CN118447058A - 一种结合图论的异源影像点云配准方法 - Google Patents

Abstract

本发明属于计算机视觉和摄影测量技术领域，具体涉及一种结合图论的异源影像点云配准方法，该方法利用点云几何特征寻找点云中的地平面方向，将点云中建筑物的布局关系构建成图形式，取点云中的建筑物几何中心作为待配准节点，将配准节点按规定的几何约束条件来构建配准基元，通过匹配两个点云的配准基元的相似度得到相互匹配的核三角形组，基于此确定初始的空间转换模型，最后结合ICP算法进行精配准，进而实现异源影像点云的精确配准。图匹配过程能够避免影像密集匹配算法中的匹配误差形成的噪声点和异常值的问题，克服两种异源点云之间的点密度变化大的情况，且配准后最终得到的是两个相同尺度的异源影像点云，解决了两种异源点云尺度不同的问题。

Description

一种结合图论的异源影像点云配准方法

技术领域

本发明属于计算机视觉和摄影测量技术领域，具体涉及一种结合图论的异源影像点云配准方法。

背景技术

广域城市的精细化三维模型重建通常需要融合多平台多传感器收集的多源数据，例如将卫星影像点云和无人机影像点云进行配准。由于这两种异源点云之间的点密度变化大、尺度差异不确定、噪声点和异常值较多，使这项配准任务十分具有挑战性。

随着三维重建技术的发展，影像点云是当前三维数据的重要来源，然而不同的平台和获取设备都有各自的优势和局限性，要实现大范围的城市三维精细化模型重建，通常使用配准算法将异源点云纳入相同的坐标系下。卫星摄影测量方法可以快速获取广域的城市密集点云，该点云带有真实的地理坐标，但由于传感器拍摄距离过远，目标物的表面信息不清晰，而地面或其他近景平台采集的数据包含精细的物体结构和纹理信息，然而在没有准确的定位系统或没有绝对控制点的情况下，其生成的点云处于任意的模型坐标系中。将卫星影像点云和航空影像点云结合，可以构建出带有真实地理坐标的精细化三维模型。

要构建出带有真实地理坐标的精细化三维模型最重要的是卫星影像点云和航空影像点云(异源影像点云)的准确配准，而在异源影像点云配准时，主要存在以下问题：(1)不同的密度：卫星影像和航空影像的分辨率不同，导致生产的两组点云的点密度差距很大。(2)数据空洞：由于传感器视线的遮挡，影像生成影像点云的过程中无法保证在图像覆盖区域中均匀的生成三维点。(3)不同的尺度因子：卫星点云的坐标是真实的地理坐标，航空影像生成的点云是在任意坐标系下，即两者之间的尺度差异是任意的。(4)噪声和异常值：这是由于影像密集匹配算法中的匹配误差形成的大量噪声点和异常值。

点云配准作为计算机视觉和摄影测量领域的关键问题，国内外已有大量相关的研究。经典的ICP算法依赖于良好的初值，常作为精配准处理方法。许多研究人员利用点云的3D拓扑结构和几何信息进行配准。例如，基于概率统计的方法能够克服点云的密度问题，但仅限于在形状规则、质量高的点云模型上取得良好的配准效果。基于3D特征检测和描述方法依靠点云的局部特征相似度来获得3D对应点，然而大范围的室外场景点云的空间结构复杂，数据空洞和噪声导致相同特征描述不稳定，这种基于局部特征的方法很难表现出好的适用性。近年来许多端到端方法将注册问题转化为回归问题，它们可以解决测试数据集中缺少初始变换矩阵、噪声和异常值敏感性的问题，但此类研究依赖于训练集，泛化能力有限，目前还没有针对于大场景的异源影像点云配准的神经网络方法。即上述这几类现有的方法都不能完全解决上述配准任务的难点。

发明内容

本发明的目的在于提供一种结合图论的异源影像点云配准方法，用以解决现有技术在异源影像点云配准时不能完全解决异源影像点云主要存在的问题。

为解决上述技术问题，本发明提供了一种结合图论的异源影像点云配准方法，包括如下步骤：

1)将两个异源影像点云进行水平校准，得到两个地面所在平面处于同一平面的两个异源影像点云；

2)根据两个异源影像点云，分别获取水平校准后满足选取建筑物中心点的位置作为图的节点，并将图的节点构建成三角形作为配准基元；

3)对两个异源影像点云的配准基元进行相似性匹配，形成多组相互匹配的核三角形组；若存在一个三角形处于多组核三角形组时，在此多组核三角形组中选取相似度最高的一组核三角形组作为此三角形的最终匹配结果；

