留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于距离变换模型的卫星影像与激光点云精配准

张永军 洪玮辰 万一

张永军, 洪玮辰, 万一. 基于距离变换模型的卫星影像与激光点云精配准[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20220028
引用本文: 张永军, 洪玮辰, 万一. 基于距离变换模型的卫星影像与激光点云精配准[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20220028
ZHANG Yongjun, HONG Weichen, WAN Yi. Registration of the HRSIs and the LiDAR point clouds based on the distance transformation model[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20220028
Citation: ZHANG Yongjun, HONG Weichen, WAN Yi. Registration of the HRSIs and the LiDAR point clouds based on the distance transformation model[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20220028

基于距离变换模型的卫星影像与激光点云精配准

doi: 10.13203/j.whugis20220028
基金项目: 

国家自然科学基金(42030102,42192583,42001406)

中国博士后基金(2020M672416)。

详细信息
    作者简介:

    张永军,博士,教授,主要从事航空航天摄影测量遥感一体化研究。zhangyj@whu.edu.cn

  • 中图分类号: P237

Registration of the HRSIs and the LiDAR point clouds based on the distance transformation model

  • 摘要: 卫星影像可以低成本、高频率地提供地物光谱特性观测信息,而激光点云可以提供精细的几何结构,两类数据的融合可以实现优势互补,进一步提高地物分类和信息提取的精度和自动化程度。实现亚像素级精度的几何配准是实现两类数据融合的前提,提出一种基于线元素距离变换模型的快速配准方法。该方法以点云为控制源,将点云中的建筑物边缘等典型线元素通过卫星影像的初始RPC参数投影到像方空间,与卫星影像中的线元素进行迭代最近点配准,从而通过RPC参数精校正的方式实现几何配准。采用距离变换模型作为迭代最近点搜索的查找表,极大地提高了运算效率;采用最新的渐进式鲁棒求解策略,能在噪声极多的情况下保证配准的鲁棒性。采用GeoEye-2、高分七号、WorldView-3等卫星影像与激光点云进行了配准试验,并分别通过人工精确量测的外业控制点和作业员内业刺的控制点作为检查,证明所提方法能在三种影像上达到0.4~0.7 m的配准精度,显著优于将点云映射为二维图像然后通过多模态匹配进行配准的策略。
  • [1] Wong A, Orchard J. Efficient FFT-Accelerated Approach to Invariant Optical-LIDAR Registration[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(11):3917-3925
    [2] Kim C, Habib A. Object-based Integration of Photogrammetric and LiDAR Data for Automated Generation of Complex Polyhedral Building Models[J]. Sensors, 2009, 9(7):5679-5701
    [3] Mastin A, Kepner J, Fisher J. Automatic Registration of LIDAR and Optical Images of Urban Scenes[C]//2009 IEEE Conference on Computer Vision and Pattern Recognition,IEEE, 2009:2639-2646
    [4] 姚春静.机载LiDAR点云数据与遥感影像配准的方法研究[D].武汉大学,2010
    [5] Barsai G, Yilmaz A, Nagarajan S, et al. Registration of Images to LiDAR and GIS Data Without Establishing Explicit Correspondences[J]. Photogrammetric Engineering&Remote Sensing, 2017, 83(10):705-716
    [6] Lahat D, Adali T, Jutten C. Multimodal Data Fusion:An Overview of Methods, Challenges, and Prospects[J]. Proceedings of the IEEE, 2015, 103(9):1449-1477
    [7] Advanced Remote Sensing:Terrestrial Information Extraction and Applications[M]. Academic Press, 2019.
    [8] Gruen A, Akca D. Least Squares 3D Surface and Curve Matching[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2005, 59(3):151-174
    [9] Akca D. Matching of 3D Surfaces and Their Intensities[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2007, 62(2):112-121
    [10] Habib A F, Shin S, Kim C, et al. Integration of Photogrammetric and LiDAR Data in a Multi-primitive Triangulation Environment[M]//Innovations in 3D Geo Information Systems. Berlin, Heidelberg:Springer, 2006:29-45
    [11] Shorter N, Kasparis T. Autonomous Registration of LiDAR Data to Single Aerial Image[C]//IGARSS 2008-2008 IEEE International Geoscience and Remote Sensing Symposium. IEEE, 2008, 5:V-216-V-219 Aldelgawy M, Detchev I D, Habib A F. Alternative Procedures for the Incorporation of LiDAR-derived Linear and Areal Features for Photogrammetric Geo-Referencing[C]//Proceedings of the American Society for Photogrammetry and Remote Sensing (ASPRS) Annual Conference, Portland, OR, USA. 2008, 28
    [12] Zheng S, Huang R, Zhou Y. Registration of Optical Images with LiDAR Data and Its Accuracy Assessment[J]. Photogrammetric Engineering&Remote Sensing, 2013, 79(8):731-741
