技術(shù)特征：

1.一種聯(lián)合激光掃描和影像匹配的三維點(diǎn)云生成方法，其特征在于，它包括如下步驟：

步驟1：根據(jù)原始激光探測(cè)與測(cè)量點(diǎn)云數(shù)據(jù)，生成數(shù)字表面模型，提取數(shù)字表面模型中的無(wú)效區(qū)域，將該無(wú)效區(qū)域中最小外接矩形的四個(gè)角點(diǎn)，分別投影到三維重建測(cè)區(qū)的影像上，生成一個(gè)三維重建測(cè)區(qū)影像上的四邊形區(qū)域，該四邊形區(qū)域即可認(rèn)為是激光探測(cè)與測(cè)量點(diǎn)云數(shù)據(jù)中的無(wú)效區(qū)域在三維重建測(cè)區(qū)影像上對(duì)應(yīng)的范圍；

步驟2：將激光探測(cè)與測(cè)量點(diǎn)云數(shù)據(jù)中的無(wú)效區(qū)域在三維重建測(cè)區(qū)影像上對(duì)應(yīng)的范圍作為三維重建測(cè)區(qū)影像的密集匹配區(qū)域，根據(jù)該三維重建測(cè)區(qū)影像的密集匹配區(qū)域構(gòu)建影像金字塔，從金字塔頂層開(kāi)始，采用半全局密集匹配方法進(jìn)行由粗到精的分級(jí)匹配，獲得密集匹配區(qū)域的二維視差圖，并采用前方交會(huì)的方式，生成三維重建測(cè)區(qū)影像密集匹配區(qū)域?qū)?yīng)的三維點(diǎn)云數(shù)據(jù)；

步驟3：采用Canny邊緣檢測(cè)算子，在三維重建測(cè)區(qū)影像上提取線特征，將每個(gè)線特征作為一個(gè)密集匹配區(qū)域，分別進(jìn)行影像密集匹配，由于線特征只有一維，因此匹配方式采用沿著線特征方向的一維動(dòng)態(tài)規(guī)劃的優(yōu)化方式，獲取密集匹配區(qū)域的視差圖，并采用前方交會(huì)的方式，生成線特征對(duì)應(yīng)的三維點(diǎn)云數(shù)據(jù)；

步驟4：在原始激光探測(cè)與測(cè)量點(diǎn)云數(shù)據(jù)的基礎(chǔ)上，采用點(diǎn)云融合技術(shù)將步驟2生成的三維重建測(cè)區(qū)影像密集匹配區(qū)域?qū)?yīng)的三維點(diǎn)云數(shù)據(jù)，以及步驟3生成的線特征對(duì)應(yīng)的三維點(diǎn)云數(shù)據(jù)進(jìn)行三維點(diǎn)云融合，生成融合激光探測(cè)與測(cè)量點(diǎn)云和密集匹配點(diǎn)云的三維重建點(diǎn)云。

2.根據(jù)權(quán)利要求1所述的聯(lián)合激光掃描和影像匹配的三維點(diǎn)云生成方法，其特征在于：所述步驟1中，計(jì)算無(wú)效區(qū)域中最小外接矩形的四個(gè)角點(diǎn)的X、Y坐標(biāo)的方式如下：

X_lb＝min{Xl_i|i＝1…t} Y_lb＝min{Yl_i|i＝1…t}

X_rt＝max{Xl_i|i＝1…t} Y_rt＝max{Yl_i|i＝1…t}

其中，t表示原始激光探測(cè)與測(cè)量點(diǎn)云數(shù)據(jù)中三維點(diǎn)的數(shù)目；(Xl_i,Yl_i)表示第i個(gè)激光探測(cè)與測(cè)量點(diǎn)的X、Y坐標(biāo)；(X_lb,Y_lb)表示無(wú)效區(qū)域中最小外接矩形左下角的角點(diǎn)坐標(biāo)；(X_rt,Y_rt)表示無(wú)效區(qū)域中最小外接矩形右上角的角點(diǎn)坐標(biāo)，(X_lb,Y_rt)表示無(wú)效區(qū)域中最小外接矩形左上角的角點(diǎn)坐標(biāo)，(X_rt,Y_lb)表示無(wú)效區(qū)域中最小外接矩形右下角的角點(diǎn)坐標(biāo)；

