本發(fā)明涉及三維點云獲取技術(shù)領(lǐng)域，具體涉及一種聯(lián)合激光掃描和影像匹配的三維點云生成方法。

背景技術(shù)：

21世紀是一個信息化的時代，突出表現(xiàn)在將人類世界以信息化的方式進行顯示、統(tǒng)計、分析和應(yīng)用。美國前副總統(tǒng)戈爾在1998年的演講中，提出了“數(shù)字地球”的概念，掀起了一股數(shù)字地球研究的浪潮。2005年，谷歌公司推出了GoogleEarth產(chǎn)品，將航片、衛(wèi)片數(shù)據(jù)映射到虛擬的數(shù)字地球上，便于用戶瀏覽和使用世界各地的地理信息產(chǎn)品。在全世界正從數(shù)字地球向智慧地球發(fā)展的過程中，我國也在推動“數(shù)字中國”、“智慧城市”等的快速發(fā)展，在為政府部門、企事業(yè)單位和社會公眾等提供公共管理、突發(fā)事件應(yīng)急、科學(xué)決策等服務(wù)方面具有重要意義。

數(shù)字表面模型(Digital Surface Model,DSM)是以數(shù)字化的形式，表達地球自然表面和人工地物的三維模型，是“智慧城市”重要的顯示和分析工具。近十年來，隨著“數(shù)字中國”、“智慧城市”的快速發(fā)展，對DSM生成的精度、速度和分辨率提出了越來越高的要求。激光掃描和立體影像密集匹配技術(shù)是目前兩種主流的地形地物三維信息獲取手段，通過將相機、LiDAR等傳感器搭載于車輛、無人機、航空飛機乃至衛(wèi)星等不同高度的遙感平臺，間接或直接地快速獲取測區(qū)地表的三維測繪信息。

LiDAR(Light Detection And Ranging，激光探測與測量點云)系統(tǒng)由全球定位系統(tǒng)(GPS)、慣性導(dǎo)航系統(tǒng)(IMU)以及激光器(Laser Scanner)共同組成，以主動方式快速獲取地面模型及空間點云信息，具有速度快、時效性強、作業(yè)范圍大等優(yōu)點。但是LiDAR系統(tǒng)成本昂貴，且點云密度較低(與對應(yīng)的影像分辨率比較而言)，無法很好地描述線狀地物；并且由于自然地表和建筑物的材質(zhì)問題，在某些區(qū)域無法形成反射點，無法很好地為智慧城市等三維重建應(yīng)用服務(wù)。

影像密集匹配通過覆蓋一個測區(qū)的多張立體影像，根據(jù)同名光線對對相交的原理，從影像的二維信息恢復(fù)整個測區(qū)的三維空間信息。與LiDAR激光點云相比，立體影像具有密集匹配點云密度大、平面精度高、粗差剔除技術(shù)完善、影像上的地物幾何特征更明顯、影像數(shù)據(jù)獲取成本低等突出優(yōu)勢。但是影像匹配的結(jié)果取決于地物紋理情況以及影像輻射質(zhì)量。影像密集匹配技術(shù)在紋理貧乏區(qū)域、重復(fù)紋理區(qū)域表現(xiàn)較弱。較差的影像輻射質(zhì)量以及陰影區(qū)域也會嚴重影響匹配結(jié)果。影像密集匹配往往速度較慢，很難達到實時的要求，嚴重制約數(shù)字城市的重建速度。

由于上述兩種技術(shù)各自的不足，單純地采用激光掃描，或者單純地采用影像密集匹配，均無法很好地描述測區(qū)地表的三維信息。為了滿足高精度、高分辨率、高實時性的三維重建的需求，需要將兩種技術(shù)相結(jié)合，充分發(fā)揮各自的優(yōu)勢，得到完整可靠的點云產(chǎn)品，能夠滿足快速、大范圍、高精度、高分辨率三維重建的需求，為數(shù)字地球、智慧城市的發(fā)展提供技術(shù)支撐，為社會的可持續(xù)發(fā)展服務(wù)。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種聯(lián)合激光掃描和影像匹配的三維點云生成方法，該方法充分發(fā)揮激光掃描技術(shù)和影像密集匹配技術(shù)各自的優(yōu)勢，利用激光掃描技術(shù)直接快速獲取測區(qū)的三維點云，對于線狀地物、無反射點區(qū)域(如水面)等掃描困難區(qū)域，采用影像密集匹配技術(shù)獲取掃描困難區(qū)域的三維點云，最終快速生成稠密的高精度的三維點云，為智慧城市等應(yīng)用服務(wù)。

