所述形变图像数据匹配至所述第一坐标系中。
可选地，所述在所述数字高程模型数据的三维坐标系中选定目标点，并确定所述目标点在所述形变图像数据的二维坐标系中的第一坐标信息，包括：
将选定的所述目标点以所述形变图像数据的二维坐标系中的极坐标形式表达，相应的表达式为公式(1)：
Figure BDA0003575387630000021
其中，R为P点到雷达相对距离，θ为P点到雷达中心连线与X轴的夹角，z为目标点到雷达位置水平面的相对高度；
相应地，所述确定所述目标点的第一坐标信息与所述第二坐标信息之间的坐标对应关系，包括：根据所述数字高程模型数据的三维坐标系和所述形变图像数据的二维坐标系之间的物理转换，建立所述坐标对应关系，以公式(2)的方式表示为：
Figure BDA0003575387630000031
其中，获取所述目标点(X、Y、Z)和雷达中心(x0、y0、z0)在所述数字高程模型数据的三维坐标系中的坐标信息，基于所述变化量，确定所述变化量的变化因子为A；
相应地，所述根据所述坐标对应关系，确定在所述第一坐标系中所述数字高程模型数据与所述形变图像数据之间的变化量，包括：建立所述形变图像数据的二维坐标系，其中，所述二维坐标系横轴为斜距向，纵轴为方位向，所述形变图像数据的二维坐标系的像素点与所述第一坐标系中的第i个像素点之间的关系以公式(3)表示：
Figure BDA0003575387630000032
其中，r和c为所述二维坐标系的横轴和纵轴，R0为所述形变图像数据的观测近斜距，θ0为起始角度，所述斜距向的空间分辨率为ΔR，所述方位向的空间分辨率为Δθ；
相应地，所述基于所述变化量，将所述数字高程模型数据与所述形变图像数据匹配至所述第一坐标系中，包括：确定所述目标点在所述形变图像数据的二维坐标系中的第一坐标信息，将公式(1)和公式(3)代入，以得到匹配至所述第一坐标系的相应数据，以公式(4)的方式表示为：
Figure BDA0003575387630000033
其中，Xi、、Yi、Zi为所述形变图像数据与所述数字高程模型数据转换为所述第一坐标系的坐标信息。
可选地，所述基于所述第一坐标系，从所述数字高程模型的点云数据中获取与所述形变图像数据对应的像素点，包括：
在所述第一坐标系下创建地理栅格；
根据所述地理栅格中包含的地理信息，从所述数字高程模型的点云数据中逐点搜索与所述形变图像数据对应的像素点；
在搜索到所述像素点的情况下，获取所述像素点的相关信息。
可选地，所述在所述第一坐标系下，将形变信息添加到与之相对应的所述点云数据的像素点中，包括：
根据所述点云数据中的像素点与对应的所述形变图像数据中的像素点的几何映射关系，将所述形变图像数据的像素点中存储的所述形变信息添加到所述点云数据的像素点中。
可选地，所述获取更新后的所述点云数据中的有效数据，包括：
获取所述形变图像数据的有效边界值；
基于所述有效边界值，确定所述形变图像数据的有效范围；
将所述数字高程模型数据裁剪至所述形变图像数据中的所述有效范围内；
将裁剪后的所述数字高程模型数据中的点云数据确定为所述有效数据。
可选地，所述方法还包括：
基于所述点云数据中的有效数据，生成相应的目标图像；
将所述目标图像输出。
可选地，所述获取目标区域场景的数字高程模型数据以及基于GB-SAR的形变图像数据，包括：
将所述数字高程模型数据和所述形变图像数据进行图像预处理，以去除无效干扰数据。
本发明实施例还提供一种电子设备，包括：
第一获取模块，其配置为获取目标区域场景的数字高程模型数据以及形变图像数据；
转换模块，其配置为根据所述数字高程模型数据和所述形变图像数据之间的位置关系和坐标系的对应关系，将所述数字高程模型数据和所述形变图像数据使用的坐标系均转换为第一坐标系；
第二获取模块，其配置为基于所述第一坐标系，从所述数字高程模型的点云数据中获取与所述形变图像数据对应的像素点，其中所述形变图像数据对应的像素点中存储有相应的所述形变图像数据的形变信息；
更新模块，其配置为在所述第一坐标系下，将形变信息添加到与之相对应的所述点云数据的像素点中，以更新所述点云数据；
