基于层析SAR点云的三维建模方法、装置、设备及介质与流程

基于层析sar点云的三维建模方法、装置、设备及介质
技术领域
1.本公开涉及雷达信息获取与处理技术领域，尤其涉及一种基于层析sar点云的三维建模方法、装置、电子设备及介质。


背景技术：

2.随着合成孔径雷达(synthetic aperture radar，sar)的技术发展和应用需求的拓宽，sar三维成像技术逐渐在许多应用领域起到重要的作用，如三维城市地图构建、森林生物量反演、军事战场勘测等。层析sar(sar tomography，tomosar)起源于上世纪90年代，通过多次观测的方式沿斜高向形成等效的合成孔径，具备第三维的分辨能力。由于层析sar工作在低频波段，对雷达载机平台运动控制和交轨风等影响因素不敏感，并且沿斜高向具备良好的不模糊高程，可以保证在观测轨道数有限的前提下获取有效的层析数据。利用压缩感知算法(compressed sensing，cs)进行斜高向的三维重建，可以解决层析sar斜高向分辨率不理想的问题，理论上实现超分辨。
3.层析sar获取的地物三维点云往往是抽象的、难以解译的，因此，有必要开展三维建模技术的研究，以获取更加直观的地物三维模型。近年来，德宇航的相关研究人员针对单方位角观测的层析sar三维点云展开了一系列建模研究。然而，由于遮挡问题的存在，单方位观测角层析sar三维点云中存在严重的地物结构信息缺失，无法获取地物完整的三维结构信息。三维建模通常是针对具有一定高程的目标，因此，低矮地物的三维点云会对三维建模过程造成严重影响。同时，受雷达载机平台重轨飞行能力和重轨飞行次数的制约，层析sar三维点云沿斜高向存在许多杂散点，也会严重影响三维建模。


技术实现要素：

4.鉴于上述问题，本发明提供了一种基于层析sar点云的三维建模方法、装置、电子设备及介质，以实现从层析sar全景点云中提取三维模型。
5.本公开的一个方面提供了一种基于层析sar点云的三维建模方法，包括：将探测目标的层析sar三维点云投影到地距经纬坐标平面内，得到第一高程统计图和点密度统计图；对所述第一高程统计图和所述点密度统计图的融合结果进行幅值滤波，根据滤波后的非零值位置得到第二高程统计图，以基于所述第二高程统计图提取所述探测目标的轮廓线；从所述第二高程统计图中提取多个高度层的第三高程统计图，选取点数量统计最多的所述第三高程统计图，以其对应的高程信息为所述探测目标的高程信息；基于所述探测目标的轮廓线和高程信息，构建三维模型。
6.可选地，所述将探测目标的层析sar三维点云投影到地距经纬坐标平面内，得到第一高程统计图和点密度统计图包括：获取多方位角观测所述探测目标得到的层析sar三维点云；将所述层析sar三维点云进行配准操作后，投影到地距经纬坐标平面内，得到所述第一高程统计图和点密度统计图。
7.可选地，所述对所述第一高程统计图和所述点密度统计图的融合结果进行幅值滤
波，根据滤波后的非零值位置得到第二高程统计图包括：计算所述点密度统计图和所述第一高程统计图的乘积，得到第一融合统计图；对所述第一融合统计图进行幅值滤波，得到第二融合统计图；计算所述第二融合统计图中非零元素位置与第一高程统计图的乘积，得到所述第二高程统计图。
8.可选地，在对所述点密度统计图和所述第一高程统计图进行融合之前，还包括：对所述点密度统计图和所述第一高程统计图进行均值滤波。
9.可选地，所述对所述点密度统计图和所述第一高程统计图进行均值滤波包括：
[0010][0011][0012]
其中，d1(u，v)表示所述点密度统计图投影到地距经纬坐标平面内(u，v)处的点的个数，d2(u，v)表示d1(u，v)进行均值滤波后对应的值，h1(u，v)表示所述第一高程统计图投影到地距经纬坐标平面内(u，v)处的最大高程，h2(u，v)表示h1(u，v)进行均值滤波后对应的值，nw表示均值滤波的长度。
[0013]
可选地，所述基于所述探测目标的轮廓线和高程信息，构建三维模型包括：基于所述探测目标的轮廓线和高程信息构建初始三维模型；结合所述探测目标的二维sar图像，给所述初始三维模型附上纹理信息，得到最终的三维模型。
[0014]