為解決上述技術(shù)問題，本發(fā)明公開的一種聯(lián)合激光掃描和影像匹配的三維點云生成方法，其特征在于，它包括如下步驟：

步驟1：根據(jù)原始激光探測與測量點云數(shù)據(jù)，生成數(shù)字表面模型，提取數(shù)字表面模型中的無效區(qū)域，將該無效區(qū)域中最小外接矩形的四個角點，分別投影到三維重建測區(qū)的影像上，生成一個三維重建測區(qū)影像上的四邊形區(qū)域，該四邊形區(qū)域即可認為是激光探測與測量點云數(shù)據(jù)中的無效區(qū)域在三維重建測區(qū)影像上對應(yīng)的范圍；

步驟2：將激光探測與測量點云數(shù)據(jù)中的無效區(qū)域在三維重建測區(qū)影像上對應(yīng)的范圍作為三維重建測區(qū)影像的密集匹配區(qū)域，根據(jù)該三維重建測區(qū)影像密集匹配區(qū)域構(gòu)建影像金字塔，從金字塔頂層開始，采用半全局密集匹配方法(Semi-global Matching,SGM)進行由粗到精的分級匹配，獲得密集匹配區(qū)域的二維視差圖，并采用前方交會的方式，生成三維重建測區(qū)影像的密集匹配區(qū)域所對應(yīng)的三維點云數(shù)據(jù)；

步驟3：采用Canny邊緣檢測算子，在三維重建測區(qū)影像上提取線特征，將每個線特征作為一個密集匹配區(qū)域，分別進行影像密集匹配，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，并采用前方交會的方式，生成線特征對應(yīng)的三維點云數(shù)據(jù)；

步驟4：在原始激光探測與測量點云數(shù)據(jù)的基礎(chǔ)上，采用點云融合技術(shù)將步驟2生成的三維重建測區(qū)影像密集匹配區(qū)域所對應(yīng)的三維點云數(shù)據(jù)，以及步驟3生成的線特征對應(yīng)的三維點云數(shù)據(jù)進行三維點云融合，生成融合激光探測與測量點云和密集匹配點云的三維重建點云。

本發(fā)明的有益效果：

本發(fā)明公開的一種聯(lián)合激光掃描和影像匹配的三維點云生成方法，能夠充分利用影像分辨率高、灰度特征明顯的優(yōu)勢，解決LiDAR點云中無反射點區(qū)域、線狀地物描述等重建問題，能夠極大地減少影像密集匹配的計算復(fù)雜度，快速獲取更加完整精確的點云產(chǎn)品，能夠為智慧城市、數(shù)字城市等應(yīng)用服務(wù)。

附圖說明

圖1為本發(fā)明的流程圖；

圖2為激光探測與測量點云中的無效區(qū)域；

圖3為半全局密集匹配的掃描線方向；

圖4為無效區(qū)域的密集匹配點云；

圖5為激光探測與測量點云對線狀地物的定位精度；

圖6為線特征匹配的代價積聚方向。

具體實施方式

以下結(jié)合附圖和具體實施例對本發(fā)明作進一步的詳細說明：

本發(fā)明針對現(xiàn)有的主流三維點云獲取技術(shù)：激光掃描和影像匹配各自的特點，充分發(fā)揮兩者各自的優(yōu)勢，提出一種聯(lián)合激光掃描和影像匹配的三維點云生成方法，能夠解決激光掃描在弱/無反射區(qū)域、線狀地物區(qū)域的三維點云獲取困難問題，解決影像密集匹配時間復(fù)雜度高的問題，生成的三維點云具有完整度高、精度高、點云密度大、獲取速度快等優(yōu)勢，如圖1所示，它包括如下步驟：

