基于車載LiDAR點(diǎn)云數(shù)據(jù)的橋梁三維重建方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及車載LiDAR點(diǎn)云數(shù)據(jù)處理技術(shù)領(lǐng)域，特別地，設(shè)及一種基于車載LiDAR 點(diǎn)云數(shù)據(jù)的橋梁=維重建方法。
【背景技術(shù)】
[0002] 目前，橋梁底部裂縫的人工檢測(cè)方法成本高、精度低、安全性也低，使得智能化檢 測(cè)方法的研究迫在眉睫，其中最為關(guān)鍵的部分是要實(shí)現(xiàn)橋梁底部精確的=維可視化，因?yàn)?傳統(tǒng)的=維建模是基于圖片的信息建模，速度慢、準(zhǔn)確度低、缺少真實(shí)感。近年來，基于車載 激光掃描技術(shù)（Li曲tDetectionandRanging,LiDAR)的S維建模成了研究熱點(diǎn)，顯示出 巨大的前景，該技術(shù)不僅具有快速、實(shí)時(shí)、高密度和高精度等特點(diǎn)，還能夠直接獲取物體的 表面材質(zhì)及角度信息，利用LiDAR技術(shù)進(jìn)行S維重建能夠有效恢復(fù)具有準(zhǔn)確幾何信息和真 實(shí)感的=維模型。
[000引國(guó)內(nèi)外很多專家對(duì)車載LiDAR的S維重建系統(tǒng)作了深入的研究，較為普遍的S維 重建方法是將LiDAR數(shù)據(jù)轉(zhuǎn)化為深度影像，使用原有的圖像分割數(shù)據(jù)進(jìn)行處理，而非直接 對(duì)3D點(diǎn)云數(shù)據(jù)進(jìn)行處理。如化ao化ijing和甜IBASAKIRyos址e提出的基于車載數(shù)據(jù)的自 動(dòng)化CAD模型構(gòu)建：該方法首先從激光距離數(shù)據(jù)中生成幾何模型，在此基礎(chǔ)上提取諸如建 筑物、地面、樹木等城市特征地物，而紋理通過正攝投影和重采樣后的CCD圖像生成?；痑d Grinstead等提出對(duì)車載激光數(shù)據(jù)的S角網(wǎng)構(gòu)建和簡(jiǎn)化。江水等提出對(duì)相鄰兩條掃描線數(shù) 據(jù)構(gòu)建=角網(wǎng)進(jìn)而完成整個(gè)帶狀地物表面快速重建方法；該方法先利用相鄰兩條掃描線構(gòu) 建=角網(wǎng)，然后把所有該些狹長(zhǎng)=角網(wǎng)連接起來，能準(zhǔn)確地描述整個(gè)帶狀地物的形態(tài)結(jié)構(gòu)。 盧秀山、李清泉等人提出基于地面影像的建模系統(tǒng)和基于地面與空中影像相結(jié)合的建模系 統(tǒng)；該方法包括①在沒有其他控制點(diǎn)信息的情況下，僅利用CCD相機(jī)獲取的影像的立體空 間關(guān)系運(yùn)用光束法平差建立空間S維模型；②在融合GI^S定位數(shù)據(jù)、激光點(diǎn)云數(shù)據(jù)和CCD相 機(jī)影像數(shù)據(jù)的基礎(chǔ)上，選擇基準(zhǔn)坐標(biāo)系，并將該些數(shù)據(jù)聯(lián)合解算到該基準(zhǔn)，最后建立該基準(zhǔn) 下的真實(shí)=維模型；⑨結(jié)合地面控制點(diǎn)和空間遙感影像，求解目標(biāo)模型框架的空間=維坐 標(biāo)，并使用地面獲取的立面紋理影像進(jìn)行紋理映射，建立可量測(cè)化的真=維模型。W上該些 方法均使用原有的圖像分割數(shù)據(jù)進(jìn)行處理，該樣的數(shù)據(jù)轉(zhuǎn)換通常會(huì)帶來掃描信息的丟失， 所W為了橋梁S維重建的精確性，目前需要一個(gè)可靠的從原始LiDAR點(diǎn)云中準(zhǔn)確、有效地 獲取建筑物的點(diǎn)數(shù)據(jù)的橋梁=維重建方法。

