本发明涉及机载遥感数据处理领域，特别是一种多线机载激光雷达点云数据配准方法。
背景技术：
随着激光扫描技术的快速发展，三维激光点云数据因获取途径广、扫描速度快和位置精度高等优点被广泛应用于社会生活的各个领域，如电力、林业、道路交通、城市规划等。
但因受到地形环境、激光雷达硬件设备水平等客观条件影响，所采集到的激光点云数据经常存在地物坐标偏移与错位，是地物产生扭曲变形，对后续激光点云处理效果造成干扰，进而影响点云数据在各行业领域的应用，因而需首先利用激光点云数据重叠区域进行配准处理。besl等提出最近点迭代(iterativeclosestpoint,icp)算法，实现自由曲面配准和原始点云的自动配准，成为点云自动配准的基础算法，但此算法要求两组点云具有较高的重叠度；mitra等基于欧式距离的思想计算出两组点云对应点间距离，利用点到点或点到面的方法进行配准；dioraiger等提出了四点鲁棒性配置方法，在点云中选择共面点集中的任意四个点作为基准点，同时要求四点中任意三个点不在同一条直线上，在目标点集y中检索出任意四个点的点对距离与源点集x中四个点的点对距离对应点大致相似的点云集，求出两个点集刚性变化值r和t，利用欧式距离的重复迭代运算求出最优变换值；赵夫群根据点云局部特征点的局部深度、法线偏角和点云密度等点云信息获取特征描述子，然后找出局部特征集之间相关性，提取出特征点集，剔除错误点，得到粗配准后的数据。
现有点云配准方法主要是针对不同时间、不同站点或不同平台所获取的激光雷达点云数据，而机载多线激光扫描仪所获取激光点云数据不仅存在不同航带间的错位偏移，同一航带中不同扫描线所获取的数据也同样存在错位。传统的点云配准方法并不能很好的消除多线激光雷达数据中由扫描线间误差所引起的地物错位偏移问题。
技术实现要素：
有鉴于此，本发明的目的是提供一种多线机载激光雷达点云数据配准方法，解决机载多线激光雷达点云数据坐标错位偏移问题，通过局部扫描线点云之间的配准，能够得到传统方法所忽视的扫描线间的点云形变误差，对扫描线间点云坐标形变进行校正。
本发明采用以下方案实现：一种多线机载激光雷达点云数据配准方法，包括以下步骤：
步骤s1：进行基于扫描线的点云提取；
步骤s2：进行局部扫描线点云粗匹配；
步骤s3：进行基于特征点匹配的点云配准。
进一步地，所述步骤s1的具体内容为：多线激光雷达扫描仪通过以不同角度同时发射多束激光对地面地物进行点云数据采集，以预设gps时间间隔，范围为15～20s，对激光点云数据按照不同扫描角度进行分离，获得各扫描线上gps时间间隔内的激光点云数据。
进一步地，所述步骤s2的具体内容为：对各扫描线上点云数据按激光点发射的gps时间戳进行先后排序，根据点云平面坐标变化获取点云数据走向；分别沿点云数据走向与垂直于走向方向，以预设分辨率间隔统计当前区间内最大高程值，得到各扫描线上点云在该方向上高程分布曲线；按照扫描角由外向内，分别依次计算各扫描线上点云与其相邻点云高程分布曲线在不同平移下的pearson相关系数，最大相关系数下的平移量即为两扫描线点云的平移位置关系即完成粗匹配；相关系数计算公式如下：
其中，cov(z1,z2)为两点云高程值协方差，d(z1)、d(z2)分别为两点云高程值方差。
进一步地，所述步骤s3的具体内容为：通过激光点云数据自带扫描角参数将整个测区的点云按照扫描线进行分离，得到各扫描线上的整体点云，然后以最小扫描角的点云作为目标点云，利用基于曲率与法向量特征点的方法对各扫描线点云进行配准，用以消除各扫描线间点云的形变偏移；