將激光探測(cè)與測(cè)量點(diǎn)云數(shù)據(jù)的最小外接矩形范圍定義為數(shù)字表面模型范圍，數(shù)字表面模型的起點(diǎn)為無(wú)效區(qū)域中最小外接矩形左下角的角點(diǎn)，定義數(shù)字表面模型的正方形網(wǎng)格的大小為s_D x s_D，s_D＝σxs，其中，s表示激光探測(cè)與測(cè)量點(diǎn)云數(shù)據(jù)中點(diǎn)和點(diǎn)之間的平均間距，σ表示數(shù)字表面模型的網(wǎng)格大小與上述激光探測(cè)與測(cè)量點(diǎn)云數(shù)據(jù)中點(diǎn)和點(diǎn)之間平均間距之間的比值；

則數(shù)字表面模型的寬W_D和高H_D分別為：

W_D＝(int)(X_rt-X_lb)/s_D；H_D＝(int)(Y_rt-Y_lb)/s_D

其中，int表示取整操作，從而將數(shù)字表面模型定義為一個(gè)H_D x W_D大小的規(guī)則格網(wǎng)，該規(guī)則格網(wǎng)的起點(diǎn)為(X_lb,Y_lb)；如果數(shù)字表面模型的網(wǎng)格內(nèi)不存在任何激光探測(cè)與測(cè)量點(diǎn)，則該數(shù)字表面模型的網(wǎng)格定義為無(wú)效區(qū)域；否則，該數(shù)字表面模型的網(wǎng)格定義為有效區(qū)域，在有效區(qū)域中，每個(gè)數(shù)字表面模型網(wǎng)格都存在至少一個(gè)激光探測(cè)與測(cè)量點(diǎn)，每個(gè)數(shù)字表面模型網(wǎng)格的高程為對(duì)應(yīng)激光探測(cè)與測(cè)量點(diǎn)的最大高程，如下式所示：

Z(m,n)＝max(Z_i|(int)(X_i-X_lb)/s_D＝n；(int)(Y_i-Y_lb)/s_D＝m)

其中，(int)(X_i-X_lb)/s_D＝n；(int)(Y_i-Y_lb)/s_D＝m表示坐標(biāo)為(X_i,Y_i)的激光探測(cè)與測(cè)量點(diǎn)落入數(shù)字表面模型第m行第n列的網(wǎng)格中；Z_i表示第i個(gè)激光探測(cè)與測(cè)量點(diǎn)的Z坐標(biāo)；Z(m,n)表示數(shù)字表面模型網(wǎng)格(m,n)的高程，取落入網(wǎng)格中所有激光探測(cè)與測(cè)量點(diǎn)的最大高程；

根據(jù)所述無(wú)效區(qū)域內(nèi)每個(gè)數(shù)字表面模型網(wǎng)格的X、Y坐標(biāo)，定義無(wú)效區(qū)域的最小外接矩形，如下式所示：

N_lb＝min{n_i|i∈Ω} M_lb＝min{m_i|i∈Ω}

N_rt＝max{n_i|i∈Ω} M_rt＝max{m_i|i∈Ω}

其中，N_lb表示數(shù)字表面模型網(wǎng)格所有n列中的最小值，M_lb表示數(shù)字表面模型網(wǎng)格所有n列中的最大值，N_rt表示數(shù)字表面模型網(wǎng)格所有m行中的最小值，M_rt表示數(shù)字表面模型網(wǎng)格所有m行中的最大值，N_lb、M_lb、N_rt和M_rt共同定義了無(wú)效區(qū)域最小外接矩形的范圍；Ω表示無(wú)效區(qū)域中數(shù)字表面模型網(wǎng)格的集合；n表示數(shù)字表面模型的網(wǎng)格的列數(shù)；m表示數(shù)字表面模型的網(wǎng)格的行數(shù)；

根據(jù)無(wú)效區(qū)域外接矩形四個(gè)角點(diǎn)的數(shù)字表面模型行列坐標(biāo)，獲得四個(gè)角點(diǎn)的物方空間三維坐標(biāo)，如下式所示：

X_c＝X_lb+n x s_D Y_c＝Y(jié)_lb+m x s_D Z_c＝Z(m,n)