4)根据匹配结果得到每组核三角形组的相互匹配的匹配节点，根据此匹配节点得到空间转换模型，基于此空间转换模型得到异源影像点云的配准结果。

其有益效果为：图匹配过程能够避免影像密集匹配算法中的匹配误差形成的噪声点和异常值的问题，且能够适应不同的点密度变化的情况，且采用图匹配过程得到配准结果，最终能够得到的是两个相同尺度的异源影像点云，即结合图论的方式相应的解决了两种异源点云之间的存在不同的尺度因子的问题。

进一步地，步骤3)中，通过一阶相似性匹配对两个异源影像点云的配准基元进行相似性匹配。

因异源影像点云的尺度不同，但基于不同尺度下的正确的匹配点的位置关系确定，因而采用一阶相似性匹配的匹配结果包含正确的匹配组，进而通过再次筛选得到最终正确结果。

进一步地，步骤3)中，选取相似度最高的一组核三角形组的方法为：分别计算此三角形在每一组核三角形组的转换矩阵，并利用此转换矩阵对该三角形所在的异源影像点云进行全局转换，转换后计算两个异源影像点云的全局相似度，将全局相似度最高时所使用的转换矩阵对应的核三角形组即为相似度最高的一组核三角形组。

进一步地，步骤2)中，所述配准基元满足如下条件：三角形的两两内角之差均要大于第一设定值。

在后续图匹配过程中，近似等腰三角形的两个底角对应的节点容易混淆，为避免此情况，增加点云配准的准确性，也相应的减少了三角形组的对数，降低了后续匹配过程的复杂度。

进一步地，步骤3)中，所述相互匹配的核三角形组满足如下条件：将两个三角形的三个内角按照内角大小进行匹配，得到三组内角对，三组内角对的平均差值小于角度相似度阈值。

进一步地，步骤2)中，所述配准基元满足如下条件：三角形的内角的最小值大于第二设定值，三角形的内角的最大值小于第三设定值。

基于三组内角对的平均差值小于角度相似度阈值时，则这两个三角形满足三角形相似条件的设定，若存在极端三角形(即构建的核三角形中存在一些内角过小的极端三角形)，则会使得匹配结果较多，而将错误的匹配结果包括在内，导致其匹配后的节点计算空间变换模型会产生很大的误差，因此通过剔除避免了此现象的产生，也相应的降低了后续匹配过程的复杂度。

进一步地，步骤3)中，所述相互匹配的核三角形组还满足如下条件：两个三角形的最大内角对应的顶点在与最大内角相对的边的同一侧。

若一个匹配基元中存在对称三角形，若仅基于内角平均差值的设定条件，则这些对称三角形的匹配结果相同，即存在匹配结果不正确的现象，为避免此现象，进行最大内角对应的顶点在与最大内角相对的边的同一侧的筛选手段来减少对称三角形的影响，得到更为准确的匹配结果，进而能够提高最终匹配的准确度，也相应的降低了后续匹配复杂度。

进一步地，步骤3)中，所述全局相似度的计算方法为：统计转换后的影像点云中的每一个节点与另一影像点云中的所有节点的距离，得到转换后的影像点云中的每一个节点在另一影像点云中的对应最小距离的节点，并将小于距离阈值的最小距离对应的转换后的影像点云中的节点作为内点，内点数量即为反应全局相似度，内点数量越大全局相似度越高。

进一步地，步骤1)中，所述水平校准的方式为：通过以其中一个异源影像点云的地面所在的平面作为标准地平面，改变另一异源影像点云方向，或通过以设定的三维坐标为标准坐标系，将两个异源影像点云的地平面分别与标准坐标系的XOY平面对齐两种方式中的一种。

进一步地，步骤4)中，通过利用ICP算法得到异源影像点云的精配准结果。

附图说明

图1是本发明的点云配准方法的流程示意图；

图2-1是本发明的其中一个异源影像点云配准基元的核三角形的构建示意图；

图2-2是本发明的与图2-1待配准的异源影像点云配准基元的核三角形的构建示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明了，以下结合附图及实施例，对本发明进行进一步详细说明。

