[发明专利]一种基于人工智能的无人机测绘果冻效应检测方法及系统

权利要求书

1.一种基于人工智能的无人机测绘果冻效应检测方法，其特征在于，所述方法包括：

通过无人机上双目相机和激光雷达扫描仪获得RGB图像和所述三维点云；利用所述三维点云获得深度图像；

获得RGB图像内所述双目相机的重叠区域；提取所述重叠区域内建筑物区域作为第一感兴趣区域；对所述第一感兴趣区域进行三维重建获得双目点云；

将所述第一感兴趣区域划分多个第一子区域；分别计算所述第一子区域和所述深度图像对应区域内的点云密度；所述点云密度包括双目点云密度和三维点云密度；所述双目点云密度和所述三维点云密度比例为点云密度比；选取一个所述第一子区域内的点云密度比为第一点云密度比，计算其他每个所述第一子区域的所述点云密度比与所述第一点云密度比的差异性；选取差异性最小的所述点云密度比为标准点云密度比；差异性最大的所述第一子区域作为第二感兴趣区域；

将所述第二感兴趣区域划分多个第二子区域；所述深度图像中划分相同的所述第二子区域；计算每个所述第二子区域内所述RGB图像和所述深度图像中的坐标误差特征；

根据每个所述第二子区域内的所述点云密度计算所述第二感兴趣区域的稳定度；

计算每个所述第二子区域内点云密度比与所述标准点云密度比的比例差异均值；

利用所述坐标误差特征、所述稳定度和所述比例差异均值分析获得果冻效应程度。

2.根据权利要求1所述的一种基于人工智能的无人机测绘果冻效应检测方法，其特征在于，所述激光雷达扫描仪采用TOF激光雷达，且所述激光雷达扫描仪和所述双目相机中一个相机的拍摄角度和范围相同。

3.根据权利要求1所述的一种基于人工智能的无人机测绘果冻效应检测方法，其特征在于，所述提取所述重叠区域内建筑物区域作为第一感兴趣区域包括：

提取所述双目相机所拍摄的两张所述RGB图像中的建筑物角点作为特征点；寻找同一空间位置在两张所述RGB图像中的所述特征点的投影点，对所述特征点进行匹配得到重叠区域；

分析所述重叠区域中的颜色特征信息，提取建筑物区域，并提取所述建筑物区域的外接矩形作为所述第一感兴趣区域。

4.根据权利要求1所述的一种基于人工智能的无人机测绘果冻效应检测方法，其特征在于，所述计算每个所述第二子区域内所述RGB图像和所述深度图像中的坐标误差特征：

将所述深度图像中对应所述第二感兴趣区域的区域内的所述三维点云坐标转换到所述双目点云坐标中，获得转换坐标；计算所述转换坐标和所述双目点云的坐标差异均值；

通过坐标误差特征计算模型获得所述坐标误差特征：

其中，σ′为所述第二感兴趣区域中的所述坐标误差特征，σ_i表示第i个所述第二子区域的所述坐标误差均值，σ_j示第j个所述第二子区域的所述坐标误差均值，表示σ_j所占的整个所述第二感兴趣区域内的权重，n为所述第二子区域数量。

5.根据权利要求4所述的一种基于人工智能的无人机测绘果冻效应检测方法，其特征在于，所述三维点云坐标转换到所述双目点云坐标中包括：

通过三维点云坐标转换公式进行坐标转换：

p_t＝R·p_s+T

其中，p_t为所述转换坐标，p_s为所述三维点云坐标，R为旋转矩阵，T为平移矩阵。

6.根据权利要求1所述的一种基于人工智能的无人机测绘果冻效应检测方法，其特征在于，所述根据每个所述第二子区域内的所述点云密度计算所述第二感兴趣区域的稳定度包括：

计算最大所述点云密度比与最小所述点云密度比的比值获得点云密度比例差异比；

所述点云密度比例差异比减一的绝对值为所述稳定度。