其中，(m,n)表示無(wú)效區(qū)域外接矩形角點(diǎn)的數(shù)字表面模型行列坐標(biāo)；X_c、Y_c、Z_c分別表示無(wú)效區(qū)域外接矩形角點(diǎn)的物方三維坐標(biāo)；

最后，通過(guò)共線方程，將無(wú)效區(qū)域外接矩形角點(diǎn)反投影到三維重建測(cè)區(qū)影像上得到無(wú)效區(qū)域在三維重建測(cè)區(qū)影像上的范圍，生成無(wú)效區(qū)域的影像，即三維重建測(cè)區(qū)影像密集匹配區(qū)域，如下式所示：

$x_c-x_0=-f\frac{a_1(X_c-Xs)+b_1(Y_c-Ys)+c_1(Z_c-Zs)}{a_3(X_c-Xs)+b_3(Y_c-Ys)+c_3(Z_c-Zs)}$

$y_c-y_0=-f\frac{a_2(X_c-Xs)+b_2(Y_c-Ys)+c_2(Z_c-Zs)}{a_3(X_c-Xs)+b_3(Y_c-Ys)+c_3(Z_c-Zs)}$

其中，x_c、y_c表示無(wú)效區(qū)域外接矩形角點(diǎn)在三維重建測(cè)區(qū)影像上的坐標(biāo)；x₀、y₀表示相機(jī)內(nèi)像主點(diǎn)坐標(biāo)參數(shù)，f表示相機(jī)的焦距參數(shù)；Xs、Ys、Zs表示相機(jī)的外方位線元素；a₁、a₂、a₃、b₁、b₂、b₃、c₁、c₂、c₃表示攝影坐標(biāo)系與大地坐標(biāo)系之間的旋轉(zhuǎn)矩陣的九個(gè)元素。

3.根據(jù)權(quán)利要求1所述的聯(lián)合激光掃描和影像匹配的三維點(diǎn)云生成方法，其特征在于：所述步驟2中，將三維重建測(cè)區(qū)影像的密集匹配區(qū)域構(gòu)建影像金字塔的方法為：定義S為影像金字塔重采樣的尺度，上一級(jí)影像金字塔的一個(gè)像素，會(huì)對(duì)應(yīng)下一級(jí)影像金字塔S×S的區(qū)域，影像金字塔構(gòu)建方式如下式所示；

$g^n=\underset{i=1}{\overset{S^2}{\Σ}}{g}_i^{n-1}/S^2$

式中，gⁿ表示上一級(jí)第n層影像金字塔的像素灰度；表示下一級(jí)第n-1層影像金字塔第i個(gè)像素的灰度，S²＝S×S；

在構(gòu)建影像金字塔后，采用由粗到精的分級(jí)匹配策略，獲得密集匹配區(qū)域的二維視差圖，在影像金字塔頂層開(kāi)始，采用半全局的密集匹配策略，每個(gè)像素受到八個(gè)方向掃描線的代價(jià)累積，在每條掃描線上，代價(jià)積聚方式為：

$L_r(p,d)=C(p,d)+min\left\{\begin{array}{c}{L}_r(p-1,d),\\ L_r(p-1,d-1)+P_1,\\ L_r(p-1,d+1)+P_1,\\ \underset{k}{min}{L}_r(p-1,k)+P_2\end{array}\right\}-\underset{i}{min}{L}_r(p-1,i)$

式中，L_r(p,d)表示像素p在當(dāng)前掃描線對(duì)應(yīng)視差d的累積代價(jià)；L_r(p-1,d)表示像素p-1在當(dāng)前掃描線對(duì)應(yīng)視差d的累積代價(jià)；L_r(p-1,d-1)表示像素p-1在當(dāng)前掃描線對(duì)應(yīng)視差d-1的累積代價(jià)；L_r(p-1,d+1)表示像素p-1在當(dāng)前掃描線對(duì)應(yīng)視差d+1的累積代價(jià)；表示像素p-1在當(dāng)前掃描線對(duì)應(yīng)視差k的累積代價(jià)中，最小的累積代價(jià)，其中k的絕對(duì)值大于1；m_iinL_r(p-1,i)表示像素p-1在當(dāng)前掃描線對(duì)應(yīng)視差i的累積代價(jià)中，最小的累積代價(jià)；r表示掃描線的方向；C(p,d)表示當(dāng)前像素p對(duì)應(yīng)視差d的代價(jià)；p–1表示在當(dāng)前路徑上，像素p的前一個(gè)像素；P₁表示視差平滑項(xiàng)懲罰因子；P₂表示視差階躍項(xiàng)懲罰因子；