生成模块，其配置为获取更新后的所述点云数据中的有效数据。
本发明实施例还提供一种电子设备，包括存储器和处理器，所述存储器中存储有可执行程序，所述处理器处理所述可执行程序以进行如下步骤：
获取目标区域场景的数字高程模型数据以及形变图像数据；
根据所述数字高程模型数据和所述形变图像数据之间的位置关系和坐标系的对应关系，将所述数字高程模型数据和所述形变图像数据使用的坐标系均转换为第一坐标系；
基于所述第一坐标系，从所述数字高程模型的点云数据中获取与所述形变图像数据对应的像素点，其中所述形变图像数据对应的像素点中存储有相应的所述形变图像数据的形变信息；
在所述第一坐标系下，将形变信息添加到与之相对应的所述点云数据的像素点中，以更新所述点云数据；
获取更新后的所述点云数据中的有效数据。
本发明提供一种形变图像与DEM融合方法及电子设备，通过空间三个坐标方向上GB-SAR观测场景相对地形坐标旋转及位置关系，降低数据处理时因为坐标转换出现的误差，实现高精度雷达形变图像与DEM的融合，提高整体可视化效果。
附图说明
图1为本申请实施例的融合方法的流程图；
图2为本申请实施例图1中步骤S20的一个实施例的流程图；
图3为本申请实施例的地基微变雷达观测模型的示意图；
图4为本申请实施例的雷达形变图像坐标的示意图；
图5为本申请实施例的融合方法的一个具体实施例的流程图；
图6为本申请实施例的融合方法的电子设备的流程框图；
图7为本申请实施例的融合方法的另一个实施例的电子设备的流程框图。
具体实施方式
为了使得本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
本发明提供一种形变图像与DEM融合方法及电子设备，通过空间三个坐标方向上GB-SAR观测场景相对地形坐标旋转及位置关系，降低数据处理时因为坐标转换出现的误差，实现高精度雷达形变图像与DEM的融合，提高整体可视化效果。
下面结合图1至图4对本发明的实施例做详细说明：
实施例一：
本发明实施例提供一种形变图像与DEM融合方法。
步骤S10，获取目标区域场景的数字高程模型数据以及形变图像数据。
在本发明的一些实施例中，通过无人机进行低空作业，可以获取到目标观测区域的场景图，并生成高精度的数字高程模型(DEM)数据，其内部含有多种数据(X、Y、Z、R、G、B、行、列)。
在示例性的一些实施例中，地基合成孔径雷达(GB-SAR)通过利用主动式对地观测系统，可实现全天时、全天候对地实施观测、并具备一定的地表穿透能力，通过发射大时宽带宽信号实现在距离向的高分辨率成像，同时通过合成孔径技术实现方位向的高分辨率成像，可实现对目标区域的二维分辨率成像。
在示例性的一些实施例中，无人机倾斜摄影模型数据可实现现场模型重建，并提供现场地表细节信息以及观测区域的三维点云数据。
在示例性的一些实施例中，对无人机获取的高精度数字高程模型(DEM)数据进行预处理。由于数字高程模型中的点云数据量较为庞大，并且存有一些无效干扰数据，影响后续融合，因此需要利用计算机制图软件对数字高程模型进行预处理，以去除无效地、错误地数据。
在示例性的一些实施例中，对地基合成孔径雷达(GB-SAR)的形变图像数据进行预处理。由于地基合成孔径雷达的形变图像数据的分辨率会显著低于无人机获取的高精度数字高程模型(DEM)的分辨率，为了确定融合模型的距离向和方位角的分辨率固定网格，通常将地基合成孔径雷达(GB-SAR)的形变图像数据通过方位向和距离向上两个维度的一维差值来完成。
步骤S20，根据所述数字高程模型数据和所述形变图像数据之间的位置关系和坐标系的对应关系，将所述数字高程模型数据和所述形变图像数据使用的坐标系均转换为第一坐标系。
在本发明的一些实施例中，由于地基合成孔径雷达(GB-SAR)获取到的形变图像数据，在处理过程中因为观测距离较远，坐标转换时所带来的误差较为显著，因此，为了能够融合地形数据，降低数据处理时因为坐标匹配出现的误差，需要考虑三个坐标方向上的相对位置以及两坐标系间的旋转。
在示例性的一些实施例中，两坐标系分别为：雷达坐标系，以雷达为原点的二维坐标系；地理坐标系，无人机获取的数字高程模型数据为三维坐标系。
