基于冠层形状上下文的无人机与地面LiDAR点云高效分治配准
计算机视觉与模式识别
2022-01-28 v1
摘要
森林中无人机激光扫描(ULS)与地面光探测与测距(LiDAR)点云的配准对于构建森林结构的精细表达和森林参数的精确反演至关重要。然而,森林遮挡给基于标志物的配准方法带来挑战,且一些无标志物的自动配准方法因目标(如树木、树冠)分割过程而效率低下。为此,我们采用分治策略,提出一种在森林中配准ULS与地面LiDAR点云的自动化高效方法。配准包含粗对齐与精配准,其中点云粗对齐分为垂直与水平对齐。垂直对齐通过地面对齐实现,即利用地面点云法向量与水平面间的变换关系完成;水平对齐通过冠层投影图像匹配实现。在图像匹配中,首先利用地面滤波算法区分植被点,随后将植被点投影至水平面得到两幅二值图像。为匹配这两幅图像,采用基于冠层形状上下文特征的匹配策略,该特征由两点一致集与冠层重叠描述。最后,结合地面对齐与图像匹配结果实现ULS与地面LiDAR数据集的粗对齐并完成精配准。此外,通过森林样地的野外测量验证了所提方法的有效性、精度与效率。实验结果表明,不同样地中的ULS与地面LiDAR数据均完成配准,水平对齐误差小于0.02 m,所提方法平均运行时间小于1秒。
引用
@article{arxiv.2201.11296,
title = {Efficient divide-and-conquer registration of UAV and ground LiDAR point clouds through canopy shape context},
author = {Jie Shao and Wei Yao and Peng Wan and Lei Luo and Jiaxin Lyu and Wuming Zhang},
journal= {arXiv preprint arXiv:2201.11296},
year = {2022}
}