對(duì)無(wú)效區(qū)域影像進(jìn)行8個(gè)方向的代價(jià)累積，最后對(duì)各個(gè)方向的累積結(jié)果相加，得到最終的代價(jià)積聚結(jié)果，如下式所示：

$S(p,d)=\underset{r}{\Σ}{L}_r(p,d)$

式中，S(p,d)表示對(duì)各個(gè)方向代價(jià)積聚結(jié)果相加后，得到的總體代價(jià)積聚結(jié)果，采用Winner Takes All策略獲取頂層影像的初始視差圖，將初始視差圖傳遞到下一級(jí)影像金字塔，約束下一級(jí)影像金字塔的視差搜索范圍，然后再次采用半全局的密集匹配方法，獲取視差圖，并向下一級(jí)影像金字塔傳遞，直至計(jì)算到影像金字塔底層為止，根據(jù)視差圖，可以快速獲得立體影像的同名點(diǎn)坐標(biāo)，如下式所示：

x_r＝x_l-d y_r＝y(tǒng)_l

式中，(x_l,y_l)、(x_r,y_r)分別表示左右影像的同名點(diǎn)坐標(biāo)；d表示視差值，根據(jù)左右影像的同名點(diǎn)坐標(biāo)，確定對(duì)應(yīng)的三維點(diǎn)坐標(biāo)：

$\begin{array}{cc}\left[\begin{array}{c}{u}_1\\ v_1\\ w_1\end{array}\right]=R_1\left[\begin{array}{c}{x}_l\\ y_l\\ -f\end{array}\right]& \left[\begin{array}{c}{u}_2\\ v_2\\ w_2\end{array}\right]=R_2\left[\begin{array}{c}{x}_r\\ y_r\\ -f\end{array}\right]\end{array}$

B_u＝X_S2-X_S1 B_v＝Y(jié)_S2-Y_S1 B_w＝Z_S2-Z_S1

$\begin{array}{cc}{N}_1=\frac{B_u{w}_2-B_w{u}_2}{u_1{w}_2-u_2{w}_1}& N_2=\frac{B_u{w}_1-B_w{u}_1}{u_1{w}_2-u_2{w}_1}\end{array}$

$\begin{array}{cc}\left[\begin{array}{c}{U}_1\\ V_1\\ W_1\end{array}\right]=N_1\left[\begin{array}{c}{u}_1\\ v_1\\ w_1\end{array}\right]& \left[\begin{array}{c}{U}_2\\ V_2\\ W_2\end{array}\right]=N_2\left[\begin{array}{c}{u}_2\\ v_2\\ w_2\end{array}\right]\end{array}$

X＝X_S1+U₁＝X_S2+U₂

Y＝Y(jié)_S1+V₁＝Y(jié)_S2+V₂

Z＝Z_S1+W₁＝Z_S2+W₂

式中，X、Y、Z表示物方點(diǎn)的三維坐標(biāo)；f表示相機(jī)的焦距參數(shù)；R_i(i＝1,2)表示旋轉(zhuǎn)矩陣；X_s1、Y_s1、Z_s1、X_s2、Y_s2、Z_s2表示外方位線元素，U₁、V₁、W₁表示地面點(diǎn)在左影像像空間輔助坐標(biāo)系中的坐標(biāo)；U₂、V₂、W₂表示地面點(diǎn)在右影像像空間輔助坐標(biāo)系中的坐標(biāo)；u₁、v₁、w₁表示像點(diǎn)在左影像像空間輔助坐標(biāo)系中的坐標(biāo)；u₂、v₂、w₂表示像點(diǎn)在右影像像空間輔助坐標(biāo)系中的坐標(biāo)；B_u、B_v、B_w表示相機(jī)之間的基線分量；N₁、N₂表示點(diǎn)投影系數(shù)；只要無(wú)效區(qū)域在影像上是可見(jiàn)的，即可根據(jù)影像密集匹配技術(shù)恢復(fù)無(wú)效區(qū)域的三維點(diǎn)云。