本公开的第二个方面提供了一种基于层析sar点云的三维建模装置，包括：高程图获取模块，用于将探测目标的层析sar三维点云投影到地距经纬坐标平面内，得到第一高程统计图和点密度统计图；幅值滤波模块，用于对所述第一高程统计图和所述点密度统计图的融合结果进行幅值滤波，根据滤波后的非零值位置得到第二高程统计图，以基于所述第二高程统计图提取所述探测目标的轮廓线；高程信息获取模块，用于从所述第二高程统计图中提取多个高度层的第三高程统计图，选取点数量统计最多的所述第三高程统计图，以其对应的高程信息为所述探测目标的高程信息；三维重建模块，用于基于所述探测目标的轮廓线和高程信息，构建三维模型。
[0015]
本公开的另一个方面提供了一种电子设备，包括：存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现所述层析sar点云的三维建模方法中的各个步骤。
[0016]
本公开的另一个方面提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现所述层析sar点云的三维建模方法中的各个步骤。
[0017]
在本公开实施例采用的上述至少一个技术方案能够达到以下有益效果：
[0018]
本公开实施例通过将配准后的目标全场景三维点云投影到二维经纬平面，获取幅值滤波后的高程统计图，并依据幅值滤波后的高程统计图提取观测目标的轮廓线和高程信息，以实现三维建模。该方法可以有效地消除低矮地物目标和三维点云中斜高向的杂散点
对三维建模的影响，实现对观测目标的全景三维建模。
附图说明
[0019]
为了更完整地理解本公开及其优势，现在将参考结合附图的以下描述，其中：
[0020]
图1a示意性示出了本公开实施例提供的一种基于层析sar点云的三维建模方法的应用场景图；
[0021]
图1b示意性示出了本公开实施例提供的一种基于层析sar点云的三维建模方法的应用场景的机载层析sar飞行航迹；
[0022]
图2示意性示出了本公开实施例提供的一种基于层析sar点云的三维建模方法的总流程图；
[0023]
图3示意性示出了本公开实施例提供的一种基于层析sar点云的三维建模方法的详细流程图；
[0024]
图4示意性示出了本公开实施例的配准后的层析sar全场景三维点云；
[0025]
图5a示意性示出了本公开实施例的探测目标的轮廓线；
[0026]
图5b示意性示出了本公开实施例中各第三高程统计图点数量统计变化曲线；
[0027]
图6示意性示出了本公开实施例的探测目标附着纹理后的三维模型；
[0028]
图7示意性示出了本公开实施例提供的一种基于层析sar点云的三维建模装置的结构框图；
[0029]
图8示意性示出了本公开实施例提供的一种电子设备的结构框图。
具体实施方式
[0030]
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
[0031]
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
[0032]
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
[0033]
附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。
[0034]
因此，本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外，本公开的技术可以采取存储有指令的计算机可读介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。在本公开的上下文
中，计算机可读介质可以是能够包含、存储、传送、传播或传输指令的任意介质。例如，计算机可读介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。计算机可读介质的具体示例包括：磁存储装置，如磁带或硬盘(hdd)；光存储装置，如光盘(cd-rom)；存储器，如随机存取存储器(ram)或闪存；和/或有线/无线通信链路。
[0035]
图1a示意性示出了本公开实施例提供的一种层析sar点云的三维建模方法的应用场景图，其中的建筑为探测目标，图1b示意性示出了机载层析sar对图1a中的探测目标进行探测时的飞行航迹，通过四个不同方位角的层析sar观测获取探测目标的三维点云。在以下的实施例中，均将以图1a和图1b所示的应用场景为例进行说明。
[0036]
图2示意性示出了本公开实施例提供的一种层析sar点云的三维建模方法的总流程图。
[0037]
如图2所示，本公开实施例提供的一种层析sar点云的三维建模方法包括操作s210～s240。
[0038]