结合图论的异源影像点云配准方法实施例：

本实施例为了使得异源影像点云匹配过程同时克服两种异源点云之间的点密度变化大、尺度差异不确定、噪声点和异常值较多的问题，本实施例结合图论的方式，将点云匹配问题转化为图匹配问题，通过将两个异源影像点云进行地平面对齐，并从地平面对齐后的两个异源影像点云中分别获取每个异源影像点云的建筑物中心作为图匹配的图节点，将每个异源影像点云中的图节点形成满足设定规则的核三角形组，将两个异源影像点云中的核三角形组进行匹配，再基于核三角形匹配结果计算地平面的转换矩阵，进而通过地平面的转换矩阵得到相同尺度的两个异源影像点云，再基于设定算法得到最终配准结果。因图匹配过程能够避免影像密集匹配算法中的匹配误差形成的噪声点和异常值的问题，且基于图匹配的方式，能够适应不同的点密度变化的情况，且本实施例采用图匹配过程得到配准结果，最终能够得到的是两个相同尺度的异源影像点云，即本实施例的结合图论的方式相应的解决了两种异源点云之间的存在不同的尺度因子的问题。

本实施例的方法具体流程如图1所示：

步骤1：将两个异源影像点云的地面水平对齐。

因两个异源影像点云存在处于不同的坐标系中，本实施例中先进行地面水平对齐，即将两个异源影像点云的地平面均平行于同一三维坐标系下的XOY面，而平行于同一三维坐标系下的XOY面的过程可以采用以其中一个异源影像点云所在的三维坐标系为标准坐标系，将另一异源影像点云进行转换，或是设定一个三维坐标系作为标准坐标系，将两个异源影像点云都进行与此标准坐标系对齐过程，具体的本实施例中为了得到既有真实的地理坐标又包含精细的物体结构和纹理信息的影像数据，采用的两个异源影像点云分别为卫星影像点云与航空影像点云，其中卫星影像点云具有真实的地理坐标且其地平面在三维空间中是大致平行于XOY面的，因此在本实施例中进行地面水平对齐时，仅需将航空影像点云的地平面与XOY面对齐。

航空影像点云的地平面与XOY面对齐过程为：采用随机采样一致思想(RANSAC)的平面拟合算法，拟合航空点云地面的平面方程；计算该平面法向量与卫星点云垂直方向的旋转角，基于此旋转角将航空影像点云进行转换，使航空点云与卫星点云地面(XOY平面)大致对齐。

具体的在航空影像点云中随机选取三个点组成一个平面：ax+by+cz+d＝0，计算所有其他点到该平面的距离d_i＝|ax_i+by_i+cz_i+d|，如果d_i小于设定的阈值d_threshold，则判定为内点，统计该平面内点的数量。重复上述随机选点计算该点平面的内点数量的步骤，选择内点数量最多的平面模型参数作为最终的结果，即将此内点数量最多的平面作为航空影像点云中的地平面，得到此地平面的平面方程ax+by+cz+d＝0，此式中的系数所构成的向量即该平面的法向量，即可得到航空点云地面法向量，然后再根据此法向量得到垂直于卫星点云方向的旋转角，由此计算旋转矩阵并将其应用到航空点云上，实现航空影像点云与卫星影像点云的地平面对齐，即两个异源影像点云在三维坐标系下的Z坐标方向对齐。

步骤2：对两个异源影像点云分别构建配准基元图。

本实施例中对于一个异源影像点云构建配准基元图的方法为：根据点云匹配的环境按照相应环境下的从影像点云中提取设定规则对应的点云位置作为图的节点，根据节点的分布和拓扑结构生成核三角形作为配准基元，从而构建配准基元图。

因在无地面控制点条件下常选择场景内的建筑物或自然地物作为配准基元，本实施例中的影像点云是某城市区域的卫星影像点云，而在此影像点云的环境下选择自然地物进行配准的精度低于使用建筑物进行配准的精度，因此本实施例中选取建筑物作为配准基元。

