本發(fā)明涉及攝影測量與遙感領域，具體涉及一種面向貼近攝影航跡規(guī)劃的稀疏點云多面體優(yōu)化表示方法，其中基于點云分塊聚類的點云分割是本發(fā)明的關鍵技術。

背景技術：

1、近年來，隨著信息時代的快速發(fā)展，社會生產對以精細化數字信息產品的需求日益增長，實景三維模型已經逐漸成為新型基礎測繪產品。由于具有數據采集靈活、影像分辨率高、模型精細等優(yōu)點，無人機貼近攝影測量成為制作超精細實景三維模型，進行精確量測的一種新興攝影測量方式；

2、貼近攝影測量的核心思想是“從無到有”、“由粗到細”，首先通過無人機常規(guī)飛行獲取目標的低分辨率影像，生成粗略模型，再以粗略模型為引導，規(guī)劃無人機精細數據自動采集的航跡與姿態(tài)。近年來，場景感知路徑規(guī)劃方法得到了深入研究，該方法分為探索階段和開發(fā)階段（explore-then-exploit,?ete），即利用已有的稀疏點云等場景先驗信息，高效生成航跡規(guī)劃的必要信息，但該類方法往往缺乏對拍攝點規(guī)則性的明確約束，導致拍攝點分散、不規(guī)則，迫使無人機頻繁調整飛行動作，影響數據采集效率和能源利用。相比之下，貼近攝影在粗飛階段通過多個平面的組合大致表現場景，在細飛階段構建條帶式攝影網絡，確保無人機沿直線軌跡進行大部分拍攝，減少停頓點，節(jié)省時間和能源；

3、貼近攝影測量的目標包括滑坡、大壩、高邊坡這些非常規(guī)地面，以及建筑物立面、高大古建筑、地標建筑這些人工目標對象。對于這些目標傳統的方法主要有兩種處理方式：（1）對于建筑物等人工目標，傳統方法是通過人工判讀的方式將其抽象為簡單的立面、柱體等基本幾何元素以及多個基本單元的組合。（2）對于自然環(huán)境等地物，傳統方法主要采用法向量聚類或者區(qū)域生長的方法進行擴張，設置臨界閾值以分割地物，將每一個分割面作為一個航跡規(guī)劃的基本單元。但在當前階段，隨著對自動化、智能化作業(yè)要求的提高，人們不再滿足于這種需要人工頻繁干預的作業(yè)形式，進而去尋找一種能夠廣泛應用于各種場景的粗略幾何代理處理范式。而傳統方法主要存在兩個問題：（1）對于復雜形狀的古建筑或者自然地貌，不能簡單地利用單一規(guī)則形狀對其場景進行描述，而通過基本單元組合需要人工的大量干預。（2）從初始點云計算密集法向量是一個非常耗時的過程，且法向量聚類無法解決點云共面但不連通的分割的問題，導致模型在拓撲上的歧義（通常認為兩個并不相連的平面單元，在空間上是兩個單獨的實例個體），從而導致無法正確從拓撲上用外包多面體還原其幾何外形的問題，提高了無人機貼近攝影中航跡點與目標場景的碰撞風險；

4、因此，開發(fā)一種能夠廣泛應用于各種場景、無需人工干預、省時且能實現共面且連接的點云分割的面向貼近攝影規(guī)劃的稀疏點云多面體優(yōu)化表示方法很有必要。

技術實現思路

1、本發(fā)明的目的是為了提供一種面向貼近攝影規(guī)劃的稀疏點云多面體優(yōu)化表示方法，為一種基于稀疏三維點云多面體優(yōu)化表示方法，該方法能夠簡化復雜目標的表面結構并最大程度保留其本征幾何外形，在此基礎上高效規(guī)劃出可供貼近攝影精細數據采集的攝影網絡；解決現有貼近攝影航跡規(guī)劃方法難以適應各種場景的問題。