    [13] Huang R, Zheng S, Hu K. Registration of Aerial Optical Images with LiDAR Data Using the Closest Point Principle and Collinearity Equations[J]. Sensors, 2018, 18(6):1770-1770
    [14] Li J, Hu Q, Ai M. RIFT:Multi-modal Image Matching Based on Radiation-Variation Insensitive Feature Transform[J]. IEEE Transactions on Image Processing, 2019, 29:3296-3310
    [15] Chetverikov D, Svirko D, Stepanov D, et al. The Trimmed Iterative Closest Point Algorithm[C]//Object Recognition Supported by User Interaction for Service Robots. IEEE, 2002, 3:545-548
    [16] Zhu X, Liu X, Zhang Y, et al. Robust 3-D Plane Segmentation from Airborne Point Clouds Based on Quasia-Contrario Theory[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2021, 14:7133-7147
    [17] Breiman L. Random Forests[J]. Machine Learning, 2001, 45(1):5-32
    [18] Qi C R, Yi L, Su H, et al. Pointnet++:Deep Hierarchical Feature Learning on Point Sets in a Metric Space[J]. arXiv preprint arXiv:1706.02413, 2017
    [19] Hu Q, Yang B, Xie L, et al. Randla-net:Efficient Semantic Segmentation of Large-Scale Point Clouds[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition,2020:11108-11117
    [20] Canny J. A Computational Approach to Edge Detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1986, 8(6):679-698
    [21] Von Gioi R G, Jakubowicz J, Morel J M, et al. LSD:A Line Segment Detector[J]. Image Processing on Line, 2012, 2:35-55
    [22] Bentley J L. Multidimensional Binary Search Trees Used for Associative Searching[J]. Communications of the ACM, 1975, 18(9):509-517
    [23] Fabbri R, Costa L D F, Torelli J C, et al. 2D Euclidean Distance Transform Algorithms:A Comparative Survey[J]. ACM Computing Surveys (CSUR), 2008, 40(1):1-44
    [24] Li J, Zhang Y, Hu Q. Robust Estimation in Robot Vision and Photogrammetry:A New Model and Its Applications[J]. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2021, 1:137-144
  • [1] 孙文潇, 王健, 梁周雁, 马伟丽, 陈喆.  法线特征约束的激光点云精确配准 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20180315
    [2] 吴文豪, 李陶, 龙四春, 周志伟, 祝传广.  RADARSAT-2卫星TOPS模式影像干涉处理 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20180212
    [3] 叶语同, 李必军, 付黎明.  智能驾驶中点云目标快速检测与跟踪 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20170146
    [4] 文学东, 陈为民, 谢洪, 闫利.  一种融合多源特征的建筑物三维模型重建方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20180320
    [5] 吴文豪, 李陶, 龙四春, 周志伟.  实时轨道条件下Sentinel-1卫星影像干涉配准 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20170098
    [6] 岳冲, 刘昌军, 王晓芳.  基于多尺度维度特征和SVM的高陡边坡点云数据分类算法研究 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20140335
    [7] 余磊, 张永军, 孙明伟, 朱昕宇.  联合云检测与高通滤波的含云影像融合方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20140505
    [8] 陈 驰, 王 珂, 徐文学, 彭向阳, 麦晓明, 杨必胜.  海量车载激光扫描点云数据的快速可视化方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j .whu g is20130693
    [9] 汪韬阳, 张 过, 李德仁, 唐新明.  卫星遥感影像的区域正射纠正 . 武汉大学学报 ● 信息科学版,
    [10] 王永波, 杨化超, 刘燕华, 牛晓楠.  线状特征约束下基于四元数描述的LiDAR点云配准方法 . 武汉大学学报 ● 信息科学版,
    [11] 马洪超, 姚春静, 邬建伟.  利用线特征进行高分辨率影像与LiDAR点云的配准 . 武汉大学学报 ● 信息科学版,
    [12] 廖海斌, 陈庆虎, 王宏勇.  融合局部形变模型的鲁棒性人脸识别 . 武汉大学学报 ● 信息科学版,
    [13] 詹庆明, 周新刚, 肖映辉, 喻亮.  从激光点云中提取古建筑线性和圆形特征的比较 . 武汉大学学报 ● 信息科学版,
    [14] 李小路, 徐立军, 田祥瑞, 王建军.  平台运动误差对机载LiDAR激光脚点分布的影响分析 . 武汉大学学报 ● 信息科学版,
    [15] 李芳芳, 贾永红, 肖本林, 张谦.  利用线特征和SIFT点特征进行多源遥感影像配准 . 武汉大学学报 ● 信息科学版,
    [16] 魏为民, 梁光岚, 唐振军, 王朔中.  基于重叠正交变换的鲁棒水印方法 . 武汉大学学报 ● 信息科学版,
    [17] 陈基伟, 韩雪培.  高分辨率遥感影像建筑容积率提取方法研究 . 武汉大学学报 ● 信息科学版,
    [18] 郭海涛, 张保明, 归庆明.  广义岭估计在解算单线阵CCD卫星影像外方位元素中的应用 . 武汉大学学报 ● 信息科学版,
    [19] 李平湘.  航空影像与数字地面模型的配准 . 武汉大学学报 ● 信息科学版,
    [20] 甘信铮, 孙家抦.  南极卫星影像条带噪声的消除 . 武汉大学学报 ● 信息科学版,
  • 加载中
计量
  • 文章访问数:  154
  • HTML全文浏览量:  33
  • PDF下载量:  11
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-12-20
  • 网络出版日期:  2022-04-07