不论是在点云中提取建筑物，还是在影像中提取建筑物，目前都已经有许多成熟和先进的方法(例如基于传统的改进RANSAC的提取算法和基于深度学习的方法。采用顾及上下文信息的建筑物自动化提取方法在点云中直接提取建筑物信息，取每个建筑物的中心点(因步骤1中已经进行了两个异源影像点云的地平面对齐，这里只需取每个建筑物的中心点平面坐标)作为图的节点(E)，其空间连接作为图的边(V)。卫星点云和航空点云的配准基元图分别记作G_s＝{V_s,E_s}和G_a＝{V_a,E_a}，则卫星点云与航空点云的配准被转化为图匹配问题。

图节点之间的空间连接描述了图节点之间的空间关系，不同的节点空间连接集则反映了图节点集合的全局空间组合特性。为了利用图边之间的高阶相似度信息求解节点间的对应关系，本实施例通过构建核三角用于计算相似度。在图节点集合(E)中任意选取3个不同的节点构成核三角形，将核三角形顶点直接连接构成完全图。核三角形记为Tri＝{E_i,E_j,E_k}，核三角形的边记作{edge(E_i,E_j),edge(E_i,E_k),edge(E_j,E_k)}。则构成的图集合G表示为：

式中，Tri(E)为三角形顶点集合，V(Tri(E))为以Tri(E)核三角顶点构成的边集合，n为节点集合(E)中节点的个数，这里共构建个核三角形。卫星点云和航空点云的配准基元图分别有n₁和n₂个节点，则遍历所有的核三角形需要计算次相似性测度。

为了保证在后续匹配过程的正确匹配，本实施例考虑到如下问题：1、在后续图匹配过程中，近似等腰三角形的两个底角对应的节点容易混淆；2、由任意3个节点构建的核三角形中存在一些内角过小的极端三角形，而存在匹配误差。例如图2-1以及图2-2所示构建的核三角中，核三角形Tri(E₁₂,E₂,E₃)和Tri(E_f,E_b,E_e)是正确匹配的近似等腰的核三角形，而Tri(E₁₂,E₂,E₃)和Tri(E_f,E_e,E_b)也是相互匹配的核三角形，但节点E₂和节点E_e明显不是正确匹配节点，因此当存在近似等腰三角形时两个底角对应的节点容易混淆。而由任意3个节点构建的核三角形中存在一些内角过小的极端三角形，如图2-1中核三角形Tri(E₅,E₆,E₇)和图2-2中核三角形Tri(E_i,E_c,E_j)是真实匹配核三角形对，但在匹配过程中图2-2中核三角形Tri(E_i,E_g,E_j)也满足匹配要求，导致其匹配后的节点计算空间变换模型会产生很大的误差。因此为了避免等腰核三角形和极端核三角形带来的问题，在构建核三角过程中添加如下限制条件：

其中α、β、γ分别为构建的核三角形的各个内角，由此限制条件中的最小内角大于30°(即第二设定值)最大内角小于150°(即第三设定值)的限制避免构建极端核三角形，而限制条件中核三角形的两两内角之差均要大于30°(即第一设定值)，能够避免构建等腰核三角形，因此通过此限制条件则不会存在等腰核三角形和极端核三角形带来的问题，并且基于此限制条件，构建的核三角形数量将小于进而此限制条件也相应的减少了后续匹配时的复杂度。

步骤3：基于配准基元图的构建求解图匹配最优解。

根据基元图中核三角形的形状设置稳健的相似性度量用于匹配图的节点，并利用二阶相似性度量寻找全局最优匹配。

为了稳健地处理异源点云中的空洞、噪声和异常值问题，除了准确提取它的结构外，在配准阶段还需要设计一种保留结构信息的相似性测度用于精确配准。经典的二分图匹配算法利用匹配点对的匹配代价作为连接边的权重，只需考虑节点的属性进行匹配，而本实施例中配准基元图的匹配不仅需要考虑节点之间的匹配代价，还需要顾及各个节点之间的空间连接关系，因此不能直接采用传统的二分图匹配算法，具体的本实施例中提出一种基于二阶相似测度的图匹配方法以解决该问题。首先通过一阶相似性测度(局部相似性测度)认为两个匹配的核三角形之间的属性(如内角和边长)差越小，则两核三角形对应的节点越相似。二阶相似性测度(全局相似性测度)认为所有匹配点应彼此兼容，由两个匹配的核三角对应的三对同名点计算变化矩阵，利用该矩阵将图进行变换，然后计算同时与这两个匹配核三角形都兼容的内点数量作为二阶相似性测度。