步驟1：激光探測與測量點云完整度評估；

根據(jù)原始激光探測與測量點云數(shù)據(jù)，生成數(shù)字表面模型(Digital Surface Model，DSM)，提取數(shù)字表面模型中的無效區(qū)域，將該無效區(qū)域中最小外接矩形的四個角點，分別投影到三維重建測區(qū)的影像上，生成一個三維重建測區(qū)影像上的四邊形區(qū)域，該四邊形區(qū)域即可認為是激光探測與測量點云數(shù)據(jù)中的無效區(qū)域在三維重建測區(qū)影像上對應(yīng)的范圍；

步驟2：弱/無反射區(qū)域三維點云生成；

將激光探測與測量點云數(shù)據(jù)中的無效區(qū)域在三維重建測區(qū)影像上對應(yīng)的范圍作為三維重建測區(qū)影像的密集匹配區(qū)域，根據(jù)該三維重建測區(qū)影像的密集匹配區(qū)域構(gòu)建影像金字塔，從金字塔頂層開始，采用半全局密集匹配方法進行由粗到精的分級匹配，獲得密集匹配區(qū)域的二維視差圖，并采用前方交會的方式，生成三維重建測區(qū)影像密集匹配區(qū)域?qū)?yīng)的三維點云數(shù)據(jù)；

步驟3：線特征地物的三維點云生成；

采用Canny邊緣檢測算子，在三維重建測區(qū)影像上提取線特征，將每個線特征作為一個密集匹配區(qū)域，分別進行影像密集匹配，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，并采用前方交會的方式，生成線特征對應(yīng)的三維點云數(shù)據(jù)；

步驟4：激光探測與測量點云和密集匹配點云融合；

在原始激光探測與測量點云數(shù)據(jù)的基礎(chǔ)上，采用點云融合技術(shù)將步驟2生成的三維重建測區(qū)影像密集匹配區(qū)域?qū)?yīng)的三維點云數(shù)據(jù)，以及步驟3生成的線特征對應(yīng)的三維點云數(shù)據(jù)進行三維點云融合，生成融合激光探測與測量點云和密集匹配點云的三維重建點云。

上述技術(shù)方案的步驟1中，本發(fā)明的輸入是激光探測與測量點云和測區(qū)的光學(xué)影像集合。為了保證影像密集匹配順利實施，需要具有重疊度的影像至少兩張，即能夠組成至少一個立體像對。激光探測與測量是主流的獲取地形地貌三維信息的手段之一，得到了廣泛的應(yīng)用。但是在水面等無法反射激光的區(qū)域，無法獲得激光探測與測量點云，導(dǎo)致激光探測與測量點云中存在無效區(qū)域，如圖2(a)中的河流區(qū)域所示。本文定義僅僅有極少量的，甚至不存在任何三維點的區(qū)域為無效區(qū)域。因此，需要對激光探測與測量點云進行完整度評估，找出無效區(qū)域，在后續(xù)處理中，采用影像密集匹配技術(shù)，對這些無效區(qū)域進行處理，生成三維點云。

上述技術(shù)方案的步驟1中，為了方便統(tǒng)計激光探測與測量點云中的無效區(qū)域，首先根據(jù)激光探測與測量點云，生成數(shù)字表面模型(DSM)，定義激光探測與測量點云的點間距為s，一般點間距s由工程文件提供。計算無效區(qū)域中最小外接矩形的四個角點的X、Y坐標的方式如下：

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表示原始激光探測與測量點云數(shù)據(jù)中三維點的數(shù)目；(Xl_i,Yl_i)表示第i個激光探測與測量點的X、Y坐標；(X_lb,Y_lb)表示無效區(qū)域中最小外接矩形左下角的角點坐標；(X_rt,Y_rt)表示無效區(qū)域中最小外接矩形右上角的角點坐標，(X_lb,Y_rt)表示無效區(qū)域中最小外接矩形左上角的角點坐標，(X_rt,Y_lb)表示無效區(qū)域中最小外接矩形右下角的角點坐標；

