帶色彩地面激光雷達(dá)點云數(shù)據(jù)的勻光勻色方法

郭 王， 程效軍， 程小龍， 李 泉

(同濟(jì)大學(xué) 測繪與地理信息學(xué)院，上海 200092)

?

帶色彩地面激光雷達(dá)點云數(shù)據(jù)的勻光勻色方法

郭 王， 程效軍， 程小龍， 李 泉

(同濟(jì)大學(xué) 測繪與地理信息學(xué)院，上海 200092)

目前許多地面激光雷達(dá)(light detection and ranging, LiDAR)能夠獲取帶有目標(biāo)色彩信息的點云數(shù)據(jù)，利用這些數(shù)據(jù)，可以實現(xiàn)點云模型的精細(xì)紋理快速、自動化的生成.但因異站點云數(shù)據(jù)存在顏色差異，生成的紋理可視化效果并不理想.針對這一問題，根據(jù)色彩分量表達(dá)與空間坐標(biāo)的相似性，提出了一種基于色彩坐標(biāo)轉(zhuǎn)換的點云勻光勻色方法.實驗結(jié)果表明,異站點云顏色差異得到了較好的修正，生成的紋理效果佳.該方法不僅可用于地面LiDAR數(shù)據(jù)，對于其他來源的具有顏色信息的地面LiDAR點云數(shù)據(jù)也可據(jù)此進(jìn)行帶色彩點云數(shù)據(jù)的勻光勻色并生成精細(xì)紋理.

勻光勻色； 顏色差異點云； 精細(xì)紋理生成； 三維建模

地面激光雷達(dá)(light detection and ranging，LiDAR)快速精確的特點在三維重建中有著廣泛應(yīng)用.而三維重建中，模型的紋理是影響模型逼真程度的重要因素.在考古等行業(yè)中，對模型的紋理精細(xì)程度有著很高要求.目前采用LiDAR數(shù)據(jù)進(jìn)行三維建模中，紋理多是通過對目標(biāo)拍攝獲取影像，再將影像糾正并進(jìn)行裁剪等處理，最后配準(zhǔn)到三維素模中.這種方法雖然簡單易行，但對于外表結(jié)構(gòu)較為復(fù)雜且模型精度要求較高的地物，后期紋理處理的成本高，紋理貼圖的精度和效果也不理想.

目前很多地面LiDAR設(shè)備自帶相機(jī)，在獲取點云數(shù)據(jù)的同時，也獲取了點云對應(yīng)的色彩.而利用點云色彩擬合生成彩色格網(wǎng)的算法也逐漸成熟，從而為附有顏色屬性的點云建模提供了必要的數(shù)據(jù)和算法支持.

地面LiDAR設(shè)站時重點考慮完全覆蓋掃描對象，所以一般對目標(biāo)地物需要進(jìn)行多角度和多測站掃描.這雖保證了目標(biāo)地物的完整性，但這種設(shè)站方式很少考慮到光照因素對掃描效果的影響.拍攝效果容易受到光照、周圍物體陰影遮擋等影響，造成同一目標(biāo)不同測站點云顏色的強(qiáng)度和飽和度等不一致.異站點云數(shù)據(jù)色彩差異較大，在生成紋理時，相鄰測站點云交匯處紋理色彩不協(xié)調(diào)，影響彩色模型的整體效果.所以需要在紋理生成階段對異站點云色彩進(jìn)行勻光勻色處理，使其顏色協(xié)調(diào)一致.目前常用的Mask，Wallis等勻光勻色方法大多是針對航攝影像，且對象為二維圖像.而LiDAR掃描成果為三維點云，傳統(tǒng)勻光勻色方法并沒有很好的適用性.本文提出一種自動化的彩色點云處理技術(shù)，通過對彩色點云勻光勻色，生成附有精細(xì)紋理的模型，省去傳統(tǒng)建模的中后期紋理匹配環(huán)節(jié)，既節(jié)省了人工成本，豐富了模型細(xì)節(jié)，又提高了建模效率與模型的逼真程度.