在操作s210，将探测目标的层析sar三维点云投影到地距经纬坐标平面内，得到第一高程统计图和点密度统计图。
[0039]
在操作s220，对所述第一高程统计图和所述点密度统计图的融合结果进行幅值滤波，根据滤波后的非零值位置得到第二高程统计图，以基于所述第二高程统计图提取所述探测目标的轮廓线。
[0040]
在操作s230，从所述第二高程统计图中提取多个高度层的第三高程统计图，选取点数量统计最多的所述第三高程统计图，以其对应的高程信息为所述探测目标的高程信息。
[0041]
在操作s240，基于所述探测目标的轮廓线和高程信息，构建三维模型。
[0042]
在本公开实施例中，将配准后的目标全场景三维点云投影到二维经纬平面，获取幅值滤波后的高程统计图，并依据幅值滤波后的高程统计图提取观测目标的轮廓线和高程信息，以实现三维建模，可以有效地消除低矮地物目标和三维点云中斜高向的杂散点对三维建模的影响，实现对观测目标的全景三维建模。
[0043]
下面将对该方法的具体实施方式进行详细表述。
[0044]
图3示意性示出了本公开实施例提供的一种层析sar点云的三维建模方法的详细流程图。
[0045]
如图3所示，在执行本公开实施例的方法之前，包括操作s301～s302。
[0046]
在操作s301，获取多方位角观测所述探测目标得到的层析sar三维点云。
[0047]
在操作s302，将所述层析sar三维点云进行配准操作。
[0048]
可选地，可以采用icp算法对不同方位角的层析sar三维点云进行配准，得到目标的全场景三维点云。配准后的层析sar全场景三维点云如图4所示。
[0049]
如图3所示，在本公开实施例中，将探测目标的层析sar三维点云投影到地距经纬坐标平面内，获取第一高程统计图和点密度统计图，以获取第二高程统计图，从中提取目标对象的轮廓线，包括操作s303～s306。
[0050]
在操作s303，对点密度统计图和所述第一高程统计图进行均值滤波。
[0051]
滤波计算公式如下：
[0052][0053][0054]
其中，d1(u，v)表示所述点密度统计图投影到地距经纬坐标平面内(u，v)处的点的个数，d2(u，v)表示d1(u，v)进行均值滤波后对应的值，h1(u，v)表示所述第一高程统计图投影到地距经纬坐标平面内(u，v)处的最大高程，h2(u，v)表示h1(u，v)进行均值滤波后对应的值，nw表示均值滤波的滑动窗口的大小。
[0055]
在操作s304，计算均值滤波后的所述点密度统计图和所述第一高程统计图的乘积，得到第一融合统计图。
[0056]
通过d2(u，v)和h2(u，v)对应元素相乘的方式，获取第一融合统计图，即：
[0057]
f(u，v)＝d2(u，v)
·
h2(u，v)。
[0058]
在操作s305，对所述第一融合统计图进行幅值滤波，得到第二融合统计图f
bool
(u，v)。
[0059]
在操作s306，计算所述第二融合统计图与第一高程统计图的乘积，得到所述第二高程统计图。
[0060]
将h1(u，v)和f
bool
(u，v)的对应元素相乘，得到幅值滤波后的第二高程统计图h
3，bool
(u，v)。
[0061]
依据第二高程统计图h
3，bool
(u，v)，提取场景中目标的轮廓，将轮廓的最小外接多边形作为三维模型的轮廓线，如图5a所示，示意性示出了本公开实施例的探测目标的轮廓线。
[0062]
在本公开实施例中，依据第二高程统计图h
3，bool
(u，v)，从参考成像高度1086m到设定的最大高程1121m划分间隔为1m的多个高度层，提取每个高度层相应的第三高度统计图h
p
，统计各第三高度统计图的点数量。
[0063]
图5b示意性示出了本公开实施例中各第三高程统计图点数量统计变化曲线，由图5b可知，点数量统计最大值在1111m处，因此，将1111m作为探测目标的高程。
[0064]
在本公开实施例中，基于所述探测目标的轮廓线和高程信息构建初始三维模型；再结合所述探测目标的二维sar图像给所述初始三维模型附上纹理信息，得到最终的三维模型。图6示意性示出了本公开实施例的探测目标附着纹理后的三维模型。
[0065]
图7示意性示出了本公开实施例提供的一种基于层析sar点云的三维建模装置的结构框图。
[0066]
如图7所示，本公开实施例提供的装置包括：高程图获取模块710，幅值滤波模块720，高程信息获取模块730，三维重建模块740。
[0067]
高程图获取模块710用于将探测目标的层析sar三维点云投影到地距经纬坐标平面内，得到第一高程统计图和点密度统计图。