其中核三角候选匹配的过程为：

首先以配准基元图的一阶相似性测度在核三角集合中进行匹配，生成核三角候选匹配集合。卫星点云配准基元图G_s和航空点云配准基元图G_a表示如下：

考虑到卫星点云和航空点云由不同的传感器获取，两者具有不同的尺度，且尺度差异具有随机性。本实施例中采用三角形相似性作为一阶相似性测度，生成候选匹配核三角形集合。一阶相似性测度函数S(Tri(E_s),Tri(E_a))定义为S(Tri(E_s),Tri(E_a))＝(|α_s-α_a|+|β_s-β_a|+|γ_s-γ_a|)/3，其中，航空配准基元图的核三角形集合中任意一个核三角形为Tri_i(E_a)，卫星配准基元图中候选匹配核三角集合可表示为：

{Tri_j(E_s)|S(Tri(E_s),Tri(E_a))＜T_threshold}，式中，T_threshold为设定的角度相似度阈值(本实施例中取经验值T_threshold＝15°)。然而在候选匹配核三角集合中，存在较多对称结构的匹配核三角形，例如图2-1中Tri(E₁,E₂,E₄)同时对应图2-2中的Tri(E_a,E_b,E_d)、Tri(E_k,E_d,E_b)和Tri(E_n,E_d,E_b)。这样匹配的对称三角形具有较高的局部相似性，虽然符合一阶相似性要求，但是不满足后续全局匹配，因此为了减少计算复杂度，提高算法的配准效率，设计一种拓扑约束条件将它们从候选匹配三角集合中筛除，已得到更加准确的候选匹配三角集合并减少相应后续匹配的复杂度。拓扑约束为：对于任意候选匹配核三角对，以核三角形的最小内角α对应的顶点A为起点，以最长边为方向建立一个向量最大内角γ对应的顶点C在向量的同侧，即通过顶点和向量的位置关系来进行筛选，而顶点与向量的位置关系可通过矢量来判断，假设核三角形的顶点坐标分别为P₁(x₁,y₁)、P₂(x₂,y₂)和P₃(x₃,y₃)，定义核三角形的面积量为：

S(P₁,P₂,P₃)＝(x₁-x₃)*(y₂-y₃)-(y₁-y₃)*(x₂-x₃)；

令矢量起点为P₁,终点为P₂，判断点为P₃，若S(P₁,P₂,P₃)＞0，则表明则P₃在矢量的左侧；若S(P₁,P₂,P₃)＜0，则表明则P₃在矢量的右侧。如图2-1中的核三角形S(E₄E₂E₁)＞0，此时节点E₁在矢量的左侧，进而再以此方式计算与Tri(E₁,E₂,E₄)同时对应Tri(E_a,E_b,E_d)、Tri(E_k,E_d,E_b)和Tri(E_n,E_d,E_b)三个的顶点与向量的位置关系来筛选此候选匹配三角集合。

核三角形的一阶相似性不能保证配准基元图的正确匹配，因为核三角形的一阶相似特征容易受到局部相似结构的影响，从而导致全局的错误匹配。当确定核三角形匹配对后，两个匹配核三角形之间的空间转换关系可表示为：Tri_i(E_s)＝T·Tri_j(E_a)，其中T为匹配核三角形之间的空间转换模型，该转换模型包含尺度比例因子，在二维和三维空间中均可使用空间相似变换模型进行求解。卫星配准基元图与变换后的航空配准基元图之间的差异，描述了该匹配核三角形所对应的二阶相似性测度，即全局匹配相似度差异。

为求解全局最优变换，即选取匹配核三角形之间的空间转换模型使得全局匹配相似度差异最小，需遍历候选匹配集中的所有核三角形，计算每对匹配核三角形之间的空间转换模型T_i，统计经过T_i变换后G_a中的每个节点与G_s中任意一个节点的最邻近距离将小于距离阈值D_t时对应的航空配准基元中的节点标记为内点。统计一个航空配准基元图的核三角形Tri_i(E_a)与所有卫星配准基元图中候选匹配三角形Tri_j(E_s)对应的内点数，取内点数最多的一组作为Tri_i(E_a)的匹配核三角对。遍历航空配准基元图G_a与卫星配准基元图G_s的所有匹配核三角对，取对应内点数最多的前K组(本文K取经验值为8)匹配核三角对作为全局最优匹配核三角对。利用全局最优匹配核三角对的内点，直接计算XOY平面的转换矩阵。