在示例性的一些实施例中，参见图2，步骤S20还包括：
步骤S201，在所述数字高程模型数据的三维坐标系中选定目标点，并确定所述目标点在所述形变图像数据的二维坐标系中的第一坐标信息。
在示例性的一些实施例中，参见图4，观测区域任意目标点P与雷达的相对位置可表示为P(R,θ),其中，R为P点到雷达相对距离，θ为P点到雷达中心连线与X轴的夹角，图像原点位于一幅图像中的左上角，坐标横轴指向列方向(即斜距向，空间分辨率为ΔR)，坐标纵轴指向行方向(即方位向,空间分辨率为Δθ)，雷达形变图像像素位置用(row，col)表示，其中，row、col分别表示图像的行和列。
在示例性的一些实施例中，假设目标点P是数字高程模型数据的三维坐标系中任意一点，将选定的目标点P以形变图像数据的二维坐标系中的极坐标形式表达，相应的表达式为公式(1)所示：
Figure BDA0003575387630000081
其中，R为P点到雷达相对距离，θ为P点到雷达中心连线与X轴的夹角，z为目标点P到雷达位置水平面的相对高度。
步骤S202，确定所述目标点的第一坐标信息与所述第二坐标信息之间的坐标对应关系，其中，所述第二坐标信息为所述目标点在所述三维坐标系中的坐标信息。
在示例性的一些实施例中，利用GPS测量得到P(X、Y、Z)点和雷达中心(x0、y0、z0)在地理坐标系中坐标。
在示例性的一些实施例中，计算出空间三个方向上雷达坐标系相对地理坐标系的变化量，确定坐标变化因子A。
步骤S203，根据所述坐标对应关系，确定在所述第一坐标系中所述数字高程模型数据与所述形变图像数据之间的变化量。
在示例性的一些实施例中，根据数字高程模型数据的三维坐标系和形变图像数据的二维坐标系之间的物理转换，建立坐标对应关系，以公式(2)的方式表示为：
Figure BDA0003575387630000091
其中，获取目标点(X、Y、Z)和雷达中心(x0、y0、z0)在数字高程模型数据的三维坐标系中的坐标信息，基于变化量，确定变化量的变化因子为A。
在示例性的一些实施例中，雷达采用直线型扫描GB-SAR系统进行形变监测，该系统通过天线在直线轨道上匀速往返运动形成合成孔径，同时由天线在垂直轨道方向(距离向)收发脉冲信号，利用脉冲压缩技术实现距离向高分辨率，在沿轨道运动方向(方位向)的场景下，利用直线轨道运动形成合成孔径，对接收到的电磁波信号相干处理形成方位高分辨率，从而能够获取观测区域二维高分辨率图像。
在本发明的一些实施例中，参见图3，以O为原点建立雷达坐标系XOY,观测区域的起始角度为θ0，观测近距为R0，ΔR和Δθ分别为雷达图像的方位向和距离向的分辨率。
在示例性的一些实施例中，建立形变图像数据的二维坐标系，其中，二维坐标系横轴为斜距向，纵轴为方位向，形变图像数据的二维坐标系与第i个像素点以公式(3)的方式表示，具体如下式：
Figure BDA0003575387630000092
其中，i为所述目标点位于第一坐标系中的像素点，r和c为二维坐标系的横轴和纵轴，R0为形变图像数据的观测近斜距，θ0为起始角度，斜距向的空间分辨率为ΔR，方位向的空间分辨率为Δθ。
步骤S204，基于所述变化量，将所述数字高程模型数据与所述形变图像数据匹配至所述第一坐标系中。
在示例性的一些实施例中，确定目标点在形变图像数据的二维坐标系中的第一坐标信息，将公式(1)和公式(3)代入，以得到公式(4)，所述公式(4)表示为：
Figure BDA0003575387630000093
其中，Xi、Yi、Zi为形变图像数据与数字高程模型数据转换为第一坐标系的坐标信息。
步骤S30，基于所述第一坐标系，从所述数字高程模型的点云数据中获取与所述形变图像数据对应的像素点，其中，所述形变图像数据对应的像素点中存储有相应的所述形变图像数据的形变信息。
在本发明的一些实施例中，基于所述第一坐标系，从数字高程模型的点云数据中获取与形变图像数据对应的像素点，包括：
在第一坐标系下创建地理栅格；
根据地理栅格中包含的地理信息，从数字高程模型的点云数据中逐点搜索与形变图像数据对应的像素点；