1 LiDAR點云勻光勻色方法

1.1 傳統(tǒng)勻光勻色方法

目前二維影像的勻光勻色方法相對成熟，自動化程度也相當(dāng)高.如Mask勻光法，可以得到較好的勻光效果，但會導(dǎo)致局部模糊或色彩失真，適用于單幅影像的勻光[1-2]；Wallis勻光法可以使影像中灰暗區(qū)域的亮度和對比度得到增強(qiáng)，適用于多幅影像的勻光[3-4]；Retinex勻光法可以很好地保持影像色彩的真實性，適用于單幅影像的勻光，但是對反差分布不均的圖像難以校正[5-6].將相鄰測站的點云數(shù)據(jù)轉(zhuǎn)換為二維影像，采用傳統(tǒng)的勻光勻色方法，可得到如圖1的效果.

a 原始數(shù)據(jù)

b Wallis方法的效果

c Mask方法的效果

由圖1可以看出，當(dāng)在兩幅影像強(qiáng)度和飽和度相差過大的情況下，可視化效果并不理想.其主要原因有以下兩點：① 傳統(tǒng)影像中，尤其是航攝影像中，地面很少出現(xiàn)大面積空白(或白色)，而大面積的空白會對傳統(tǒng)的勻光勻色方法結(jié)果產(chǎn)生很大影響，如圖1b，采用Wallis方法，由于周圍的白色背景，導(dǎo)致目標(biāo)本身的亮度被大幅提高；② 站與站之間顏色存在某一分量上遠(yuǎn)大于其他兩個分量的情況，導(dǎo)致傳統(tǒng)方法在勻光勻色時，很難對其中差異較大的分量進(jìn)行有效的修正，如圖1c，采用Mask方法，可以對顏色強(qiáng)度進(jìn)行很好的修正，但是在R(紅)，G(綠)，B(藍(lán))顏色分量上的修正并不理想.

1.2 色彩變換模型的改進(jìn)

從根本上講，勻光勻色就是對色彩進(jìn)行變換.HSI(hue, saturation, intensity)模型和RGB(red, green, blue)模型都是對色彩的量化描述.考慮到目前大部分顯示都采用RGB模型，且HSI模型和RGB模型可相互轉(zhuǎn)換，所以本文采用RGB模型進(jìn)行計算.

von Kries提出采用對角模型作為人眼適應(yīng)性模型，被稱為von Kries系數(shù)法，表達(dá)式為

(1)

式中：L,M,S分別表示補(bǔ)償前3種視錐細(xì)胞的響應(yīng)值，也就是對紅、綠、藍(lán)3個通道敏感的視錐細(xì)胞的響應(yīng)信號；L′,M′,S′分別表示補(bǔ)償后的色度刺激值，也是預(yù)期的校正后的3個通道的響應(yīng)信號；kL,kM,kS是3個線性系數(shù).該理論雖然只能部分補(bǔ)償照明光屬性變化[7-8]，并不能完全解釋顏色恒常性的機(jī)制[9]，但由于三色理論的依據(jù)是視網(wǎng)膜中存在的3種視錐細(xì)胞分別對紅、綠、藍(lán)波段的光譜能量分布，因此，式(1)可近似表達(dá)為

(2)

式中：R,G,B分別為原始的R,G,B值，而R′,G′,B′分別為修正后的R,G,B值，而kR,kG,kB是3個線性修正系數(shù).

根據(jù)RGB模型的顯示原理，R,G,B作為3個疊加分量，存在高相關(guān)性[10].目標(biāo)本身R,G,B值除會受到光源強(qiáng)度、角度差異等因素影響，還會在顯示上相互影響，因此應(yīng)在顏色修正時考慮加入其他兩分量的影響，則式(2)變?yōu)?/p>

(3)

式中：m,n分別為其他兩個顏色分量的影響系數(shù).式(3)表示R，G，B3個分量受到光源強(qiáng)度、角度等影響后反映在人眼中的顯示效果.