4.根據(jù)權(quán)利要求1所述的聯(lián)合激光掃描和影像匹配的三維點(diǎn)云生成方法，其特征在于：所述步驟3，采用canny算子，在三維重建測(cè)區(qū)影像上提取線特征，將每個(gè)線特征作為一個(gè)密集匹配區(qū)域，分別進(jìn)行影像密集匹配，具體方法為，沿著線特征的方向，采用一維動(dòng)態(tài)規(guī)劃方法，進(jìn)行代價(jià)積聚，如下式所示：

$L_r(p,d)=C(p,d)+min\left\{\begin{array}{c}{L}_r(p-1,d),\\ L_r(p-1,d-1)+P_1,\\ L_r(p-1,d+1)+P_1,\\ \underset{k}{min}{L}_r(p-1,k)+P_2\end{array}\right\}$

式中，L_r(p,d)表示像素p在當(dāng)前線特征方向上對(duì)應(yīng)視差d的累積代價(jià)；r表示線特征的方向；C(p,d)表示當(dāng)前像素p對(duì)應(yīng)視差d的代價(jià)；p–1表示在當(dāng)前路徑上，像素p的前一個(gè)像素；

由于線特征一般存在正反兩個(gè)方向，因此上式所示的代價(jià)積聚也存在兩個(gè)方向，將兩個(gè)方向的代價(jià)積聚結(jié)果累加，得到最終的代價(jià)積聚結(jié)果，采用Winner Takes All策略獲取每條線特征的視差值，計(jì)算對(duì)應(yīng)的同名點(diǎn)對(duì)，并生成線特征對(duì)應(yīng)的三維點(diǎn)云數(shù)據(jù)。

5.根據(jù)權(quán)利要求1所述的聯(lián)合激光掃描和影像匹配的三維點(diǎn)云生成方法，其特征在于：所述步驟4中，在步驟2中的三維重建測(cè)區(qū)影像密集匹配區(qū)域?qū)?yīng)的三維點(diǎn)云數(shù)據(jù)，以及步驟3中的線特征對(duì)應(yīng)的三維點(diǎn)云數(shù)據(jù)進(jìn)行三維點(diǎn)云融合前，需要判斷哪些匹配點(diǎn)位于激光探測(cè)與測(cè)量點(diǎn)云有效區(qū)域，哪些匹配點(diǎn)位于激光探測(cè)與測(cè)量點(diǎn)云無(wú)效區(qū)域，如下式所示：

$P(X_i,Y_i,Z_i)=\left\{\begin{array}{ccc}None& if& Z_{DSM}(m,n)=valid\\ Exist& if& Z_{DSM}(m,n)=invalid\end{array}\right.$

m＝(X_i-X_lb)/s_D n＝(Y_i-Y_lb)/s_D

其中，P(X_i,Y_i,Z_i)表示坐標(biāo)為(X_i,Y_i,Z_i)的三維點(diǎn)；None表示該點(diǎn)不參與融合；Exist表示該點(diǎn)參與融合；Z_DSM表示該點(diǎn)所在數(shù)字表面模型網(wǎng)格的高程；(m,n)表示該點(diǎn)所在網(wǎng)格的行列號(hào)，valid表示有效值，即數(shù)字表面模型網(wǎng)格內(nèi)存在激光點(diǎn)；invalid表示無(wú)效值，即數(shù)字表面模型網(wǎng)格內(nèi)不存在任何激光點(diǎn)；(X_i,Y_i)表示三維點(diǎn)的平面坐標(biāo)；(X_lb,Y_lb)表示數(shù)字表面模型的起點(diǎn)；S_D表示數(shù)字表面模型網(wǎng)格的大小，上式表明，當(dāng)該匹配點(diǎn)落入的數(shù)字表面模型網(wǎng)格存在有效高程，則說(shuō)明該匹配點(diǎn)是有效區(qū)域的匹配點(diǎn)，不參與融合過(guò)程；否則，說(shuō)明該匹配點(diǎn)是無(wú)效區(qū)域的匹配點(diǎn)，參與融合。