机载LiDAR DSM深度影像与航空影像配准方法研究.docx

机载LiDARDSM深度影像与航空影像配准方法研究
一、前言
随着遥感技术的不断发展，利用航空影像数据进行高精度地图制作在各领域得到了广泛应用。由于航空影像数据分辨率有限，对于基于建筑物等细节信息的城市3D模型等研究，常常需要使用机载LiDAR数据来获取更精确的地形信息。
然而，由于航空影像与机载LiDAR数据采集方式、数据结构、坐标系统等不同之处，使得二者的配准成为了高精度地图制作的重要环节。因此，本文将探讨机载LiDARDSM深度影像与航空影像配准的方法研究，以期为相关研究提供参考。
二、机载LiDARDSM深度影像与航空影像的差异
机载LiDARDSM深度影像和航空影像有以下常见的几个差异：
1.采集方式：机载LiDAR是利用激光器对地面进行扫描，通过测算反射激光的时间和距离来获取地面高程信息；航空影像则是由飞机在空中进行图像拍摄，然后利用多点共视技术生成影像。
2.数据结构：机载LiDAR数据是点云数据，每个点都有精确的坐标和高程信息；航空影像则是离散像素数据，每个像素由一个RGB值表示。
3.数据量：机载LiDAR数据量相对较小，而航空影像数据量相对较大。
4.坐标系统：机载LiDAR数据的坐标系和高程系统与航空影像不一定相同，需要对其进行转换和配准。
三、机载LiDARDSM深度影像与航空影像配准方法
1.利用地物特征点进行配准
地物特征点是指在地形图上或者影像上可以明显辨认的地物，例如：建筑物、道路等，它们在机载LiDARDSM深度影像和航空影像中的位置也是相对固定的。因此，我们可以利用这些地物特征点来进行配准。
具体方法是：先在机载LiDARDSM深度影像中确定若干地物特征点，并通过点云分割等处理方法提取出其特征描述子；然后在航空影像中，利用同样的方法提取出同一地物特征点的特征描述子。最后，利用相应的配准算法（如：SIFT、SURF等）进行匹配，最终得到两个数据集的变换矩阵，从而实现两者的配准。
2.利用全局匹配算法进行配准
全局匹配算法是通过将两幅不同影像的像素点进行匹配，得到两幅影像之间的变换关系，最终实现影像配准的一种方法。其具体流程如下：
首先，将机载LiDARDSM深度影像和航空影像进行预处理，包括图像去噪、灰度均衡、边缘检测等操作。
然后，利用特征点提取算法（如：Harris、SIFT、SURF等）提取出两幅影像中的关键特征点并进行匹配。
接着，根据匹配点对计算出两幅影像之间的变换关系，包括旋转、平移、缩放等变换参数。
最后，根据变换关系将两幅影像进行配准。
3.利用空间三维配准方法进行配准
空间三维配准方法是利用机载LiDAR数据中的三维点云信息与航空影像的二维信息进行配准的一种方法。其具体流程如下：
首先，需要确定采集的机载LiDAR数据和航空影像之间的坐标系和高程系统的转换关系。
然后，通过点云配准算法（如：ICP等）将机载LiDAR采集的点云与高分辨率卫星影像进行配准，从而建立点云与影像之间的对应关系。
最后，利用影像配准算法，根据像素之间的对应关系将航空影像与点云进行配准。
四、总结
机载LiDARDSM深度影像与航空影像配准是高精度地图制作的重要环节，同时也是一个相对复杂的问题。本文介绍了三种常用的配准方法：利用地物特征点进行配准、利用全局匹配算法进行配准、利用空间三维配准方法进行配准。不同的方法适用于不同的配准场景，需要根据实际需求选择合适的方法。在实际应用中，还需要注意考虑数据的质量、分辨率等因素，并进行相应的预处理和优化，从而获得更加精确的配准结果。