本發(fā)明涉及三維建模，尤其涉及一種融合三維重建與地理配準(zhǔn)的魯棒可量測建模方法。
背景技術(shù)：
1、隨著人工智能時(shí)代的加速演進(jìn)，三維場景建模需求量越來越大，迫切需要一門技術(shù)，可以高效快速地完成三維模型的建立。
2、如今，有三種主流方法，一是通過激光雷達(dá)掃描獲得點(diǎn)云數(shù)據(jù)進(jìn)行建模，二是利用攝影測量，通過傳統(tǒng)相對(duì)定向法-絕對(duì)定向法，獲取三維坐標(biāo)進(jìn)行建模。三是基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的快速三維重建。但是激光雷達(dá)無法獲取掃描物體顏色、紋理等信息需要人工手動(dòng)分類，且激光雷達(dá)設(shè)備成本高,難以普及。攝影測量技術(shù)成本較低，且可以直接獲取物體的顏色、紋理等信息，但是需要將大量預(yù)先已知相機(jī)位姿參數(shù)的圖像作為輸入，并且依賴于準(zhǔn)確的特征點(diǎn)匹配關(guān)系。基于深度學(xué)習(xí)的方法能夠更好地處理這些問題，它們不需要依賴準(zhǔn)確的相機(jī)參數(shù)或特征點(diǎn)匹配，并且可以學(xué)習(xí)從圖像到三維模型的映射關(guān)系，能在各種場景和光照條件下實(shí)現(xiàn)較為準(zhǔn)確的三維重建。但是深度學(xué)習(xí)網(wǎng)絡(luò)生成的三維模型坐標(biāo)無法與現(xiàn)實(shí)世界對(duì)應(yīng)。
3、因此，急需一種融合三維重建與地理配準(zhǔn)的魯棒可量測建模方法，在保留低成本、全自動(dòng)、帶紋理優(yōu)勢的同時(shí)，一步到位地將模型坐標(biāo)系與大地基準(zhǔn)對(duì)齊，并具備測繪級(jí)量測精度。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明的目的是提供一種融合三維重建與地理配準(zhǔn)的魯棒可量測建模方法，將迭代重加權(quán)最小二乘（iterativereweightedleastsquares，irls）和休伯損失函數(shù)（huberlossfunction）理論融入三維重建模型的點(diǎn)云配準(zhǔn)當(dāng)中，有效降低異常點(diǎn)對(duì)最終變換結(jié)果的影響。這使得在實(shí)際點(diǎn)云配準(zhǔn)、地理配準(zhǔn)等任務(wù)中，即使數(shù)據(jù)中存在誤匹配或噪聲點(diǎn)，算法依然能得到較為準(zhǔn)確和穩(wěn)定的配準(zhǔn)結(jié)果。同時(shí)實(shí)現(xiàn)三維模型的可量測功能，能夠使三維重建技術(shù)服務(wù)于測繪領(lǐng)域。
2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種融合三維重建與地理配準(zhǔn)的魯棒可量測建模方法，包括以下步驟：
3、s1、獲取源點(diǎn)云和目標(biāo)點(diǎn)云，所述源點(diǎn)云來自通過三維重建技術(shù)生成源點(diǎn)云模型，所述目標(biāo)點(diǎn)云為具有地理坐標(biāo)參考的實(shí)測點(diǎn)云；
4、s2、基于梅山算法umeyama對(duì)源點(diǎn)云和目標(biāo)點(diǎn)云進(jìn)行初始配準(zhǔn)，計(jì)算得到初始變換參數(shù)；
5、所述初始變換參數(shù)包括旋轉(zhuǎn)矩陣、縮放因子和平移向量；
6、s3、采用梅山-迭代重加權(quán)最小二乘-休伯權(quán)重算法uirlsh對(duì)初始變換參數(shù)進(jìn)行迭代優(yōu)化，得到收斂變換參數(shù)；