在示例性的一些实施例中，创建带有若干条地理信息的数据集(地理栅格)，在同一坐标系下从数字高程模型的点云数据中搜索与雷达形变图像中对应的像素点。
在示例性的一些实施例中，判断数字高程模型的点云数据中的像素点是否存在，如果不存在，则重新对下一个可用像素点进行逐点搜索。
步骤S40，在所述第一坐标系下，将形变信息添加到与之相对应的所述点云数据的像素点中，以更新所述点云数据。
在本发明的一些实施例中，在搜索到像素点的情况下，将雷达形变图像数据的坐标信息，根据与数字高程模型建立的对应关系进行像素点的一一几何映射，基于每一像素点均存储在数字高程模型的点云数据中，从而可将雷达形变图像数据中的形变信息，以更新的方式添加到数字高程模型的点云数据中。
步骤S50，获取更新后的所述点云数据中的有效数据。
在本发明的一些实施例中，获取更新后的点云数据中的有效数据，包括：
获取形变图像数据的有效边界值；
基于有效边界值，确定形变图像数据的有效范围；
将数字高程模型数据裁剪至形变图像数据中的有效范围内；
将裁剪后的数字高程模型数据中的点云数据确定为有效数据。
在示例性的一些实施例中，由于无人机获取的目标观测区域的数字高程模型(DEM)数据一般场景较大，若非观测区域的大量数据也参与运算会造成耗时，影响流畅度，因此需要对其内部含有的多种数据(X、Y、Z、R、G、B、行、列)中的行、列数据进行搜索，求出与雷达形变图像矩阵等大的有效行和列的最大、最小值。
在示例性的一些实施例中，在数据处理过程中，利用雷达形变图像数据设置边缘阈值，减小搜索范围，以确定形变图像数据的有效范围。
在示例性的一些实施例中，数字高程模型(DEM)数据会被裁剪，数字高程模型(DEM)数据会被缩小至与雷达形变图像所在的地理坐标系相同的覆盖范围内，并且，每个像素点均存储着带有映射关系的数字高程模型(DEM)的点云数据和雷达形变图像数据。
在示例性的一些实施例中，将裁剪后的数字高程模型(DEM)数据中的点云数据确定为有效数据。
在示例性的一些实施例中，基于数字高程模型(DEM)的点云数据中已存储的有效数据，将地基合成孔径雷达(GB-SAR)的二维形变图像与无人机获取的目标区域完整的地形地貌数据，在同一坐标系中进行融合，并将融合后的图像输出。
实施例二：
本发明实施例提供一种电子设备。
第一获取模块，其配置为获取目标区域场景的数字高程模型数据以及形变图像数据；其中，其进一步配置为：
将所述数字高程模型数据和所述形变图像数据进行图像预处理，以去除无效干扰数据。
转换模块，其配置为根据数字高程模型数据和形变图像数据之间的位置关系和坐标系的对应关系，将数字高程模型数据和形变图像数据使用的坐标系均转换为第一坐标系；其中，其进一步配置为：
在所述数字高程模型数据的三维坐标系中选定目标点，并确定所述目标点在所述形变图像数据的二维坐标系中的第一坐标信息；
确定所述目标点的第一坐标信息与所述第二坐标信息之间的坐标对应关系，其中，所述第二坐标信息为所述目标点在所述三维坐标系中的坐标信息；
根据所述坐标对应关系，确定在所述第一坐标系中所述数字高程模型数据与所述形变图像数据之间的变化量；
基于所述变化量，将所述数字高程模型数据与所述形变图像数据匹配至所述第一坐标系中。
第二获取模块，其配置为基于所述第一坐标系，从数字高程模型的点云数据中获取与形变图像数据对应的像素点，其中形变图像数据对应的像素点中存储有相应的形变图像数据的形变信息；其中，其进一步配置为：
在所述第一坐标系下创建地理栅格；
根据所述地理栅格中包含的地理信息，从所述数字高程模型的点云数据中逐点搜索与所述形变图像数据对应的像素点；
在搜索到所述像素点的情况下，获取所述像素点的相关信息。
更新模块，其配置为在所述第一坐标系下，将形变信息添加到与之相对应的点云数据的像素点中，以更新点云数据；其中，其进一步配置为：
根据所述点云数据中的像素点与对应的所述形变图像数据中的像素点的几何映射关系，将所述形变图像数据的像素点中存储的所述形变信息添加到所述点云数据的像素点中。
生成模块，其配置为获取更新后的点云数据中的有效数据；其中，其进一步配置为：
