买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中交第二公路勘察设计研究院有限公司申请的专利一种利用多元特征的城市航空影像与LiDAR点云配准方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120672815B 。

龙图腾网通过国家知识产权局官网在2026-03-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510655808.1，技术领域涉及：G06T7/33；该发明授权一种利用多元特征的城市航空影像与LiDAR点云配准方法是由韩飞;张霄;刘亚萍;明洋;唐钰涵;苏艳华;曾聪设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本一种利用多元特征的城市航空影像与LiDAR点云配准方法在说明书摘要公布了：本发明公开了一种利用多元特征的城市航空影像与LiDAR点云配准方法，属于摄影测量与遥感领域，包括：对影像预处理生成稀疏特征点云和三维特征线，采用深度学习方法提取影像建筑物屋顶轮廓，并利用RANSAC算法和PCA统计分析方法提取LiDAR点云的特征线和特征面；通过基于线面特征的ICL算法对影像生成的稀疏特征点云和LiDAR点云进行全局粗配准；联合LiDAR点云的点、线、面多元控制信息约束进行影像区域网平差解算，抑制影像区域网的局部畸变；全局粗配准和局部畸变优化反复迭代进行，直至影像定向中误差的变化量满足预设要求。本发明通过联合点、线、面特征构成多元约束，并采用自适应的定权策略，可以较好地解决城市场景中的影像与LiDAR点云的高精度稳健配准问题。

本发明授权一种利用多元特征的城市航空影像与LiDAR点云配准方法在权利要求书中公布了：1.一种利用多元特征的城市航空影像与LiDAR点云配准方法，其特征在于，包括以下步骤： 步骤1，对影像进行预处理，生成稀疏特征点云和影像三维特征线，并采用改进的深度学习模型提取影像的建筑物屋顶轮廓信息； 步骤2，采用随机抽样一致性算法和主成分分析的统计特征分析方法，从LiDAR点云中提取线特征和面特征信息； 步骤3，采用改进的ICL算法，用影像三维特征线与LiDAR三维特征线的对应关系，并加入影像屋顶轮廓与LiDAR建筑平面的投影约束，进行全局粗配准； 步骤4，在步骤3基础上，以城市场景提取的点、线、面多元特征作为联合控制信息，构建扩展的能量方程进行影像区域网平差优化，校正相机畸变及影像连接强度不均匀产生的局部变形； 步骤5，多次迭代实施步骤3和步骤4，直至影像定位中误差的变化量满足预设要求； 步骤1中，所述对影像进行预处理，生成稀疏特征点云和影像三维特征线，包括：通过POS系统获取的定位和定姿信息，实现影像内外方位元素的初步计算，并结合特征匹配算法生成稀疏特征点云与影像三维特征线，其中稀疏特征点云由影像之间的同名特征点匹配结果生成，三维特征线则通过影像间的同名线段匹配并进行三维重建得到； 所述采用改进的深度学习模型提取影像的建筑物屋顶轮廓信息，包括：采用基于U-Net改进的深度卷积神经网络模型，网络结构中编码器采用ResNet-50替换传统卷积模块以增强特征表达能力，解码器引入注意力机制来聚焦于建筑物边缘细节，降低背景干扰； 注意力机制计算过程表示为： 其中，表示注意力权重，为编码器传递的高层特征，为解码器传递的低层特征，、为可学习的卷积核权重，为偏置，为Sigmoid激活函数； 训练过程中采用二值交叉熵损失函数： 其中，为真实标签，为网络输出的预测标签，为样本总数，通过最小化该损失函数，使网络模型有效学习并稳定输出高精度的建筑物轮廓； 步骤4中，所述以城市场景提取的点、线、面多元特征作为联合控制信息，构建扩展的能量方程进行影像区域网平差优化，其中点特征约束的具体实现包括： 采用点面距离最近原则选取每个影像稀疏特征点在LiDAR点云中的同名“控制点”，对于任意一个稀疏特征点，搜索其半径为r的球形邻域范围内的LiDAR点云，记录该最近邻点云集合为，为第个稀疏特征点邻域范围内的LiDAR点云数量；根据点云集合内的所有点，采用最小二乘法拟合得到空间平面，以稀疏特征点到平面的垂足点作为该点在LiDAR点云中的同名“控制点”；点特征的几何控制约束表示如下 式中，为先验权值，为空间点面距离计算函数，为影像的平均地面分辨率，用于将归化为像方单位； 步骤4中的线特征约束的具体实现包括： 采用点线距离最近原则选取每个影像稀疏特征点在LiDAR点云中的同名“控制点”；令步骤1和步骤2中提取的影像和LiDAR点云的三维特征线分别为和，将其投影至水平面后分别记为和，上的点记为t=1,2,…,n，其中n为上的点数量；以影像特征线上的平面投影点到直线的垂足点作为该点在LiDAR点云中的同名“控制点”； 线特征的几何控制约束表示如下： 式中，是影像特征线上的平面投影点到LiDAR投影线的最短欧氏距离，是影像平均地面分辨率，是第条线特征对应的权重； 步骤4中的面特征约束的具体实现包括： 令步骤1和步骤2中提取的影像和LiDAR点云中的建筑物屋顶分别为和，将投影至水平面后记为；对于平面的轮廓边缘，每间隔一定像元数量标记一个定位点，其中u为轮廓边缘上的定位点数量；以定位点到平面上最近的边缘轮廓线的垂足点作为该定位点在LiDAR点云中的同名“控制点”； 面特征的几何控制约束表示为： 式中，表示在水平面内，影像轮廓点到LiDAR投影轮廓边缘线段的最短欧氏距离，是影像平均地面分辨率，是第个面特征的权重；对联合点、线、面特征信息构成的几何约束赋予合适的先验权重，以最大限度提升配准精度，具体实现包括： 对于点和面特征约束，利用拟合平面和时的LiDAR点集的局部共面性自适应确定LiDAR控制信息的先验权，即式10和12中的和，将空间平面拟合误差作为衡量共面性的指标； 对于线特征约束，利用拟合线时的LiDAR点集的局部共线性自适应确定LiDAR控制信息的先验权，即式11中的，将直线拟合误差作为衡量共线性的指标； 当空间平面和线的拟合误差较小时，赋予对应的LiDAR控制信息较大的先验权；反之，则赋予较小的先验权。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中交第二公路勘察设计研究院有限公司，其通讯地址为：430056 湖北省武汉市经济技术开发区创业路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。