1.3 LiDAR點云的勻光勻色

LiDAR所產(chǎn)生的彩色點云數(shù)據(jù)與二維影像有以下兩點主要區(qū)別：

(1) LiDAR數(shù)據(jù)采集時光照情況更為復(fù)雜.針對某一特定地物采集時，地面LiDAR需要對目標(biāo)進(jìn)行環(huán)繞多站掃描，不可避免地存在測站順光和逆光的情況.另外地面環(huán)境較為復(fù)雜，周圍的一些建筑或其他反光物體可能成為新的光源，這些都給后期勻光處理增加了難度.而一般航攝影像的光源方向雖有偏差，但總體都是順光及單光源.

(2) 數(shù)據(jù)結(jié)構(gòu)不同.三維點云數(shù)據(jù)相對于二維圖像，鄰近關(guān)系計算更加復(fù)雜.由于傳統(tǒng)二維勻光勻色方法多考慮鄰近像素的影響，所以三維點云鄰近關(guān)系選擇和計算效率也是需要考慮的問題.

另外，在人工干預(yù)的層面上，二維影像可以直接利用軟件對其進(jìn)行手工調(diào)整和微調(diào)，而三維點云很難用一種直接、直觀的方式對其進(jìn)行調(diào)整，這也加大了點云勻光勻色的難度.

(4)

式中：R，G，B為目標(biāo)的原有R，G，B值；R′，G′，B′和R″，G″，B″分別為不同測站的R，G，B觀測值.其勻光勻色的方法就類似于求坐標(biāo)系間轉(zhuǎn)換關(guān)系：在不同測站獲取同名點，根據(jù)同名點求得不同測站間的R，G，B轉(zhuǎn)換參數(shù)，通過計算將不同測站點云統(tǒng)一到一個RGB坐標(biāo)空間中，即可得到相同或相近顏色的異站點云.

在RGB模型中，在常用的256個灰度級數(shù)字影像的動態(tài)范圍內(nèi)，一些真實顏色的細(xì)微變化都被近似表達(dá)，而其中一些非線性的變換也可被線性變換近似表達(dá).在日常陽光(白光)的條件下，R，G，B分量的影響較為均勻，其影響可以近似看作在一個RGB空間坐標(biāo)系通過旋轉(zhuǎn)、拉伸等線性變換，轉(zhuǎn)換為另外一個RGB空間坐標(biāo)系，其直觀表現(xiàn)就是相同場景的不同角度的顏色差異.式(4)可變換為

(5)

式中：ωR,ωG,ωB為兩RGB坐標(biāo)系間的旋轉(zhuǎn)系數(shù)；k1,k2,k3為拉伸系數(shù).由于拉伸系數(shù)僅分別與R，G，B3個分量相關(guān)，且3個分量間拉伸系數(shù)數(shù)值相差較小，可通過添加平移系數(shù)ΔR,ΔG,ΔB，將k1,k2,k3統(tǒng)一為k.式(5)可變換為

(6)

在R,G,B分量的顏色表現(xiàn)上，ΔR,ΔG,ΔB更類似一種強(qiáng)度補(bǔ)償.在實驗中，兩組色彩強(qiáng)度相差較小的數(shù)據(jù)，其ΔR,ΔG,ΔB的值也更小，而色彩強(qiáng)度相差較大的數(shù)據(jù)，其ΔR,ΔG,ΔB的值則會更大，而k則主要體現(xiàn)R，G，B分量整體的拉伸程度.

將不同測站同名點的R，G，B值帶入式(6)，可求得不同測站間的轉(zhuǎn)換參數(shù)，并根據(jù)轉(zhuǎn)換參數(shù)求得顏色改正后的彩色點云.

該方法的優(yōu)勢在于：① 可直接用于點云數(shù)據(jù)，避免了從點云到影像再到點云的過程，加快了運算效率；② 勻光勻色只專注于目標(biāo)物體本身，可大幅減小其他背景的顏色、強(qiáng)度等對勻光勻色效果的影響.

1）投用了裝置1.0 MPa蒸汽專線，在4月12日停工第二天，配合動力廠投用進(jìn)裝置蒸汽專線，確保裝置吹掃蒸汽供應(yīng)充足。

2 精細(xì)紋理的快速生成

地面LiDAR點云數(shù)據(jù)首先經(jīng)過去噪、分割和配準(zhǔn)等預(yù)處理，提取獨立完整的目標(biāo)點云數(shù)據(jù).在減少點云數(shù)量，提高運算效率的同時，可減小其他非目標(biāo)物體顏色變化對目標(biāo)物體勻光勻色效果的影響.

