svd求解点云旋转矩阵方法_点云与影像融合需求说明

点云与影像数据的融合关键在于坐标转换和投影变换。最终达到的效果是激光点云增加了色彩信息，形成真彩点云；或图像增加了深度信息，形成可量测影像。

1.点云数据与影像数据的相互转换说明

由存储在高斯平面投影的点云坐标转换为图像上的像素坐标需要经过如下转换过程：

①高斯平面坐标(x, y, h)反算回大地坐标(B, L, h)，为投影逆变换过程；

②大地坐标转换为Wgs-84空间直角坐标(X, Y, Z)，为“(椭)球坐标”到空间直角坐标的变换过程；

③空间直角坐标(X, Y, Z)转换到当地水平坐标(Xcl, Ylc, Zlc)，即地心地固坐标系到参心系的转换，为坐标转换过程(七参数布尔莎模型)；

④当地水平坐标(Xlc, Ylc, Zlc)旋转为惯导指向一致的惯导坐标系(Ximu, Yimu, Zimu)，采用七参数坐标转换模型；

⑤再转换为相机光轴指向一致的像空间直角坐标(Xc, Yc, Zc)；

⑥后将像空间直角坐标转换为像平面坐标(xc, yc);

⑦进一步换算成像素坐标(xp, yp)。

由于高斯投影坐标转地心地固坐标系——WGS84坐标的过程及各项定义是国际公开，无需详细说明。这里重点说明适用于青岛秀山移动测量公司的测量装备所采集数据的融合方法并可以按照原理进行推广。

1.1.三维空间直角坐标旋转的降维处理

为了不涉及矩阵运算，便于揭示坐标转换的原理，从而方便验证运算是否正确，本算法采用降维的思想进行三维空间直角坐标系之间的转换，即将空间直角坐标的旋转分解成三个平面坐标系的旋转。

例如将坐标系绕z轴旋转β，则旋转后z坐标不变，x和y坐标的变化视为xoy平面的旋转变化，如图1(b)所示：

图 1三维坐标单轴旋转降维示意

点p(x, y)转换为p’(x’, y’)的推导过程如下：

            (1)

            (2)

则三维坐标系中坐标 绕z轴旋转β的计算模型如下：

                  (3)

同理，绕x轴单轴旋转的计算模型为:

                  (4)

绕y轴单轴旋转的计算模型为:

                 (5)

特别注意：绕z轴时，平面坐标系为xoy；绕x轴时，平面坐标系为yoz；绕y轴时，平面坐标系为zox，而非xoz！

鉴于上述坐标旋转模型，对于点云与影像数据的融合，只要明确各坐标系的定义及坐标系之间的旋转关系即可进行坐标转换。

2.点云与工业相机影像融合

首先说明：本实例的点云指WGS84坐标系下的点云，暂不考虑高斯平面投影的点云融合。所以本实例的坐标转换及投影变换过程不包含高斯正反算过程。

图 2点云与工业相机影像融合流程示意图

2.1.融合参数计算

所谓的融合参数其实就是相机的外方位元素。外方位元素是确定摄影光束在物方的几何关系的基本数据。用于表征摄影光束在摄影瞬间的空间位置，包括摄影中心在某一空间直角坐标系中的三维坐标值(即线元素)和确定摄影光束空间方位的三个角定向元素共6个数据。某一空间直角坐标系可以是任意定义的空间直角坐标系。计算任意空间直角坐标系下的融合参数即可完成点云与影像的融合。但是任意坐标系的融合参数只适用于当前图像，不能广泛适用。本示例选取的坐标系为惯导坐标系。该坐标系的定义为：以惯导中心为原点，y轴指向行车前进方向，x轴指向车体右侧，z轴指向天顶，构成右手坐标系。该坐标系的特点是与相机相对位置和姿态不变，计算该坐标系下的融合参数可以适用于所有的点云与影像融合，而非单张影像的融合。

定义融合参数为：Xs, Ys, Zs, fai, omi, ka.

则融合参数的意义如下：(Xs, Ys, Zs)为像空间直角坐标系原点在惯导系下的坐标值，fai, omi, ka分别表示惯导坐标系绕y，绕x，绕z的旋转角度，旋转顺序为先绕z再绕x再绕y。(注意：先旋转还是先平移，先旋转哪一个轴后旋转哪一个轴都可以人为定义；甚至旋转矩阵可以自己定义用以加密，只要保证三个旋转矩阵的27个变量约束着三个独立不相关参数即可。)为广泛适用，本实例采用较为普遍的模式构造融合参数计算模型。

图像选点	点云选点

图 3同名点选取

               (6)

其中，

               (7)

               (8)

                (9)

                (10)

      (11)

共线方程：

                         (12)

其中，

        (13)