2、為了實現上述目的，本發(fā)明的技術方案為：面向貼近攝影規(guī)劃的稀疏點云多面體優(yōu)化表示方法，將貼近攝影粗飛的點云進行分塊處理，通過對分塊點云擬合平面并聚類從而完成點云的分割，最終以外包多面體的形式優(yōu)化表示點云的幾何結構信息。本發(fā)明首先利用常規(guī)地面和航空攝影測量獲取目標物初始影像，并通過運動恢復結構方法重建出目標場景的初始粗略點云，基于形態(tài)和拓撲特征構建點云的骨架圖；然后，基于八叉樹對點云進行分塊，并擬合每個子塊點云的體素平面，并通過查詢攝影控制場記錄的像片外方位元素或點云骨架圖特征點，校正法向量朝向及平面位置，并通過圖聚類，將分塊的體素平面合并為分割平面；最后，利用分割平面參數和原始點云，將多面體組合轉化為0-1整型線性規(guī)劃問題，求解適用于貼近航跡規(guī)劃的多面體外包模型。本發(fā)明方法創(chuàng)新地通過分塊聚類分割點云，避免了傳統三角形法向量區(qū)域生長分割需要構建mesh的過程，并有效解決了共面但不連通點云的分割問題，通過構建外包模型降低了無人機貼近攝影中的碰撞風險。

3、在上述技術方案中，本發(fā)明以目標場景的初始稀疏點云為輸入數據，通過對點云進行先分塊再聚類，分割點云表面的面特征結構，并采用二進制線性規(guī)劃方法將分割平面組合為多面體（即多面體幾何代理模型），該多面體簡化復雜目標的表面結構并最大程度保留其本征幾何外形，在此基礎上高效規(guī)劃出可供貼近攝影精細數據采集的攝影網絡，再通過三維重建能構建復雜目標的精細三維模型（如圖3所示，圖3為多面體模型，參照多面體模型可以高效規(guī)劃出后續(xù)的航跡圖，并進而生成精細化三維模型），本發(fā)明方法能夠廣泛應用于各種場景、無需人工干預、省時且能實現共面且連接的點云分割，且能夠有效避免航跡點與目標場景的碰撞；

4、具體方法，包括如下步驟：

5、步驟一：首先采用八叉樹對點云數據（即輸入數據）進行體素化分塊表達，并根據體素擬合平面并建立其鄰接關系表；

6、步驟二：然后利用粗飛影像的攝站位置或者點云骨架特征點糾正平面法向量朝向，并根據體素之間的鄰接關系和相鄰體素法向量相似度建立體素間聯系矩陣；

7、步驟三：最后對聯系矩陣進行圖聚類，使用同屬一個聚類的所有點擬合新的平面形成分割平面，分割平面經過外包糾正后即可通過二元整型線性規(guī)劃（即0-1型整數線性規(guī)劃）組合為多面體。

8、在上述技術方案中，在步驟一中，對無人機粗飛得到的三維場景稀疏點云進行八叉樹體素化分塊，利用八叉樹子節(jié)點索引計算的體素坐標建立體素鄰接關系表，用于存儲體素之間的鄰接關系；兩兩遍歷相鄰體素點之間的最近鄰接距離，修改最近鄰接距離小于點云最小分辨率的鄰接關系；設置合并點數小于設定閾值的體素點云，更新鄰接關系表。