將激光探測與測量點云數(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)字表面模型的起點為無效區(qū)域中最小外接矩形左下角的角點，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表示激光探測與測量點云數(shù)據(jù)中點和點之間的平均間距，σ表示數(shù)字表面模型的網(wǎng)格大小與上述激光探測與測量點云數(shù)據(jù)中點和點之間平均間距之間的比值，σ要取大于1的值，一般取3，目的就是為了保證每個網(wǎng)格內(nèi)都存在激光探測與測量點，如果不存在，則該網(wǎng)格可能處于激光探測與測量點云無效區(qū)域；

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H_D x W_D大小的規(guī)則格網(wǎng)，該規(guī)則格網(wǎng)的起點為(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與測量點，則該數(shù)字表面模型的網(wǎng)格定義為無效區(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，每個數(shù)字表面模型網(wǎng)格都存在至少一個激光探測與測量點，每個數(shù)字表面模型網(wǎng)格的高程為對應(yīng)激光探測與測量點的最大高程，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表示坐標為(X_i,Y_i)的激光探測與測量點落入數(shù)字表面模型第m行第n列的網(wǎng)格中；Z_i表示第i個激光探測與測量點的Z坐標；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)格中所有激光探測與測量點的最大高程；

在有效區(qū)域，每個DSM網(wǎng)格都存在有效的高程值；但是由于無效區(qū)域不存在LiDAR點，無效區(qū)域的網(wǎng)格同樣也不存在有效高程。因此，可以根據(jù)DSM網(wǎng)格內(nèi)是否存在有效高程，定義該區(qū)域是否為無效區(qū)域，如圖2(b)中河流區(qū)域所示。根據(jù)所述無效區(qū)域內(nèi)每個數(shù)字表面模型網(wǎng)格的X、Y坐標，定義無效區(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共同定義了無效區(qū)域最小外接矩形的范圍；Ω表示無效區(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)；具體外接矩形如圖2(b)虛線框所示。

根據(jù)無效區(qū)域外接矩形四個角點的數(shù)字表面模型行列坐標，獲得四個角點的物方空間三維坐標，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)表示無效區(qū)域外接矩形角點的數(shù)字表面模型行列坐標；X_c、Y_c、Z_c分別表示無效區(qū)域外接矩形角點的物方三維坐標；

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

其中，x_c、y_c表示無效區(qū)域外接矩形角點在三維重建測區(qū)影像上的坐標；x₀、y₀表示相機內(nèi)像主點(相機攝影中心與像平面的垂線與像平面的交點)坐標參數(shù)，f表示相機的焦距參數(shù)；Xs、Ys、Zs表示相機的外方位線元素；a₁、a₂、a₃、b₁、b₂、b₃、c₁、c₂、c₃表示攝影坐標系與大地坐標系之間的旋轉(zhuǎn)矩陣的九個元素，最終無效區(qū)域在影像上的顯示范圍如圖2(c)所示。上述旋轉(zhuǎn)矩陣由外方位元素計算得來的旋轉(zhuǎn)矩陣，一般通過測量平差手段獲得精確值。

上述技術(shù)方案的步驟2中，影像劃分為有效區(qū)域和無效區(qū)域。有效區(qū)域已經(jīng)存在對應(yīng)的激光探測與測量點云，不需要影像匹配的方法重新生成三維點云；而無效區(qū)域不存在對應(yīng)的激光探測與測量點云，需要借助影像密集匹配的方法來生成無效區(qū)域的三維點云。無效區(qū)域往往是水面等紋理貧乏區(qū)域，為了減少匹配歧義，提高匹配魯棒性，需要對無效區(qū)域影像構(gòu)建金字塔，本發(fā)明采用均值濾波的方式構(gòu)建影像金字塔，將三維重建測區(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，上一級影像金字塔的一個像素，會對應(yīng)下一級影像金字塔S×S的區(qū)域，影像金字塔構(gòu)建方式如下式所示；

式中，gⁿ表示上一級第n層影像金字塔的像素灰度；表示下一級第n-1層影像金字塔第i個像素的灰度，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始，采用半全局的密集匹配策略，每個像素受到八個方向掃描線的代價累積，如圖3所示，在每條掃描線上，代價積聚方式為：

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

單條掃描線的累積結(jié)果是不穩(wěn)定的，容易產(chǎn)生“條紋”問題。為了使匹配結(jié)果更加穩(wěn)定可靠，對無效區(qū)域影像進行8個方向的代價累積，最后對各個方向的累積結(jié)果相加，得到最終的代價積聚結(jié)果，如下式所示：

