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!
申请/专利权人:浙江省测绘科学技术研究院
摘要:本发明提出了一种适用于城市多噪声环境下机载点云地面点滤波方法,属于机载点云数据处理技术领域。本发明首先将飞行获取的原始LiDAR点云标签设置为未分类,并利用空间点密度特征剔除原始LiDAR点云中的孤立点;通过局部高程直方图获取最佳模拟表面点,并采用曲面拟合算法从未分类点云中提取出表面点;渐进式不规则三角网加密滤波算法被用于从表面点中提取初始地面点;以初始地面点所构建的TIN模型为基准地形面,将高程值低于基准地形面一定阈值的点云视为低噪声点进行剔除;最后通过优化参数阈值再次采用渐进式不规则三角网加密滤波算法提取精确的地面点。本发明设计了一套稳健的、自动的城市多噪声机载点云的地面点提取方法,解决了现有滤波算法在多噪声环境机载点云数据中地面点提取不精确的问题。
主权项:1.一种适用于城市多噪声环境下机载点云地面点滤波方法,其特征在于,包括以下步骤:步骤1,点云数据获取:通过机载激光雷达系统获取城市激光点云数据,原始点云的初始标签类别设置为未分类;步骤2,孤立噪声点剔除:基于空间点密度剔除原始LiDAR点云中的孤立点,孤立点标签设置为噪声点;步骤2.1:计算每个点云的空间k邻域点集;其计算公式如下: 式中,xp,yp,zp为目标点云p的空间坐标,xq,yq,zq为点云q的空间坐标,dpq是点云p和点云q的欧式距离,Q未分类是未分类点云数据集,Qpk是目标点的空间k邻域点集,k是检索半径,其值由原始点密度σ决定,步骤2.2:统计空间k邻域点集中的点数量,将点数小于阈值的点云标签为孤立点,k的大小由原始点云的平均密度决定;步骤3,表面点提取:通过局部高程直方图获取最佳模拟表面点,采用曲面拟合算法从未分类点云中提取出表面点;步骤3.1:对未分类点云数据进行格网化处理;步骤3.2:对格网内点云数据进行高程直方图统计,统计每个高程区间的点数量,计算点数最多的高程区间中的点云的均值坐标,该坐标所对应点即为模拟表面点;步骤3.3:利用模拟表面点拟合测区表面,判断未分类点云数据到拟合曲面的距离,将小于给定距离阈值的未分类点标记为表面点;移动曲面拟合算法的基本公式如下: 式中,Xi,Yi,Zi是第i个模拟表面点的空间坐标,a、b、c、d、e、f是二次移动曲面的系数;步骤3.4:删除模拟表面点;步骤4,初始地面点提取:利用渐进式不规则三角网加密滤波算法从表面点中提取初始地面点;步骤5,低噪声点剔除:以步骤4提取的初始地面点构成的TIN模型为基准地形面,并采用高程约束特征将低于基准地形面一定高程差的点云视为低噪声点进行剔除;步骤5.1:利用步骤4提取的地面点构建TIN模型;步骤5.2:以TIN模型为基准地形面,通过插值计算每个点云在基准地形面上投影点的高程值,并将高程值低于基准地形面一定阈值Δh的点云视为噪声点进行剔除;所述插值过程如下:对于给定的待插值点,依据平面坐标确定其所在TIN三角网中的三角形;如果投影点恰好位于三角形的一个顶点上,则顶点的高程值被赋给该投影点,否则,投影点的高程值通过将三个顶点的高程值作为插值的已知点采用反距离加权插值法进行估算;步骤6,地面点提取:采用渐进式不规则三角网加密滤波算法提取地面点,并优化滤波算法参数,即种子地面点、迭代角度、迭代距离;步骤6.1:对测区点云数据进行格网化处理;步骤6.2:搜索格网中的最低点,并将其和步骤4所提的初始地面点一起作为种子地面点,构建初始TIN模型;步骤6.3:遍历所有未分类点,根据初始TIN模型计算点所在三角形的坡度,动态调整每个待判断点的迭代角度和迭代距离,将同时满足迭代角度约束和迭代距离约束的点云加入到地面模型构建中,并标记为地面点,不满足条件的点云标记为未分类点;其中,迭代角度和迭代距离的优化规则如下:计算点所在三角形的三个边长值,如果任两条边的长度值大于给定阈值3m,则将迭代角度适当扩大,设置为初始迭代角度的1.2倍。
全文数据:
权利要求:
百度查询: 浙江省测绘科学技术研究院 适用于城市多噪声环境下机载点云地面点滤波方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。