7、s4、將所述收斂變換參數(shù)應(yīng)用于源點(diǎn)云模型進(jìn)行地理配準(zhǔn)，得到可量測地理空間三維模型；
8、s5、基于可量測地理空間三維模型，進(jìn)行可量測分析，所述可量測分析包括體積計(jì)算、距離量測和空間分析。
9、優(yōu)選地，s2的具體內(nèi)容包括：
10、s201、分別計(jì)算源點(diǎn)云與目標(biāo)點(diǎn)云的質(zhì)心，得到源質(zhì)心和目標(biāo)質(zhì)心；
11、s202、對(duì)源點(diǎn)云和目標(biāo)點(diǎn)云進(jìn)行去中心化處理，得到去中心化后的源點(diǎn)集和目標(biāo)點(diǎn)集；
12、s203、計(jì)算去中心化后的源點(diǎn)集和目標(biāo)點(diǎn)集的協(xié)方差矩陣，并對(duì)所述協(xié)方差矩陣進(jìn)行奇異值分解；
13、s204、引入右手系修正矩陣s，并計(jì)算初始旋轉(zhuǎn)矩陣r0；
14、s205、判斷是否允許縮放，若允許，則按公式計(jì)算初始縮放因子，否則取s＝1；
15、s206、根據(jù)公式計(jì)算初始平移向量，得到初始變換參數(shù){r0,s0,t0}。
16、優(yōu)選地，s201中源質(zhì)心和目標(biāo)質(zhì)心的計(jì)算公式為：
17、；
18、其中， n為參與配準(zhǔn)的源點(diǎn)和目標(biāo)點(diǎn)的公共點(diǎn)對(duì)總數(shù)，為源點(diǎn)云中第i個(gè)點(diǎn)的坐標(biāo)，為目標(biāo)點(diǎn)云中第i個(gè)點(diǎn)的坐標(biāo)，與為一對(duì)；
19、s202中源點(diǎn)集和目標(biāo)點(diǎn)集的計(jì)算公式為：
20、；
21、s203中所述協(xié)方差矩陣的計(jì)算公式為：
22、；
23、所述奇異值分解的表達(dá)式為：
24、；
25、其中，為目標(biāo)點(diǎn)集中第i個(gè)點(diǎn)的坐標(biāo)向量，為源點(diǎn)集第i個(gè)點(diǎn)的坐標(biāo)向量，t為轉(zhuǎn)置符號(hào)， u為的正交矩陣， d為對(duì)角線元素為協(xié)方差矩陣的奇異值的對(duì)角矩陣， v為的正交矩陣。
26、s204中右手系修正矩陣 s的表達(dá)式為：
27、；
28、初始旋轉(zhuǎn)矩陣r0的計(jì)算公式為：
29、；
30、其中，表示矩陣的行列式，表示對(duì)角矩陣；
31、s205中初始縮放因子的計(jì)算公式為：
32、；
33、其中，為矩陣與乘積的跡，是的歐氏范數(shù)；
34、s206中初始平移向量的計(jì)算公式為：。
35、優(yōu)選地，s3的具體內(nèi)容包括：
36、s301、以s2得到的初始變換參數(shù){r0,s0,t0}為輸入，對(duì)源點(diǎn)集中參與配準(zhǔn)的每一個(gè)點(diǎn)進(jìn)行相似變換，計(jì)算每一個(gè)點(diǎn)的初始?xì)埐睿⑶宜悬c(diǎn)的初始?xì)埐罱M成初始?xì)埐罴希?/p>
37、s302、基于初始?xì)埐罴希?jì)算中位數(shù)及中位數(shù)絕對(duì)偏差，并估計(jì)魯棒標(biāo)準(zhǔn)差；
38、s303、基于魯棒標(biāo)準(zhǔn)差預(yù)設(shè)huber損失閾值，并構(gòu)造huber權(quán)重函數(shù)為每個(gè)匹配點(diǎn)對(duì)分配權(quán)重；
39、s304、基于s303中計(jì)算的權(quán)重，構(gòu)建殘差最小化函數(shù)，重新計(jì)算得到當(dāng)前變換參數(shù){ri,si,ti}；