获取所述形变图像数据的有效边界值；
基于所述有效边界值，确定所述形变图像数据的有效范围；
将所述数字高程模型数据裁剪至所述形变图像数据中的所述有效范围内；
将裁剪后的所述数字高程模型数据中的点云数据确定为所述有效数据。
在本申请的一些示例性的实施例中，还包括输出模块，其配置为基于所述点云数据中的有效数据，生成相应的目标图像，将所述目标图像输出。
实施例三：
本发明实施例还提供一种电子设备。
包括存储器和处理器，存储器中存储有可执行程序，处理器处理可执行程序，所述可执行程序执行如上所述的任一项融合方法。
本发明提供一种形变图像与DEM融合方法及电子设备，通过空间三个坐标方向上GB-SAR观测场景相对地形坐标旋转及位置关系，降低数据处理时因为坐标转换出现的误差，实现高精度雷达形变图像与DEM的融合，提高整体可视化效果。
在一些实施例中，执行算机可执行指令处理器可以是包括一个以上通用处理设备的处理设备，诸如微处理器、中央处理单元(CPU)、图形处理单元(GPU)等。更具体地，该处理器可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、运行其他指令集的处理器或运行指令集的组合的处理器。该处理器还可以是一个以上专用处理设备，诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、片上系统(SoC)等。
在一些实施例中，计算机可读存储介质可以为存储器，诸如只读存储器(ROM)、随机存取存储器(RAM)、相变随机存取存储器(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、电可擦除可编程只读存储器(EEPROM)、其他类型的随机存取存储器(RAM)、闪存盘或其他形式的闪存、缓存、寄存器、静态存储器、光盘只读存储器(CD-ROM)、数字通用光盘(DVD)或其他光学存储器、盒式磁带或其他磁存储设备，或被用于储存能够被计算机设备访问的信息或指令的任何其他可能的非暂时性的介质等。
在一些实施例中，计算机可执行指令可以实现为多个程序模块，多个程序模块共同实现根据本公开中任何一项所述的医学影像的显示方法。
本公开描述了各种操作或功能，其可以实现为软件代码或指令或者定义为软件代码或指令。显示单元可以实现为在存储器上存储的软件代码或指令模块，其由处理器执行时可以实现相应的步骤和方法。
这样的内容可以是可以直接执行(“对象”或“可执行”形式)的源代码或差分代码(“delta”或“patch”代码)。这里描述的实施例的软件实现可以通过其上存储有代码或指令的制品提供，或者通过操作通信接口以通过通信接口发送数据的方法提供。机器或计算机可读存储介质可以使机器执行所描述的功能或操作，并且包括以可由机器(例如，计算显示设备、电子系统等)访问的形式存储信息的任何机制，例如可记录/不可记录介质(例如，只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪存显示设备等)。通信接口包括与硬连线、无线、光学等介质中的任何一种接口以与其他显示设备通信的任何机制，例如存储器总线接口、处理器总线接口、因特网连接、磁盘控制器等。通信接口可以通过提供配置参数和/或发送信号来配置以准备通信接口，以提供描述软件内容的数据信号。可以通过向通信接口发送一个或多个命令或信号来访问通信接口。
本公开的实施例的计算机可执行指令可以组织成一个或多个计算机可执行组件或模块。可以用这类组件或模块的任何数量和组合来实现本公开的各方面。例如，本公开的各方面不限于附图中示出的和本文描述的特定的计算机可执行指令或特定组件或模块。其他实施例可以包括具有比本文所示出和描述的更多或更少功能的不同的计算机可执行指令或组件。