【發(fā)明內(nèi)容】

[0004] 為了解決上述基于車載LiDAR點(diǎn)云數(shù)據(jù)的橋梁S維重建方法速度慢、準(zhǔn)確度低、 缺少真實(shí)感的技術(shù)問題，本發(fā)明提供一種快速、實(shí)時(shí)、具有高精密的基于車載LiDAR點(diǎn)云數(shù) 據(jù)的橋梁=維重建方法。
[0005] 本發(fā)明提供的一種基于車載LiDAR點(diǎn)云數(shù)據(jù)的橋梁S維重建方法，包括W下步 驟：
[0006] 步驟一、獲取車載LiDAR點(diǎn)云數(shù)據(jù)；
[0007] 步驟二、點(diǎn)云數(shù)據(jù)均勻抽稀，減少數(shù)據(jù)量；
[000引步驟S、計(jì)算點(diǎn)云數(shù)據(jù)的法向量和曲率及密度，濾除噪聲；
[0009] 步驟四、點(diǎn)云數(shù)據(jù)配準(zhǔn)，并進(jìn)行點(diǎn)云數(shù)據(jù)抽稀，具體包括W下步驟：
[0010] 一、點(diǎn)云數(shù)據(jù)集預(yù)配準(zhǔn)；
[0011] 二、點(diǎn)云數(shù)據(jù)集精配準(zhǔn)；
[001引 S、矩陣優(yōu)化；
[0013] 步驟五、提取橋梁面片，加入先驗(yàn)知識(shí)，面片約束，構(gòu)建TIN模型，具體包括W下步 驟：
[0014] 一、提取橋梁面片；
[00巧]二、構(gòu)建TIN模型；
[0016] 步驟六、TIN模型與紋理影像映射；
[0017] 步驟走、S維模型可視化。
[0018] 在本發(fā)明提供的基于車載LiDAR點(diǎn)云數(shù)據(jù)的橋梁S維重建方法的一種較佳實(shí)施 例中，所述步驟二中的抽稀過程的具體步驟如下：
[0019] 一、將所有區(qū)域劃分為若干個(gè)大小一致的立方體；
[0020] 二、對(duì)某點(diǎn)找到其對(duì)應(yīng)的立方體，若立方體不存在，則建立對(duì)應(yīng)的立方體，計(jì)算該 點(diǎn)到立方體中屯、的距離，遍歷所有點(diǎn)；
[0021] =、對(duì)每個(gè)立方體找到距離其中屯、最近的點(diǎn)，并存儲(chǔ)，舍棄其他點(diǎn)。
[0022] 在本發(fā)明提供的基于車載LiDAR點(diǎn)云數(shù)據(jù)的橋梁S維重建方法的一種較佳實(shí)施 例中，所述步驟=中計(jì)算點(diǎn)云數(shù)據(jù)的具體步驟如下：
[0023] 一、將點(diǎn)云數(shù)據(jù)所占空間分為若干立方體，并將點(diǎn)云與立方體相對(duì)應(yīng)，建立索引關(guān) 系；
[0024] 二、將空間所有點(diǎn)對(duì)應(yīng)的立方體建立Kd-tree，樹中的每個(gè)結(jié)點(diǎn)對(duì)應(yīng)了一個(gè)K維區(qū) 域；
[0025]=、計(jì)算密度；
[0026] 四、計(jì)算曲率和法向量。
[0027] 在本發(fā)明提供的基于車載LiDAR點(diǎn)云數(shù)據(jù)的橋梁S維重建方法的一種較佳實(shí)施 例中，所述步驟=中的點(diǎn)云數(shù)據(jù)噪聲濾除過程的具體步驟如下：
[002引一、設(shè)定密度闊值，若某點(diǎn)密度大于密度闊值，則將該點(diǎn)存儲(chǔ)，遍歷所有點(diǎn)云數(shù)據(jù)， 舍棄噪聲點(diǎn)云數(shù)據(jù)；