基于距离变换模型的卫星影像与激光点云精配准

doi: 10.13203/j.whugis20220028
    基金项目:

    国家自然科学基金(42030102,42192583,42001406)

    中国博士后基金(2020M672416)。

    作者简介:

    张永军,博士,教授,主要从事航空航天摄影测量遥感一体化研究。zhangyj@whu.edu.cn

  • 中图分类号: P237

摘要: 卫星影像可以低成本、高频率地提供地物光谱特性观测信息,而激光点云可以提供精细的几何结构,两类数据的融合可以实现优势互补,进一步提高地物分类和信息提取的精度和自动化程度。实现亚像素级精度的几何配准是实现两类数据融合的前提,提出一种基于线元素距离变换模型的快速配准方法。该方法以点云为控制源,将点云中的建筑物边缘等典型线元素通过卫星影像的初始RPC参数投影到像方空间,与卫星影像中的线元素进行迭代最近点配准,从而通过RPC参数精校正的方式实现几何配准。采用距离变换模型作为迭代最近点搜索的查找表,极大地提高了运算效率;采用最新的渐进式鲁棒求解策略,能在噪声极多的情况下保证配准的鲁棒性。采用GeoEye-2、高分七号、WorldView-3等卫星影像与激光点云进行了配准试验,并分别通过人工精确量测的外业控制点和作业员内业刺的控制点作为检查,证明所提方法能在三种影像上达到0.4~0.7 m的配准精度,显著优于将点云映射为二维图像然后通过多模态匹配进行配准的策略。

English Abstract

张永军, 洪玮辰, 万一. 基于距离变换模型的卫星影像与激光点云精配准[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20220028
引用本文: 张永军, 洪玮辰, 万一. 基于距离变换模型的卫星影像与激光点云精配准[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20220028
ZHANG Yongjun, HONG Weichen, WAN Yi. Registration of the HRSIs and the LiDAR point clouds based on the distance transformation model[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20220028
Citation: ZHANG Yongjun, HONG Weichen, WAN Yi. Registration of the HRSIs and the LiDAR point clouds based on the distance transformation model[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20220028
参考文献 (24)

目录

    /

    返回文章
    返回