預(yù)處理后，人工選取顏色、亮度較為適中的測站作為基準(zhǔn)站.根據(jù)各站的位置關(guān)系，通過計算相鄰站兩點間距離確定同名點，并提取相鄰測站點云的同名點.再將基準(zhǔn)站相鄰測站點云同名特征點的R,G,B值代入式(4)進(jìn)行解算，求出相鄰測站的轉(zhuǎn)換參數(shù).轉(zhuǎn)換后的測站作為下一基準(zhǔn)站，對未進(jìn)行色彩糾正的相鄰測站重復(fù)上述過程，直到所有測站都完成色彩修正.最后對修正的點云進(jìn)行壓縮和封裝，可得到具有精細(xì)紋理的三維模型.精細(xì)紋理生成流程如圖2所示.

圖2 精細(xì)紋理生成流程圖

3 實驗驗證

實驗選取某古塔1，2層地面LiDAR點云數(shù)據(jù)，共10個掃描站，其分布如圖3所示.

圖3 測站分布圖

由圖3可以看出，10個測站可完全覆蓋古塔，并且相鄰測站都可保證至少有古塔的一面作為公共部分，便于之后的同名點提取.

因為天氣原因，該古塔的1,2層并沒有在同一天內(nèi)完成采集.其中，測站1,2,8,9,10為第一天采集，測站3,4,5,6,7為第二天采集.第一天天氣多云，導(dǎo)致有數(shù)個測站采集的數(shù)據(jù)顏色較為灰暗；第二天因為陽光直射較強(qiáng)，多個測站采集的數(shù)據(jù)顏色過于明亮而偏離古塔原有顏色.實驗采用顏色平均強(qiáng)度數(shù)值接近128，且強(qiáng)度方差較大的測站1作為基準(zhǔn)站.對測站1進(jìn)行人工驗核，其肉眼觀察效果強(qiáng)度適中且對比度較好.

3.1 顏色差異較小的點云勻光勻色

測站1和測站3顏色強(qiáng)度較為相近，選取255個同名點，測站1作為基準(zhǔn)站，選取其中分布較為均勻的11個同名點進(jìn)行參數(shù)解算，剩余244個作為驗證點.改正站(修正后的測站3)各顏色分量和原測站1、測站3各分量作比較，具體是將改正站的驗證點各分量與原測站驗證點各分量求差值后平均，結(jié)果見表1.將RGB模型轉(zhuǎn)換為HSI模型，比較改正站與測站1、測站3的顏色平均強(qiáng)度和平均飽和度結(jié)果見表2.

表1 改正站與差異較小的原始站顏色各分量比較

Tab.1 Comparison of color channel component between corrected and original data of less color difference

對比測站R分量差均值G分量差均值B分量差均值改正站與測站13.29013.7607-0.3725改正站與測站3-8.7451-9.8666-11.5216測站1與測站3-12.0353-13.6275-11.1490

表2 改正站與差異較小的原始站強(qiáng)度比較

由表1可以看出，在3個顏色分量上都取得了較好的改正效果.而由表2可以看出，在強(qiáng)度和飽和度上，改正后的結(jié)果更接近基準(zhǔn)站(測站1)的強(qiáng)度和飽和度.測站1與測站3轉(zhuǎn)換前后效果如圖4所示.

由圖4可以看出，測站1和測站3的顏色差異較小，但亮度存在差異，修正后的測站3顏色和強(qiáng)度更靠近測站1.