[0029] 二、設(shè)定最大深度闊值，若某點(diǎn)深度闊值值大于最大深度闊值，則認(rèn)為該點(diǎn)為噪聲 點(diǎn)并舍去；
[0030]=、對(duì)存儲(chǔ)的點(diǎn)云進(jìn)行分析，將點(diǎn)的法向量和曲率對(duì)應(yīng)存儲(chǔ)，得到去噪后的點(diǎn)云數(shù) 據(jù)。
[0031] 在本發(fā)明提供的基于車載LiDAR點(diǎn)云數(shù)據(jù)的橋梁S維重建方法的一種較佳實(shí)施 例中，所述步驟四中的預(yù)配準(zhǔn)過程采用基于表面幾何特征的配準(zhǔn)算法，其具體步驟如下：
[0032]一、從模型P中隨機(jī)選擇N個(gè)點(diǎn)Bp;
[003引二、從模型Q中計(jì)算出N個(gè)點(diǎn)B。與BP相對(duì)應(yīng)；
[0034] S、估算旋轉(zhuǎn)矩陣R和平移向量T。
[0035] 在本發(fā)明提供的基于車載LiDAR點(diǎn)云數(shù)據(jù)的橋梁S維重建方法的一種較佳實(shí)施 例中，所述步驟四中的精配準(zhǔn)過程采用ICP配準(zhǔn)算法，其具體步驟如下：
[0036] 一、從模型P中隨機(jī)選擇K個(gè)點(diǎn)Bp，
[0037] 二、在模型Q中選擇K個(gè)距離最近的點(diǎn)B。，二者建立同名點(diǎn)集，一一映射；
[003引 S、計(jì)算模型P和模型Q之間最小二乘法下的相似變換矩陣M，循環(huán)迭代得到最終 四維齊次矩陣M。
[0039] 在本發(fā)明提供的基于車載LiDAR點(diǎn)云數(shù)據(jù)的橋梁S維重建方法的一種較佳實(shí)施 例中，所述步驟四中的矩陣優(yōu)化過程采用了RANSAC算法，且優(yōu)化后矩陣內(nèi)的數(shù)據(jù)要再次抽 稀。
[0040] 在本發(fā)明提供的基于車載LiDAR點(diǎn)云數(shù)據(jù)的橋梁S維重建方法的一種較佳實(shí)施 例中，所述步驟五中的橋梁面片提取過程的具體步驟如下：
[0041] 一、建立八叉樹結(jié)構(gòu)處理數(shù)據(jù)；
[0042] 二、擬合所有面片，構(gòu)建鄰接表；
[0043] S、合并所有面片。
[0044] 在本發(fā)明提供的基于車載LiDAR點(diǎn)云數(shù)據(jù)的橋梁S維重建方法的一種較佳實(shí)施 例中，所述步驟五中的TIN模型的構(gòu)建過程采用了狄洛巧=角剖分法使橋梁點(diǎn)云連續(xù)化， 其具體計(jì)算步驟如下；
[0045] 一、提取合并面片的頂點(diǎn)；
[0046] 二、對(duì)面片構(gòu)建S角網(wǎng)直至面片構(gòu)建完成；
[0047] S、鄰接面片S角網(wǎng)構(gòu)建直至完成。
[0048] 在本發(fā)明提供的基于車載LiDAR點(diǎn)云數(shù)據(jù)的橋梁S維重建方法的一種較佳實(shí)施 例中，所述步驟六中的紋理影像是由外置相機(jī)攝錄的數(shù)字影像與點(diǎn)云數(shù)據(jù)配準(zhǔn)而成，具體 配準(zhǔn)過程如下：
[0049] 一、計(jì)算大地坐標(biāo)系到POS系統(tǒng)的旋轉(zhuǎn)矩陣；
[0化日]二、計(jì)算POS系統(tǒng)到相機(jī)的旋轉(zhuǎn)矩陣；
[0化1] S、計(jì)算相機(jī)中屯、到大地坐標(biāo)系的旋轉(zhuǎn)矩陣，并得出相機(jī)拍攝瞬間的S維坐標(biāo)。
[0化2] 相較于現(xiàn)有技術(shù)，本發(fā)明提供的基于車載LiDAR點(diǎn)云數(shù)據(jù)的橋梁S維重建方法具 有W