步骤4：精配准。根据图匹配的结果求解初始的变换矩阵，再利用ICP算法进行精配准。

异源点云配准旨在恢复对齐两点云的六自由度刚体变换，上述步骤恢复了三轴旋转的变换关系及尺度比例因子后，实现卫星点云和航空点云在三维空间中的配准还需要确定两个坐标系原点间的平移量，因此分别提取两点云的重心点并将平移至原点位置，从而实现两点云的配准。考虑到在上述的配准过程中，拟合地平面方程和建筑物的提取都是粗略的几何模型，求解的配准变换模型是刚性，最终采用ICP算法对其细化。

以上所述，仅为本发明的较佳实施例，并不用以限制本发明，本发明的专利保护范围以权利要求书为准，凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在本发明的保护范围内。

Claims (10)

1.一种结合图论的异源影像点云配准方法，其特征在于，包括如下步骤：

1)将两个异源影像点云进行水平校准，得到两个地面所在平面处于同一平面的两个异源影像点云；

2)根据两个异源影像点云，分别获取水平校准后满足选取规则的建筑物中心点的位置作为图的节点，并将图的节点构建成三角形作为配准基元；

3)对两个异源影像点云的配准基元进行相似性匹配，形成多组相互匹配的核三角形组；若存在一个三角形处于多组核三角形组时，在此多组核三角形组中选取相似度最高的一组核三角形组作为此三角形的最终匹配结果；

4)根据匹配结果得到每组核三角形组的相互匹配的匹配节点，根据此匹配节点得到空间转换模型，基于此空间转换模型得到异源影像点云的配准结果。

2.根据权利要求1所述的结合图论的异源影像点云配准方法，其特征在于，步骤3)中，通过一阶相似性匹配对两个异源影像点云的配准基元进行相似性匹配。

3.根据权利要求1所述的结合图论的异源影像点云配准方法，其特征在于，步骤3)中，选取相似度最高的一组核三角形组的方法为：分别计算此三角形在每一组核三角形组的转换矩阵，并利用此转换矩阵对该三角形所在的异源影像点云进行全局转换，转换后计算两个异源影像点云的全局相似度，将全局相似度最高时所使用的转换矩阵对应的核三角形组即为相似度最高的一组核三角形组。

4.根据权利要求1所述的结合图论的异源影像点云配准方法，其特征在于，步骤2)中，所述配准基元满足如下条件：三角形的两两内角之差均要大于第一设定值。

5.根据权利要求1所述的结合图论的异源影像点云配准方法，其特征在于，步骤3)中，所述相互匹配的核三角形组满足如下条件：将两个三角形的三个内角按照内角大小进行匹配，得到三组内角对，三组内角对的平均差值小于角度相似度阈值。

6.根据权利要求5所述的结合图论的异源影像点云配准方法，其特征在于，步骤2)中，所述配准基元满足如下条件：三角形的内角的最小值大于第二设定值，三角形的内角的最大值小于第三设定值。

7.根据权利要求5所述的结合图论的异源影像点云配准方法，其特征在于，步骤3)中，所述相互匹配的核三角形组还满足如下条件：两个三角形的最大内角对应的顶点在与最大内角相对的边的同一侧。

8.根据权利要求3所述的结合图论的异源影像点云配准方法，其特征在于，步骤3)中，所述全局相似度的计算方法为：统计转换后的影像点云中的每一个节点与另一影像点云中的所有节点的距离，得到转换后的影像点云中的每一个节点在另一影像点云中的对应最小距离的节点，并将小于距离阈值的最小距离对应的转换后的影像点云中的节点作为内点，内点数量即为反应全局相似度，内点数量越大全局相似度越高。

9.根据权利要求1所述的结合图论的异源影像点云配准方法，其特征在于，步骤1)中，所述水平校准的方式为：通过以其中一个异源影像点云的地面所在的平面作为标准地平面，改变另一异源影像点云方向，或通过以设定的三维坐标为标准坐标系，将两个异源影像点云的地平面分别与标准坐标系的XOY平面对齐两种方式中的一种。

10.根据权利要求1所述的结合图论的异源影像点云配准方法，其特征在于，步骤4)中，通过利用ICP算法得到异源影像点云的精配准结果。