40、s305、以當(dāng)前變換參數(shù)為輸入，返回執(zhí)行s301至s304得到后續(xù)變換參數(shù){ri+1,si+1,ti+1}；
41、s305、計(jì)算目標(biāo)函數(shù)，判斷是否滿足收斂條件，若是，則停止迭代，輸出收斂變換參數(shù)；若否，則返回s301以所述后續(xù)變換參數(shù)作為輸入進(jìn)行迭代，直至滿足所述收斂條件。
42、優(yōu)選地，s301中殘差的計(jì)算公式為：
43、；
44、其中，為第i個(gè)公共匹配點(diǎn)對(duì)的殘差；
45、s301中，中位數(shù)、中位數(shù)絕對(duì)偏差、魯棒標(biāo)準(zhǔn)差的計(jì)算公式為：
46、，
47、，
48、；
49、其中，med為殘差集合 r的中位數(shù)，為中位數(shù)計(jì)算操作，mad為殘差的中位數(shù)絕對(duì)偏差，為殘差的魯棒標(biāo)準(zhǔn)差；
50、s303中預(yù)設(shè)的huber損失閾值的表達(dá)式為：，其中，c取2~3；
51、所述huber函數(shù)的表達(dá)式為：
52、；
53、其中，為分配給源點(diǎn)與目標(biāo)點(diǎn)的匹配點(diǎn)對(duì)的權(quán)重；
54、s304中，所述構(gòu)建的最小二乘目標(biāo)函數(shù)的表達(dá)式為：
55、；1
56、s305中，所述目標(biāo)函數(shù)obj的表達(dá)式為：。
57、優(yōu)選地，s305中，所述收斂條件的表達(dá)式為：
58、；
59、其中，兩次迭代的目標(biāo)函數(shù)變化量，為預(yù)設(shè)收斂閾值。
60、優(yōu)選地，s4的具體內(nèi)容包括：
61、基于收斂變換參數(shù)對(duì)源點(diǎn)云進(jìn)行全量配準(zhǔn)，計(jì)算配準(zhǔn)后點(diǎn)云的整體均方根誤差rmse，若rmse≤0.1米，則輸出可量測三維模型；否則返回s3重新迭代。
62、因此，與現(xiàn)有技術(shù)相比，本發(fā)明采用上述一種融合三維重建與地理配準(zhǔn)的魯棒可量測建模方法，具有以下有益效果：
63、（1）魯棒抗噪性強(qiáng)：本發(fā)明通過huber權(quán)重函數(shù)對(duì)異常點(diǎn)賦予低權(quán)重，有效抑制噪聲點(diǎn)、誤匹配點(diǎn)對(duì)變換參數(shù)計(jì)算的干擾；同時(shí)基于中位數(shù)和中位數(shù)絕對(duì)偏差估計(jì)魯棒標(biāo)準(zhǔn)差，避免極端值影響閾值設(shè)置，顯著提升配準(zhǔn)的穩(wěn)定性和抗干擾能力。
64、（2）配準(zhǔn)精度高：初始配準(zhǔn)快速獲取近似最優(yōu)參數(shù)，迭代優(yōu)化逐步修正參數(shù)偏差，結(jié)合收斂條件判斷確保參數(shù)趨于最優(yōu)，最終實(shí)現(xiàn)源點(diǎn)云與目標(biāo)點(diǎn)云的高精度對(duì)齊，配準(zhǔn)后平均偏差可控制在0.1米以內(nèi)。
65、（3）模型可量測性強(qiáng)：配準(zhǔn)后的三維模型基于統(tǒng)一的地理坐標(biāo)參考系，每個(gè)點(diǎn)均關(guān)聯(lián)精準(zhǔn)地理坐標(biāo)，支持體積計(jì)算、距離量測、空間分析等多種量測功能，可直接應(yīng)用于工程測繪、空間規(guī)劃等實(shí)際場景，解決了傳統(tǒng)三維模型缺乏地理參考、無法量測的問題。
66、下面通過附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。