以上描述旨在是说明性的而不是限制性的。例如，上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外，在上述具体实施方式中，各种特征可以被分组在一起以简单化本公开。这不应解释为一种不要求保护的公开的特征对于任一权利要求是必要的意图。相反，本公开的主题可以少于特定的公开的实施例的全部特征。从而，以下权利要求书作为示例或实施例在此并入具体实施方式中，其中每个权利要求独立地作为单独的实施例，并且考虑这些实施例可以以各种组合或排列彼此组合。本公开的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。
以上实施例仅为本公开的示例性实施例，不用于限制本公开，本公开的保护范围由权利要求书限定。本领域技术人员可以在本公开的实质和保护范围内，对本公开做出各种修改或等同替换，这种修改或等同替换也应视为落在本公开的保护范围内。

Claims (10)

1.形变图像与DEM融合方法，其特征在于，包括：
获取目标区域场景的数字高程模型数据以及形变图像数据；
根据所述数字高程模型数据和所述形变图像数据之间的位置关系和坐标系的对应关系，将所述数字高程模型数据和所述形变图像数据使用的坐标系均转换为第一坐标系；
基于所述第一坐标系，从所述数字高程模型的点云数据中获取与所述形变图像数据对应的像素点，其中，所述形变图像数据对应的像素点中存储有相应的所述形变图像数据的形变信息；
在所述第一坐标系下，将形变信息添加到与之相对应的所述点云数据的像素点中，以更新所述点云数据；
获取更新后的所述点云数据中的有效数据。
2.根据权利要求1所述的方法，其特征在于，所述根据所述数字高程模型数据和所述形变图像数据之间的位置关系和坐标系的对应关系，将所述数字高程模型数据和所述形变图像数据使用的坐标系均转换为第一坐标系，包括：
在所述数字高程模型数据的三维坐标系中选定目标点，并确定所述目标点在所述形变图像数据的二维坐标系中的第一坐标信息；
确定所述目标点的第一坐标信息与所述第二坐标信息之间的坐标对应关系，其中，所述第二坐标信息为所述目标点在所述三维坐标系中的坐标信息；
根据所述坐标对应关系，确定在所述第一坐标系中所述数字高程模型数据与所述形变图像数据之间的变化量；
基于所述变化量，将所述数字高程模型数据与所述形变图像数据匹配至所述第一坐标系中。
3.根据权利要求2所述的方法，其特征在于，所述在所述数字高程模型数据的三维坐标系中选定目标点，并确定所述目标点在所述形变图像数据的二维坐标系中的第一坐标信息，包括：
将选定的所述目标点以所述形变图像数据的二维坐标系中的极坐标形式表达，相应的表达式为公式(1)：
Figure FDA0003575387620000021
其中，R为P点到雷达相对距离，θ为P点到雷达中心连线与X轴的夹角，z为目标点到雷达位置水平面的相对高度；
相应地，所述确定所述目标点的第一坐标信息与所述第二坐标信息之间的坐标对应关系，包括：根据所述数字高程模型数据的三维坐标系和所述形变图像数据的二维坐标系之间的物理转换，建立所述坐标对应关系，以公式(2)的方式表示为：
Figure FDA0003575387620000022
其中，获取所述目标点(X、Y、Z)和雷达中心(x0、y0、z0)在所述数字高程模型数据的三维坐标系中的坐标信息，基于所述变化量，确定所述变化量的变化因子为A；
相应地，所述根据所述坐标对应关系，确定在所述第一坐标系中所述数字高程模型数据与所述形变图像数据之间的变化量，包括：建立所述形变图像数据的二维坐标系，其中，所述二维坐标系横轴为斜距向，纵轴为方位向，所述形变图像数据的二维坐标系的像素点与所述第一坐标系中的第i个像素点之间的关系以公式(3)表示：
Figure FDA0003575387620000023
其中，r和c为所述二维坐标系的横轴和纵轴，R0为所述形变图像数据的观测近斜距，θ0为起始角度，所述斜距向的空间分辨率为ΔR，所述方位向的空间分辨率为Δθ；
相应地，所述基于所述变化量，将所述数字高程模型数据与所述形变图像数据匹配至所述第一坐标系中，包括：确定所述目标点在所述形变图像数据的二维坐标系中的第一坐标信息，将公式(1)和公式(3)代入，以得到匹配至所述第一坐标系的相应数据，以公式(4)的方式表示：
Figure FDA0003575387620000031