式中，S(p,d)表示對各個方向代價積聚結(jié)果相加后，得到的總體代價積聚結(jié)果，采用Winner Takes All(WTA)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影像金字塔，約束下一級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，并向下一級影像金字塔傳遞，直至計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坐標，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坐標；d表示視差值，根據(jù)左右影像的同名點坐標，確定對應(yīng)的三維點坐標：

B_u＝X_S2-X_S1B_v＝Y(jié)_S2-Y_S1B_w＝Z_S2-Z_S1

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表示物方點的三維坐標；f表示相機的焦距參數(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表示地面點在左影像像空間輔助坐標系中的坐標；U₂、V₂、W₂表示地面點在右影像像空間輔助坐標系中的坐標；u₁、v₁、w₁表示像點在左影像像空間輔助坐標系中的坐標；u₂、v₂、w₂表示像點在右影像像空間輔助坐標系中的坐標；B_u、B_v、B_w表示相機之間的基線分量；N₁、N₂表示點投影系數(shù)；只要無效區(qū)域在影像上是可見的，即可根據(jù)影像密集匹配技術(shù)恢復(fù)無效區(qū)域的三維點云，如圖4所示。從圖4可以看出，河流區(qū)域已經(jīng)充滿了密集匹配點云。

上述技術(shù)方案的步驟3，由于激光探測與測量點云本身密度較低，直接從LiDAR點云提取的建筑物邊緣并不精確，產(chǎn)生邊緣“偏移”問題，如圖5所示。圖5中，上面一條線條表示激光探測與測量點云提取建筑物邊緣的投影結(jié)果；而下面一條直線表示影像上建筑物的邊緣?？梢钥闯?，激光探測與測量點云中的建筑物邊緣并不精確，存在一定的偏移。為了進一步提高三維點云的精度，有必要借助影像匹配技術(shù)，生成建筑物精確的“真實邊緣”；

采用canny算子，在三維重建測區(qū)影像上提取線特征，將每個線特征作為一個密集匹配區(qū)域，分別進行影像密集匹配，具體方法為，沿著線特征的方向，采用一維動態(tài)規(guī)劃方法，進行代價積聚，如下式所示：

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

由于線特征一般存在正反兩個方向，因此上式所示的代價積聚也存在兩個方向，如圖6所示，將兩個方向的代價積聚結(jié)果累加，得到最終的代價積聚結(jié)果，采用Winner Takes All策略獲取每條線特征的視差值，計算對應(yīng)的同名點對，并生成線特征對應(yīng)的三維點云數(shù)據(jù)。

上述技術(shù)方案的步驟4中，通過影像密集匹配技術(shù)，可以生成無效區(qū)域和線狀地物區(qū)域的三維點云。將密集匹配點云和LiDAR點云融合，可以生成更加完整、精度更高的三維點云產(chǎn)品。在無效區(qū)域匹配過程中，不可避免地會將一部分有效區(qū)域進行重復(fù)匹配。由于有效區(qū)域已經(jīng)存在LiDAR點云，因此重復(fù)匹配的三維點是不需要融合的，在步驟2中的三維重建測區(qū)影像密集匹配區(qū)域?qū)?yīng)的三維點云數(shù)據(jù)，以及步驟3中的線特征對應(yīng)的三維點云數(shù)據(jù)進行三維點云融合前，需要判斷哪些匹配點位于激光探測與測量點云有效區(qū)域，哪些匹配點位于激光探測與測量點云無效區(qū)域，如下式所示：

m＝(X_i-X_lb)/s_D n＝(Y_i-Y_lb)/s_D

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

本發(fā)明充分利用激光掃描技術(shù)和影像密集匹配技術(shù)各自的優(yōu)勢，生成完整、高精度、稠密的三維點云，在弱\無反射區(qū)域，線狀地物區(qū)域有著可靠精細的三維描述，能夠為數(shù)字城市、智慧城市等應(yīng)用提供技術(shù)支撐。

本說明書未作詳細描述的內(nèi)容屬于本領(lǐng)域?qū)I(yè)技術(shù)人員公知的現(xiàn)有技術(shù)。