3.2 顏色差異較大的點云勻光勻色

測站1和測站2顏色差異較大，因為天氣原因在數(shù)據(jù)采集時，測站2的光照強(qiáng)度較弱，不僅產(chǎn)生強(qiáng)度差異，也產(chǎn)生了色彩偏差.選取測站1和測站2的305個同名點，以測站1為基準(zhǔn)站，其中11個作為同名點進(jìn)行參數(shù)解算，剩余294個作為驗證點.改正站(修正后的測站2)各顏色分量和原測站1、測站2各分量進(jìn)行比較，結(jié)果見表3.將RGB模型轉(zhuǎn)換為HSI模型，比較改正站與測站1、測站2的平均強(qiáng)度和平均飽和度結(jié)果見表4.

a 測站1原數(shù)據(jù)

b 測站3原數(shù)據(jù)

c 測站3修正結(jié)果

表3 改正站與差異較大的原始站顏色各分量比較

Tab.3 Comparison of color channel component between corrected and original data of more color difference

對比測站R分量差均值G分量差均值B分量差均值改正站與測站14.49183.53113.6852改正站與測站260.439363.688557.7737測站1與測站255.947560.157354.0885

表4 改正站與差異較大的原始站強(qiáng)度比較

由表3可以看出，在顏色差異較大的情況下，該方法能較好地調(diào)整各顏色分量，使其更加接近基準(zhǔn)站(測站1).而由表4可以看出，通過改正，在強(qiáng)度和飽和度上，改正后的結(jié)果更接近基準(zhǔn)站(測站1)的強(qiáng)度和飽和度.測站1與測站2轉(zhuǎn)換前后效果如圖5所示.

a 測站1原數(shù)據(jù)

b 測站2原數(shù)據(jù)

c 測站2修正結(jié)果

由圖5可以看出，測站1與測站2因為光照原因，其點云色彩差異較大，第一層的墻體顏色差異相對第二層墻體顏色差異更大.經(jīng)過修正后，顏色差異縮小.

3.3 部分強(qiáng)光反射的點云勻光勻色

由于測站和光源角度不同，會存在部分點云在獲取顏色時曝光過度的情況.選取反射較強(qiáng)的測站2和測站4，測站2邊緣部分因為陽光反射強(qiáng)烈，使獲取的點云顏色嚴(yán)重偏離目標(biāo)原來顏色，更偏向白色.如將這些點也作為同名點計算轉(zhuǎn)換參數(shù)，會影響顏色修正效果，甚至?xí)拐镜念伾耆x實際狀況，如圖6所示.

a測站4原數(shù)據(jù)b測站4修正結(jié)果

圖6 強(qiáng)光反射的色彩修正對比

Fig.6 Color comparison between corrected and original data of strong light reflection

由圖6可以看出，將強(qiáng)光反射導(dǎo)致顏色失真的邊緣部分點計入同名點進(jìn)行轉(zhuǎn)換參數(shù)計算會導(dǎo)致修正后測站R，G，B顏色分量值過大，整個點云顏色色調(diào)偏紅.

將顏色失真的點剔除掉后，選取測站2和測站4的171個同名點，以測站2為基準(zhǔn)站，其中11個作為同名點進(jìn)行參數(shù)解算，剩余160個同名點作為驗證點.改正站(修正后的測站4)各顏色分量和原測站2、測站4各分量比較，結(jié)果見表5.將RGB模型轉(zhuǎn)換為HSI模型，比較改正站與測站2、測站4的平均強(qiáng)度和平均飽和度結(jié)果見表6.

表5 改正站與強(qiáng)光反射的原始站顏色各分量比較

Tab.5 Comparison of color channel component between corrected and original data of strong light reflection

對比測站R分量差均值G分量差均值B分量差均值改正站與測站2-4.6140-5.9181-7.5497改正站與測站451.719359.584855.5146測站2與測站456.333365.502963.0643

表6 改正站與強(qiáng)光反射的原始站強(qiáng)度比較

由表5可以看出，去除顏色失真點后，顏色修正的偏差不大.但由表6可以看出，測站4改正后在強(qiáng)度上與基準(zhǔn)站(測站2)差異較大，這是因為測站4也存在強(qiáng)光反射部分，在色彩修正后，強(qiáng)光反射部分強(qiáng)度再次被增強(qiáng)，導(dǎo)致改正后平均強(qiáng)度增大.改正后具體效果見圖7.

a測站2原數(shù)據(jù)b測站4原數(shù)據(jù)

c測站4修正1次結(jié)果d測站4修正2次結(jié)果

圖7 強(qiáng)光反射的色彩二次修正對比

Fig.7 Comparison of color between corrected twice and original data of strong light reflection