基于曲率与法向量进行点云特征点提取，并在预设邻域约束下对特征点进行匹配；在点云数据中某一点及其预设邻域内的点组成的拟合平面，获取经过该点的一个曲平面z＝r(x,y)逼近该点处的拟合平面，该点的曲率值为该点处形成的拟合平面的曲率值，计算每点处的主曲率k1、k2平均曲率h及高斯曲率k分别为：
其中，l＝rxxn，n＝ryyn，e＝rxrx，f＝rxry，rx、ry、rxx、ryy、rxy是曲面的偏微分，e、f、g为曲面第一基本不变量，l、m、n为第二基本不变量；
法向量是通过点云数据中某点及其周围1～2米范围内的就近点形成的拟合平面进行求取，假设某点p，计算该点及其就近点拟合平面的协方差矩阵为：
式中pi为坐标点集，
与现有技术相比，本发明具有以下有益效果：
本发明通过对激光点云数据进行扫描线分离获得各扫描线上独立点云数据，基于特征点提取解算各扫描线点云之间的空间坐标对应关系，从而通过扫描线间点云的配准变换消除其形变，改善机载多线激光雷达点云数据质量。同时，能够得到传统方法所忽视的扫描线间的点云形变误差，对扫描线间点云坐标形变进行校正，改善了多线激光雷达点云数据偏移错位问题。
附图说明
图1为本发明实施例的方法流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，本实施例提供一种多线机载激光雷达点云数据配准方法，包括以下步骤：
步骤s1：进行基于扫描线的点云提取；
步骤s2：进行局部扫描线点云粗匹配；
步骤s3：进行基于特征点匹配的点云配准。
在本实施例中，所述步骤s1的具体内容为：多线激光雷达扫描仪通过以不同角度同时发射多束激光对地面地物进行点云数据采集，以预设gps时间间隔，范围为15～20s，对激光点云数据按照不同扫描角度进行分离，获得各扫描线上gps时间间隔内的激光点云数据。
在本实施例中，所述步骤s2的具体内容为：对各扫描线上点云数据按激光点发射的gps时间戳进行先后排序，根据点云平面坐标变化获取点云数据走向；分别沿点云数据走向与垂直于走向方向，以预设分辨率间隔(间隔5米)统计当前区间内最大高程值，得到各扫描线上点云在该方向上高程分布曲线；按照扫描角由外向内，分别依次计算各扫描线上点云与其相邻点云高程分布曲线在不同平移下的pearson相关系数，最大相关系数下的平移量即为两扫描线点云的平移位置关系即完成粗匹配；相关系数计算公式如下：
其中，cov(z1,z2)为两点云高程值协方差，d(z1)、d(z2)分别为两点云高程值方差。
在本实施例中，所述步骤s3的具体内容为：通过激光点云数据自带扫描角参数将整个测区的点云按照扫描线进行分离，得到各扫描线上的整体点云，然后以最小扫描角的点云作为目标点云，利用基于曲率与法向量特征点的方法对各扫描线点云进行配准，用以消除各扫描线间点云的形变偏移；
基于曲率与法向量进行点云特征点提取，并在预设邻域约束(10米半径范围)下对特征点进行匹配；在点云数据中某一点及其预设邻域内(3～5米范围)的点组成的拟合平面，获取经过该点的一个曲平面z＝r(x,y)逼近该点处的拟合平面，该点的曲率值为该点处形成的拟合平面的曲率值，计算每点处的主曲率k1、k2平均曲率h及高斯
曲率k分别为：
其中，l＝rxxn，n＝ryyn，e＝rxrx，f＝rxry，rx、ry、rxx、ryy、rxy是曲面的偏微分，e、f、g为曲面第一基本不变量，l、m、n为第二基本不变量；
法向量是通过点云数据中某点及其周围1～2米范围内的就近点形成的拟合平面进行求取，假设某点p，计算该点及其就近点拟合平面的协方差矩阵为：
式中pi为坐标点集，