[0068]
幅值滤波模块720用于对所述第一高程统计图和所述点密度统计图的融合结果进
行幅值滤波，根据滤波后的非零值位置得到第二高程统计图，以基于所述第二高程统计图提取所述探测目标的轮廓线。
[0069]
高程信息获取模块730用于从所述第二高程统计图中提取多个高度层的第三高程统计图，选取点数量统计最多的所述第三高程统计图，以其对应的高程信息为所述探测目标的高程信息。
[0070]
三维重建模块740用于基于所述探测目标的轮廓线和高程信息，构建三维模型。
[0071]
可以理解的是，高程图获取模块710、幅值滤波模块720、高程信息获取模块730、三维重建模块740可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，高程图获取模块710、幅值滤波模块720、高程信息获取模块730、三维重建模块740中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式的适当组合来实现。或者，高程图获取模块710、幅值滤波模块720、高程信息获取模块730、三维重建模块740中的至少一个可以至少被部分地实现为计算机程序模块，当该程序被计算机运行时，可以执行相应模块的功能。
[0072]
可以理解的，该装置具有与如图2～3所示的基于层析sar点云的三维建模方法相同的技术特征，因而也能实现相应的技术效果，故在此不做赘述。
[0073]
图8示意性示出了本公开实施例提供的一种电子设备的结构框图。
[0074]
如图8所示，本实施例中所描述的电子设备，包括：电子设备800包括处理器810、计算机可读存储介质820。该电子设备800可以执行上面参考图2描述的方法，以实现对特定操作的检测。
[0075]
具体地，处理器810例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))，等等。处理器810还可以包括用于缓存用途的板载存储器。处理器810可以是用于执行参考图2描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
[0076]
计算机可读存储介质820，例如可以是能够包含、存储、传送、传播或传输指令的任意介质。例如，可读存储介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。可读存储介质的具体示例包括：磁存储装置，如磁带或硬盘(hdd)；光存储装置，如光盘(cd-rom)；存储器，如随机存取存储器(ram)或闪存；和/或有线/无线通信链路。
[0077]
计算机可读存储介质820可以包括计算机程序821，该计算机程序821可以包括代码/计算机可执行指令，其在由处理器810执行时使得处理器810执行例如上面结合图1所描述的方法流程及其任何变形。
[0078]
计算机程序821可被配置为具有例如包括计算机程序模块的计算机程序代码。例如，在示例实施例中，计算机程序821中的代码可以包括一个或多个程序模块，例如包括821a、模块821b、
……
。应当注意，模块的划分方式和个数并不是固定的，本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合，当这些程序模块组合被处理器810
执行时，使得处理器810可以执行例如上面结合图2～图3所描述的方法流程及其任何变形。
[0079]
根据本发明的实施例，高程图获取模块710、幅值滤波模块720、高程信息获取模块730、三维重建模块740中的至少一个可以实现为参考图8描述的计算机程序模块，其在被处理器810执行时，可以实现上面描述的相应操作。
[0080]
本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
[0081]
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
[0082]
尽管已经参照本公开的特定示例性实施例示出并描述了本公开，但是本领域技术人员应该理解，在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下，可以对本公开进行形式和细节上的多种改变。因此，本公开的范围不应该限于上述实施例，而是应该不仅由所附权利要求来进行确定，还由所附权利要求的等同物来进行限定。