為緩解邊緣反光對轉(zhuǎn)換效果的影響，需要對修正過后的點云數(shù)據(jù)進(jìn)行二次修正，以求更加逼近基準(zhǔn)站.在同名點中另外選擇11個同名點，與轉(zhuǎn)換后的同名點重新計算轉(zhuǎn)換參數(shù)，對改正站進(jìn)行二次修正后改正站2各顏色分量和原測站2、測站4各分量比較，結(jié)果見表7.將RGB模型轉(zhuǎn)換為HSI模型，改正站2與測站2、測站4的平均強(qiáng)度和平均飽和度結(jié)果見表8.

表7 二次改正站與強(qiáng)光反射的原始站顏色各分量比較

Tab.7 Comparison of color channel component between correctedtwice and original data of strong light reflection

對比測站R分量差均值G分量差均值B分量差均值改正站2與測站2-6.5146-6.9591-8.3684改正站2與測站447.818758.543856.6959測站2與測站456.333365.502963.0643

二次修正的結(jié)果跟一次修正相比較，雖然表7的R,G,B分量跟表5比較偏差加大了1～2，但造成視覺效果影響并不明顯，而表8的中強(qiáng)度相較表6得到了很好的修正.具體效果見圖7.

表8 二次改正站與強(qiáng)光反射的原始站強(qiáng)度比較

通過實驗可以得出，在白色強(qiáng)光下，顏色修正的效果最佳，但如果光源為黃色或紅色，則改正效果略差，會使整體顏色發(fā)生一定程度的色偏.遇到這種情況可根據(jù)色偏程度，整體調(diào)整R,G,B的偏移值以獲得更好的顯示效果.

3.4 精細(xì)紋理的生成

所有測站點云經(jīng)過勻光勻色后，刪去每個測站因受到光源影響導(dǎo)致曝光過度的部分.雖然目標(biāo)的邊緣部分最容易產(chǎn)生曝光過度的情況，但因為測站間存在公共部分，所以單獨刪除某一測站的邊緣部分，并不影響整個目標(biāo)模型的生成.再將所有處理后的點云數(shù)據(jù)合并為一個整體，并進(jìn)行等距離壓縮采樣.將壓縮合并后的點云進(jìn)行封裝，生成三角網(wǎng)格，并根據(jù)三個角點的顏色，確定三角網(wǎng)格的顏色.最終得到帶有精細(xì)紋理的目標(biāo)三維模型.勻光勻色處理后的寶塔模型與處理前的寶塔模型對比如圖8所示.

由圖8可以看出，處理前，圖8a中測站間的交界部分因為顏色差異形成了明顯的顏色條帶，而圖8b中則因為進(jìn)行了勻光勻色的顏色修正，其條帶等并不明顯，測站間的顏色過渡更加緩和，使其一體化的感覺更強(qiáng).

a 處理前

b 處理后

實驗證明，本方法依據(jù)現(xiàn)有的地面LiDAR掃描的點云色彩，通過基于色彩坐標(biāo)轉(zhuǎn)換的方法，實現(xiàn)了快速、自動化的精細(xì)紋理生成，提高模型逼真程度的同時，降低了模型紋理制作成本.

4 結(jié)語

本文根據(jù)地面LiDAR的特性，提出了基于色彩坐標(biāo)轉(zhuǎn)換的三維點云勻光勻色方法，可以得到精細(xì)、統(tǒng)一、逼真的模型紋理，滿足現(xiàn)今歷史遺跡等地面LiDAR的精細(xì)建模的需求.這種方法無需將三維點云轉(zhuǎn)換為二維影像，采用傳統(tǒng)影像勻光方法，直接將各站的點云色彩值看作不同色彩空間坐標(biāo)系下的坐標(biāo)，通過類似坐標(biāo)轉(zhuǎn)換的方法對點云色彩進(jìn)行修正，達(dá)到勻光勻色的目的.該方法降低了傳統(tǒng)紋理貼圖的人工成本，提高了紋理精度，相對于傳統(tǒng)二維勻光勻色方法提升了工作效率.該方法不僅可用于地面LiDAR所生成的點云，也可嘗試在其他具有顏色信息的點云數(shù)據(jù)生成精細(xì)紋理中推廣，并對二維影像圖的勻光勻色有一定的參考價值.