针对机载多线激光雷达点云数据属性特点，本实施例通过激光点云gps时、扫描角度信息对一定时间段内点云数据按照各扫描线进行分离提取，基于扫描线特征对不同隶属于扫描线的激光点云数据进行配准，具体技术流程如图1所示。
较佳的，本实施例基于扫描线信息实现多线激光点云数据配准校正，通过扫描线分离获得各扫描线上点云数据，以最小扫描角上扫描线点云为目标点云，利用曲率与法向量特征点提取与ransac解算扫描线间点云坐标旋转偏移参数，实现扫描线间点云坐标匹配；
本实施例利用从局部到整体的方法，先通过局部相邻扫描线点云间点云匹配，利用高程分布的pearson相关系数，初步对局部点云进行平移修正，然后基于此对整体点云进行特征点配准。
较佳的，本实施例针对机载多线激光雷达数据特点实现多线激光点云数据的配准校正。通过从局部到整体的配准方法，先利用相邻局部扫描线数据相关性计算对点云进行初步配准，然后以位于最小扫描角上的整体扫描线点云进行基于特征点的点云配准。该方法能够得到传统方法所忽视的扫描线间的点云形变误差，对扫描线间点云坐标形变进行校正。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。
1.一种多线机载激光雷达点云数据配准方法，其特征在于：包括以下步骤：
步骤s1：进行基于扫描线的点云提取；
步骤s2：进行局部扫描线点云粗匹配；
步骤s3：进行基于特征点匹配的点云配准。
2.根据权利要求1所述的一种多线机载激光雷达点云数据配准方法，其特征在于：所述步骤s1的具体内容为：多线激光雷达扫描仪通过以不同角度同时发射多束激光对地面地物进行点云数据采集，以预设gps时间间隔，范围为15～20s，对激光点云数据按照不同扫描角度进行分离，获得各扫描线上gps时间间隔内的激光点云数据。
3.根据权利要求1所述的一种多线机载激光雷达点云数据配准方法，其特征在于：所述步骤s2的具体内容为：对各扫描线上点云数据按激光点发射的gps时间戳进行先后排序，根据点云平面坐标变化获取点云数据走向；分别沿点云数据走向与垂直于走向方向，以预设分辨率间隔统计当前区间内最大高程值，得到各扫描线上点云在该方向上高程分布曲线；按照扫描角由外向内，分别依次计算各扫描线上点云与其相邻点云高程分布曲线在不同平移下的pearson相关系数，最大相关系数下的平移量即为两扫描线点云的平移位置关系即完成粗匹配；相关系数计算公式如下：
其中，cov(z1,z2)为两点云高程值协方差，d(z1)、d(z2)分别为两点云高程值方差。
4.根据权利要求1所述的一种多线机载激光雷达点云数据配准方法，其特征在于：所述步骤s3的具体内容为：通过激光点云数据自带扫描角参数将整个测区的点云按照扫描线进行分离，得到各扫描线上的整体点云，然后以最小扫描角的点云作为目标点云，利用基于曲率与法向量特征点的方法对各扫描线点云进行配准，用以消除各扫描线间点云的形变偏移；
基于曲率与法向量进行点云特征点提取，并在预设邻域约束下对特征点进行匹配；在点云数据中某一点及其预设邻域内的点组成的拟合平面，获取经过该点的一个曲平面z＝r(x,y)逼近该点处的拟合平面，该点的曲率值为该点处形成的拟合平面的曲率值，计算每点处的主曲率k1、k2平均曲率h及高斯曲率k分别为：
其中，l＝rxxn，n＝ryyn，e＝rxrx，f＝rxry，rx、ry、rxx、ryy、rxy是曲面的偏微分，e、f、g为曲面第一基本不变量，l、m、n为第二基本不变量；
法向量是通过点云数据中某点及其周围1～2米范围内的就近点形成的拟合平面进行求取，假设某点p，计算该点及其就近点拟合平面的协方差矩阵为：
式中pi为坐标点集，