其中，Xi、、Yi、Zi为所述形变图像数据与所述数字高程模型数据转换为所述第一坐标系的坐标信息。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第一坐标系，从所述数字高程模型的点云数据中获取与所述形变图像数据对应的像素点，包括：
在所述第一坐标系下创建地理栅格；
根据所述地理栅格中包含的地理信息，从所述数字高程模型的点云数据中逐点搜索与所述形变图像数据对应的像素点；
在搜索到所述像素点的情况下，获取所述像素点的相关信息。
5.根据权利要求4所述的方法，其特征在于，所述在所述第一坐标系下，将形变信息添加到与之相对应的所述点云数据的像素点中，包括：
根据所述点云数据中的像素点与对应的所述形变图像数据中的像素点的几何映射关系，将所述形变图像数据的像素点中存储的所述形变信息添加到所述点云数据的像素点中。
6.根据权利要求1所述的方法，其特征在于，所述获取更新后的所述点云数据中的有效数据，包括：
获取所述形变图像数据的有效边界值；
基于所述有效边界值，确定所述形变图像数据的有效范围；
将所述数字高程模型数据裁剪至所述形变图像数据中的所述有效范围内；
将裁剪后的所述数字高程模型数据中的点云数据确定为所述有效数据。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述点云数据中的有效数据，生成相应的目标图像；
将所述目标图像输出。
8.根据权利要求1所述的方法，其特征在于，所述获取目标区域场景的数字高程模型数据以及形变图像数据，包括：
将所述数字高程模型数据和所述形变图像数据进行图像预处理，以去除无效干扰数据。
9.一种电子设备，其特征在于，包括：
第一获取模块，其配置为获取目标区域场景的数字高程模型数据以及形变图像数据；
转换模块，其配置为根据所述数字高程模型数据和所述形变图像数据之间的位置关系和坐标系的对应关系，将所述数字高程模型数据和所述形变图像数据使用的坐标系均转换为第一坐标系；
第二获取模块，其配置为基于所述第一坐标系，从所述数字高程模型的点云数据中获取与所述形变图像数据对应的像素点，其中所述形变图像数据对应的像素点中存储有相应的所述形变图像数据的形变信息；
更新模块，其配置为在所述第一坐标系下，将形变信息添加到与之相对应的所述点云数据的像素点中，以更新所述点云数据；
生成模块，其配置为获取更新后的所述点云数据中的有效数据。
10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有可执行程序，所述可执行程序执行如权利要求1-8任一项所述的方法。
CN202210342457.5A 2022-03-31 2022-03-31 形变图像与dem融合方法及电子设备 Pending CN114627171A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210342457.5A CN114627171A (zh) 2022-03-31 2022-03-31 形变图像与dem融合方法及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210342457.5A CN114627171A (zh) 2022-03-31 2022-03-31 形变图像与dem融合方法及电子设备

Publications (1)

Publication Number Publication Date
CN114627171A true CN114627171A (zh) 2022-06-14

Family

ID=81905886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210342457.5A Pending CN114627171A (zh) 2022-03-31 2022-03-31 形变图像与dem融合方法及电子设备

Country Status (1)

Country Link