[1] 王密, 潘俊. 一種數(shù)字航空影像的勻光方法[J]. 中國圖像圖形學(xué)報, 2004,9(6):744.

WANG Mi, PAN Jun. A method of removing the uneven illumination for digital aerial image [J].Journal of Image and Graphics,2004,9(6):744.

[2] 胡慶武, 李清泉. 基于Mask原理的遙感影像恢復(fù)技術(shù)研究[J]. 武漢大學(xué)學(xué)報:信息科學(xué)版,2004,29(4):319.

HU Qingwu, LI Qingquan. Image restoration based on mask technique[J]. Journal of Wuhan University: Geomatics and Informedion Science, 2004,29(4):319.

[3] 王智均, 李德仁,李清泉. Wallis變換在小波影像融合中的應(yīng)用[J]. 武漢測繪科技大學(xué)學(xué)報, 2000, 25(4):338.

WANG Zhijun, LI Deren, LI Qingquan. Application of wallis transform in wavelet based image fusion[J]. Journal of Wuhan Technical University of Surveying and Mapping, 2000, 25(4):338.

[4] 張力, 張祖勛, 張劍清. Wallis濾波在影像匹配中的應(yīng)用[J]. 武漢測繪科技大學(xué)學(xué)報, 1999, 24(1):24.

ZHANG Li, ZHANG Zuxun, ZHANG Jianqing. The image matching based on wallis filtering[J]. Journal of Wuhan Technical University of Surveying and Mapping, 1999, 24(1):24.

[5] Rahman Z U, Jobson D J, Woodell G A. Retinex processing for automatic image enhancement.[J]. Proceedings of SPIE: The International Society for Optical Engineering, 2004,13(1):100.

[6] Zhou Q, Oakley J P. Advantages of multiscale product filters for dynamic range compression in images[J]. IEE Proceedings: Vision,Image and Signal Processing, 2006,153(6):851.

[7] Brainard D H, Brunt W A, Speigle J M. Color constancy in the nearly natural image. I. Asymmetric matches[J]. Journal of the Optical Seciety of America A, 1997, 14(9):2091.

[8] Geusebroek J M, Boomgaard R V D, Smeulders A W M,etal. Color constancy from physical principles[J]. Pattern Recognition Letters, 2003, 24(11):1653.

[9] Jameson D, Hurvich L M. Essay concerning color constancy[J]. Annual Review of Psychology, 1989, 40(1):1.

[10] Palus H. Representations of colour images in different colour spaces[M]∥The Colour Image Processing Handbook. NewYork: Springer, 1998.

Colored Terrestrial Light Detection and Ranging Point Clouds Dodging Method

GUO Wang, CHENG Xiaojun, CHENG Xiaolong, LI Quan

(School of Surveying and Geo-informatics, Tongji University, Shanghai 200092, China)

The colored point clouds can be acquired by terrestrial light detection and ranging (LiDAR). The refined texture can be rapidly and automatically generated by colored point clouds. However, these original colored point clouds of different measurement stations have difference in colors which can lead to an unsatisfied display result of generated texture. According to the approximation between color components and spatial coordinate, a dodging based color coordinate conversion method was proposed for dodging the original colored point clouds. The proposed method was verified by experiments and the results show that the color variation of different measurement stations can be modified and a refined texture can be achieved. In addition to terrestrial LiDAR point clouds, this method can be applied to other kinds of terrestrial LiDAR point clouds with colors.

dodging; different colored point cloud; refined texture generated; 3D modeling

2015-11-24

郭 王(1983—)，男，博士生，主要研究方向為三維激光掃描技術(shù)及點云數(shù)據(jù)處理等.E-mail：1983guowang@#edu.cn

程效軍(1964—)，男，教授，博士生導(dǎo)師，工學(xué)博士，主要研究方向為數(shù)字城市與三維建模等.E-mail：cxj@#edu.cn

P232

A