[发明专利]基于街景图像与车载激光融合的城市场景构图方法及系统

说明书

本发明属于场景构图领域，具体涉及了一种基于街景图像与车载激光融合的城市场景构图方法及系统，旨在解决现有的基于图像与激光融合的构图方法难以实现高效、鲁棒、精确的大规模城市场景三维地图构建的问题。本发明包括：分别标定街景相机的内外参数初始值，激光雷达的外参数初始值；基于待构图场景图像构建基于图像特征的优化方程，基于激光点云构建基于点云特征的优化方程，基于每一幅待构图场景图像及对应的各站激光点云构建基于图像与激光对应的优化方程；将优化方程融入统一的全局优化框架，对待优化参数求解并迭代，获得待构图场景的三维构图。本发明实现了大规模城市场景高效、鲁棒、精确的三维构图，为融合多源数据的场景建模提供了思路。

技术领域

本发明属于场景构图领域，具体涉及了一种基于街景图像与车载激光融合的城市场景构图方法及系统。

背景技术

城市场景的高精度三维地图在无人驾驶、智慧城市等领域有着广泛的应用与迫切的需求。由于城市场景具有规模大、动态高、结构多样等特点，其高精度三维地图的构建一直以来都是一个研究难点与关键问题。

现有方法大多采用视角更大、视场更广的航拍图像进行三维构图，尽管可以实现城市场景的高效、完整建模，但构建的三维地图缺乏细节，无法应用于无人驾驶、智慧城市等领域。针对城市场景的大规模问题，现有方法多采用从运动恢复结构（SfM，Structurefrom Motion）与多视图立体（MVS，Multiple View Stereo）技术进行稀疏与稠密重建。在重建过程中通过图像检索、分组或者并行化处理技术实现海量图像的高效重建。另外，在基于图像的城市场景三维构图中，有时还会引入其他辅助信息，如相机运动轨迹、相对位姿约束或者全球定位系统（GPS，Global Positioning System）、惯性测量单元（IMU，InertialMeasurement Unit）信息等，以获取更为精确的相机位姿估计结果。然而，现有的基于图像的城市场景构图方法依赖于图像局部纹理特征，易受外界环境干扰，在对动态程度高的城市场景进行构图时会存在精度低、鲁棒性差的不足，甚至出现场景漂移的现象。

基于激光的城市场景三维构图方法中也存在一些利用扫描范围更广的机载激光雷达（LiDAR，Light Detection And Ranging）数据进行城市场景构图的方法。但是与基于航拍图像的方法类似，这类方法构建的地图也存在建筑物立面细节缺乏的问题。而基于车载激光点云的城市场景构图方法主要采用LiDAR同时定位与构图（SLAM，SimultaneousLocalization And Mapping）技术。这类方法采用基于2D LiDAR或者3D LiDAR的方式，有时还会引入如GPS或IMU等辅助信息，实现高效的定位与构图。这类方法的优势在于效率较高，但是构建的地图存在场景稀疏、信息缺失等不足。另外，为获取城市场景更为稠密的激光点云，也可以通过激光扫描仪获取的海量激光点云构建城市场景三维地图。然而，由于大型激光扫描仪的扫描范围受限以及数据采集不便，这类方法难以实现场景的完整覆盖。针对上述问题，存在一些由激光点云获取完整场景模型的方法。其中一些方法利用自相似结构或者简单块体建筑，从不完整的激光扫描结果重建完整的建筑或立面场景；另外一些方法基于曼哈顿世界假设，通过激光点云构建规整的城市场景地图。尽管上述方法有时可以取得较好的重建结果，这些方法或者依赖于用户交互，或者基于较强假设，使其拓展性较差。因此，现有的基于激光的城市场景构图方法难以兼顾场景细节的完整度与场景规模的拓展性。