9、在上述技術方案中，在步驟一中，通過八叉樹進行體素化分塊后，以最小體素為單位建立體素坐標系，體素坐標系的定義如下：

10、（1）設樹的深度為k，根節(jié)點所在的立方體邊長為l，則能夠劃分出個體素的體素空間，取()最小的體素為原點()；

11、（2）每個節(jié)點的坐標可以通過其在八叉樹中的索引來確定；索引i可以表示為一個三元組，其中分別是i在x,y,z軸上的分量；

12、（3）給定一個索引，其對應的坐標可以通過以下公式計算：

13、

14、其中：是從索引i中提取的分量，可以通過位運算獲得：

15、。

16、在上述技術方案中，在步驟一中，在建立八叉樹后，通過修復點云在體素空間和實際空間鄰接關系矛盾的錯誤鄰接情況，恢復點云之間本征的拓撲關系，其具體實現為：

17、設p為原始的三維點云集合，t為八叉樹結構，v為t中的體素集合；對于v中的任意兩個鄰接體素，定義它們的最近鄰接距離為：

18、

19、如果，其中為點云的最小分辨率，則和被認為不鄰接，并在鄰接關系表中刪除這一關系。

20、在上述技術方案中，在步驟二中，建立體素間聯系矩陣的方法，包括如下步驟：

21、步驟21：對位于每個體素內點云使用奇異值分解（singular?valuedecomposition，svd）最小二乘法擬合平面；

22、步驟22：查找體素鄰接關系表，糾正法向量朝向并計算相鄰體素的法向量相似度，建立體素聯系矩陣。

23、在上述技術方案中，在步驟22中，糾正法向量朝向的具體方法包括如下兩種：

24、①利用攝影攝站位置進行糾正，具體方法為：

25、計算并統計單個體素內所有點到其攝站點的反方向，進行重心高斯加權平均作為該體素點云的主方向，即

26、

27、其中：是一個體素點云中的一個點的位置，是體素的重心，是高斯分布的方差；利用該體素點云的主方向糾正平面法向量方向：為體素點云中的總點數，為某一個點；

28、

29、其中表示符號函數，當時取值為，否則取值為-1；為該單個體素內點云的主方向，為糾正后法向量方向；

30、②利用點云骨架圖特征點進行糾正，具體方法為：

31、首先計算點云骨架特征點，其次計算體素重心到最鄰近骨架點的方向，以公式（5）中同樣的方法糾正體素平方的法向量方向。

32、在上述技術方案中，在步驟22中，法向量之間相似度的計算方式如下：

33、

34、其中，、為相鄰兩個體素的體素平面糾正后法向量方向，為高斯函數的核參數。

35、在上述技術方案中，在步驟三中，獲取多面體的方法，包括如下步驟：

36、步驟s31：對體素聯系矩陣進行圖聚類，合并每一聚類的點云并重新擬合出新的平面，糾正平面法向量朝向，并將平面做外包平移處理，得到分割平面；

37、步驟s32：對分割平面進行求交，得到候選點、線、面，定義能量函數及約束條件，從候選面集合中選擇一個子集，并確保所選面形成一個流形且水密的多邊形表面。

38、在上述技術方案中，在步驟s31中，通過ransac方法篩選出一個聚類中的離群點，并將其重新擬合為一個新的平面。

39、在上述技術方案中，在步驟s32中，目標函數的能量項和硬性約束的定義分別如下：

40、①能量項，包括數據擬合能量和點覆蓋能量：

41、

42、其中：p表示點云中的點數，可以理解為一個二進制變量，表示候選面是否被選擇，當為1表示選擇，當為0表示未選擇，為考慮點云局部鄰域的置信度；

43、

44、其中：表示最終模型的表面積；表示候選面的表面積，而表示點在候選面上的-shape覆蓋面積；

45、②該求解目標的硬性約束定義如下：

46、

47、公式（9）的含義為對于每個邊，連接的面數量必須是2（表示兩個相鄰面）或0（表示邊界面），必須是二進制的，即每個為0（表示對應的候選面不被選擇）或1（表示被選擇）。

48、本發(fā)明具有如下優(yōu)點：

49、（1）提出了一種新的基于稀疏點云的多面體優(yōu)化表示方法，能夠適應各種形狀復雜的非規(guī)則自然場景和規(guī)則人工地物，為無人機貼近攝影航跡規(guī)劃提供了一種高效的幾何代理模型；

50、（2）本發(fā)明不需要計算密集法向量，而是采用點云分塊再聚類的思路，以平面的形式逐步提取并融合點云的表面特征，通過圖聚類使得點云共面且連通，簡化復雜目標的表面結構并最大程度保留其本征幾何外形；解決了常規(guī)法向量聚類算法易產生共面但不連接的點云分割的問題；解決了現有傳統方法采用從初始點云計算密集法向量的方式耗時，且法向量聚類算法易產生共面但不連接的點云分割、導致模型在拓撲上的歧義（通常認為兩個并不相連的平面單元，在空間上是兩個單獨的實例個體），從而導致無法正確從拓撲上用外包多面體還原其幾何外形的問題；

51、（3）通過對稀疏重建獲取三維點云進行優(yōu)化計算為以多面體表示的粗略模型（簡化復雜目標的表面結構并最大程度保留其本征幾何外形），然后對多面體的所有面逐個進行航跡與姿態(tài)規(guī)劃，從而驅動無人機進行貼近攝影獲取高清影像，使得貼近攝影航跡規(guī)劃方法適應各種場景，提高通用性，避免航跡點與目標場景碰撞；解決現有貼近攝影航跡規(guī)劃方法難以適應各種場景，通用性差（無法廣泛應用于各種復雜場景，如復雜形狀的古建筑或者自然地貌）、無法避免航跡點與目標場景的碰撞、需要大量人工干預、無法實現點云共面且連通的分割、耗費大量時間的問題；

52、（4）本發(fā)明對模型以面為單位進行糾正和外包處理，能夠有效避免航跡點與目標場景的碰撞；

53、（5）本發(fā)明方法不需要針對特定目標進行單獨的預處理，所有場景共享一套處理范式，即先分塊再聚類，使得本發(fā)明具良好的有通用性，能廣泛應用于各種場景。