CN (1) CN114627171A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116728158A (zh) * 2023-08-09 2023-09-12 成都飞机工业（集团）有限责任公司 一种用于五轴机床R-test检测的误差检测结果可视化方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116728158A (zh) * 2023-08-09 2023-09-12 成都飞机工业（集团）有限责任公司 一种用于五轴机床R-test检测的误差检测结果可视化方法
CN116728158B (zh) * 2023-08-09 2023-12-08 成都飞机工业（集团）有限责任公司 一种用于五轴机床R-test检测的误差检测结果可视化方法

Similar Documents

Publication Publication Date Title
CN109493407B (zh) 实现激光点云稠密化的方法、装置及计算机设备
Tang et al. Triple linear-array image geometry model of ZiYuan-3 surveying satellite and its validation
US20140278065A1 (en) System and Method for Distortion Correction in Three-Dimensional Environment Visualization
Yuan et al. GNSS-IMU-assisted colored ICP for UAV-LiDAR point cloud registration of peach trees
CN111913169B (zh) 激光雷达内参、点云数据的修正方法、设备及存储介质
CN109597074B (zh) 一种sar影像几何定位参数校正方法及系统
JP7060157B2 (ja) データ圧縮装置、データ圧縮方法、及びプログラム
CN101900817B (zh) 一种普适的遥感数据规则格网化方法
CN111709876B (zh) 一种图像拼接的方法及装置、设备、存储介质
CN114627171A (zh) 形变图像与dem融合方法及电子设备
CN104361563A (zh) 基于gps的高光谱遥感图像几何精校正方法
CN116229224A (zh) 融合感知方法、装置、电子设备及存储介质
CN114663485A (zh) 一种输电线路图像和点云数据的处理方法和系统
CN110322553B (zh) 激光雷达点云混合现实场景实施放样的方法和系统
CN115932823B (zh) 基于异源区域特征匹配的飞行器对地面目标定位方法
CN117197339A (zh) 一种基于dem的模型展示方法、装置、设备及存储介质
CN116679314A (zh) 融合点云强度的三维激光雷达同步建图与定位方法及系统
CN115100287B (zh) 外参标定方法及机器人
CN113238202B (zh) 光子激光三维成像系统的坐标系点云计算方法及其应用
CN111681299B (zh) 基于InSAR解缠相位生成数字表面模型的方法及装置
CN111832635A (zh) 地基sar图像与激光点云地形数据的匹配方法及装置
CN113126058A (zh) 存储器、用于机载激光雷达系统的控制方法及装置
CN117892039B (zh) 垂轨旋转摆扫成像卫星的分片式有理函数模型生成方法
Li et al. Large-scale automatic block adjustment from satellite to indoor photogrammetry
CN117036511B (zh) 多类型传感器的标定方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination