一种机载激光点云数据的智能化滤波方法

文档序号:6377380阅读:295来源:国知局
专利名称:一种机载激光点云数据的智能化滤波方法
技术领域
本发明涉及遥感测绘领域,特别是一种机载激光点云数据的滤波方法。
背景技术
LiDAR (激光雷达)扫描系统集GNSS (全球导航卫星系统)、INS (惯性导航系统)、激光扫描系统于一体,能够直接测得空间点三维坐标,可高效快捷获取数字表面模型。现在的机载LiDAR技术可获取10-20cm水平分辨率的数据,一条航带测得的点数往往超过数千万。如何快速高效地处理LiDAR数据就成为一个值得研究的问题。尽管目前商用LiDAR系统常随机附带许多处理LiDAR数据的软件工具包,然而在实际应用中,仍然需要大量的人工干预,如滤波参数设定、滤波结果的人工编辑。其中手工分类和质量控制甚至耗费了整个处理时间的60% 80%。
点云滤波是LiDAR数据处理过程中的重要一步,它将激光点分成地面点和非地面点如建筑物、树木等,是生成DEM(数字高程模型)并获取地形信息的关键步骤。研究人员提出了很多滤波算法,如基于数学形态学的滤波方法、基于线性预测的方法、基于渐进三角网的方法、基于分割的方法等。Sithole和Vosselman在2004年ISPRS大会上对常见的几种算法的做了一下对比,同时指出没有哪一种算法能处理好所有地形,并指出未来的滤波算法需要针对不同的地形条件,相应地调整滤波策略,并辅助有效的分类信息。近年来研究人员仍然在研究这个问题,但都需要人工设置各种滤波参数。由于LiDAR系统自身在脉冲信号发射和接收过程中电路传输出错、脉冲信号打到飞鸟及低空不明飞行物表面、脉冲信号多次漫反射等原因,机载LiDAR点云常常包含大量噪声点。在滤波处理过程中,噪声点会极大地影响邻近地表的光滑性及最终的DEM精度。噪声对LiDAR点云滤波有较大影响,但现有的去噪算法常常不能很好的处理这类噪声,且现有滤波算法基本是滤波前单独处理噪声,这也较大地影响了 LiDAR点云数据智能化处理进程。

发明内容
为了解决上述的技术问题,本发明提供了一种高精度的机载激光点云数据的智能化滤波方法。本发明解决其技术问题所采用的技术方案是—种机载激光点云数据的智能化滤波方法,包括SI、读取激光点云数据,进而使用格网索引组织激光点云数据中包含的点,生成一密集点云格网及一稀疏点云格网;S2、对稀疏点云格网进行分类后,获得城区区域和山区区域;S3、采用不同窗口分别对所述城区区域和山区区域进行划分,进而提取每个窗口的局部最低点;S4、以所述局部最低点为种子点,使用基于区域增长的智能化分割提取得到初始地面点;S5、根据所述初始地面点,建立TIN模型,进而渐进加密TIN模型,迭代提取地面点。进一步,所述步骤S2包括S21、将稀疏点云格网中每个格网内的最低点的高程值作为灰度值,进而生成第一高程影像图Ih;S22、分别计算并生成第一高程影像图Ih的X方向梯度图Ix和Y方向梯度图Iy ;S23、分别对X方向梯度图Ij^P Y方向梯度图Iy进行中值滤波,得到滤波后的X方向梯度图Ix'和滤波后的Y方向梯度图I/ ;S24、根据预设的窗口分别对滤波后的X方向梯度图Ij/和滤波后的Y方向梯度图 Iy'进行划分后,计算划分后每个窗口的均值,并判断均值是否大于预设阈值,若均值大于预设阈值,则对应的窗口内的格网区域为山区区域,反之,则对应的窗口内的格网区域为城区区域进一步,所述步骤S22中X方向梯度图Ix采用以下公式计算生成
Jl Hh J.+1)—Hh J.) |,(O S / S —I 且O S J· < ff—I且 I Ihd, /+1)—Mi, j) K 2)
二 Ιο,(其它情况)其中,W和H分别为第一高程影像图的宽度和高度,i和j都是自然数。进一步,所述步骤S22中Y方向梯度图Iy采用以下公式计算生成
{I Mi+I)-LiUj) I, (O </<//-mo< J 竺妒一I且丨 Ηι+ι,β-Μ ,η K 2)
=Io,(其它情况)其中,W和H分别为第一高程影像图的宽度和高度,i和j都是自然数。进一步,所述步骤S23,其具体为采用IXn的模板对X方向梯度图Ix进行中值滤波,进而得到滤波后的X方向梯度图Γ x,并采用nXl的模板对Y方向梯度图Iy进行滤波,进而得到滤波后的Y方向梯度图I/,其中,η是大于I的奇数。进一步,所述步骤S4包括S41、将密集点云格网中每个格网内的最低点的高程值作为灰度值,进而生成第二高程影像图Ihs ;S42、将所述局部最低点作为种子点,对第二高程影像图Ihs进行8邻域区域增长,进而得到增长后的区域,即分割区域;S43、将第二高程影像图Ihs取反后,设置合适大小的窗口对取反后的分割区域提取每个窗口的最低点作为种子点,对取反后的分割区域进行8邻域区域增长,进而得到增长后的区域,即次分割区域;S44、将取反的第二高程影像图Ihs再次取反后,设置合适大小的窗口对取反后的次分割区域提取每个窗口的最低点作为种子点,对取反后的次分割区域进行8邻域区域增长,进而提取增长后的区域的最低点作为初始地面点。本发明的有益效果是本发明的一种机载激光点云数据的智能化滤波方法,直接处理原始数据而不是重采样后的数据,因而没有几何精度的损失。而且本发明采用格网索引组织点云,获得点云格网,并在滤波前对点云格网进行分类,之后对不同类型的点云格网设置不同的阈值进行处理,处理过程中不需人工干预。本发明还采用了一种基于区域增长的分割算法提取初始地面点,能有效避免噪声点的干扰。本发明提高了机载激光点云数据滤波的智能化程度,极大地提高了机载激光点云数据处理效率及滤波精度。


下面结合附图和实施例对本发明作进一步说明。图I是本发明的一种机载激光点云数据的智能化滤波方法的工作流程图;图2是图I中步骤S2的详细流程图; 图3是图2中步骤S4的详细流程图;图4是图3中步骤S41生成的第二高程影像图;图5是对图4执行图3中的步骤S42后生成的图;图6是对图5执行图3中的步骤S43后生成的图;图7是对图6执行图3中的步骤S44后生成的图;图8是图I中步骤S5所述TIN模型的示意图;图9为图3中步骤S42至S44中的8邻域区域增长的原理图。
具体实施例方式为了便于下文的描述,首先给出下列名词定义LiDAR(Light Detection And Ranging),激光雷达;GNSS(Global Navigation Satellite System),全球导航卫星系统;INS (Inertial Navigation System),惯性导航系统;TIN (Triangulated Irregular Network),不规则三角网。参照图1,本发明提供了一种机载激光点云数据的智能化滤波方法,包括SI、读取激光点云数据,进而使用格网索引组织激光点云数据中包含的点,生成一密集点云格网及一稀疏点云格网;S2、对稀疏点云格网进行分类后,获得城区区域和山区区域;S3、采用不同窗口分别对所述城区区域和山区区域进行划分,进而提取每个窗口的局部最低点;S4、以所述局部最低点为种子点,使用基于区域增长的智能化分割提取得到初始地面点;S5、根据所述初始地面点,建立TIN模型,进而渐进加密TIN模型,迭代提取地面点。进一步作为优选的实施方式,参照图2,所述步骤S2包括S21、将稀疏点云格网中每个格网内的最低点的高程值作为灰度值,进而生成第一高程影像图Ih ;S22、分别计算并生成第一高程影像图Ih的X方向梯度图Ix和Y方向梯度图Iy ;
S23、分别对X方向梯度图Ij^P Y方向梯度图Iy进行中值滤波,得到滤波后的X方向梯度图Ix'和滤波后的Y方向梯度图I/ ;S24、根据预设的窗口分别对滤波后的X方向梯度图Ij/和滤波后的Y方向梯度图Iy'进行划分后,计算划分后每个窗口的均值,并判断均值是否大于预设阈值,若均值大于预设阈值,则对应的窗口内的格网区域为山区区域,反之,则对应的窗口内的格网区域为城区区域进一步作为优选的实施方式,所述步骤S22中X方向梯度图Ix采用以下公式计算生成
"..、(IHi,j+1)-Hi,j) 1,(0</<//-1J.0<J<W-IR\Ih(i,y+i)-h(i,j)|<2)
L |o,(其它情况) 其中,W和H分别为第一高程影像图的宽度和高度,i和j都是自然数。进一步作为优选的实施方式,所述步骤S22中Y方向梯度图Iy采用以下公式计算生成
}| Mi+1, j)—I (i, j) \,(0< <Η-\ 0< J S 妒一I且 I h(i-+1, j) - I (i, j) \< 2)
供它情况)其中,W和H分别为第一高程影像图的宽度和高度,i和j都是自然数。进一步作为优选的实施方式,所述步骤S23,其具体为采用IXn的模板对X方向梯度图Ix进行中值滤波,进而得到滤波后的X方向梯度图Ij/,并采用nXl的模板对Y方向梯度图Iy进行滤波,进而得到滤波后的Y方向梯度图I/,其中,η是大于I的奇数。进一步作为优选的实施方式,参照图3,所述步骤S4包括S41、将密集点云格网中每个格网内的最低点的高程值作为灰度值,进而生成第二高程影像图Ihs,如图4所示;S42、将所述局部最低点作为种子点,对第二高程影像图Ihs进行8邻域区域增长,进而得到增长后的区域,即分割区域,如图5所示;S43、将第二高程影像图Ihs取反后,设置合适大小的窗口对取反后的分割区域提取每个窗口的最低点作为种子点,对取反后的分割区域进行8邻域区域增长,进而得到增长后的区域,即次分割区域,如图6所示;S44、将取反的第二高程影像图Ihs再次取反后,设置合适大小的窗口对取反后的次分割区域提取每个窗口的最低点作为种子点,对取反后的次分割区域进行8邻域区域增长,进而提取增长后的区域的最低点作为初始地面点,如图7所示。本发明的一具体实施例如下S100、读取激光点云数据,进而使用格网索引组织激光点云数据中包含的点,生成一密集点云格网及一稀疏点云格网,这里所有点按照其坐标规则划分组织,分别生成ImX Im的密集点云格网和4mX 4m的稀疏点云格网;SlOljf 4mX4m的稀疏点云格网中每个格网内的最低点的高程值作为灰度值,进而生成第一高程影像图Ih;
S102、分别计算并生成第一高程影像图Ih的X方向梯度图Ix和Y方向梯度图Iy,
具体计算公式如下
权利要求
1.一种机载激光点云数据的智能化滤波方法,其特征在于,包括 51、读取激光点云数据,进而使用格网索引组织激光点云数据中包含的点,生成一密集点云格网及一稀疏点云格网; 52、对稀疏点云格网进行分类后,获得城区区域和山区区域; 53、采用不同窗口分别对所述城区区域和山区区域进行划分,进而提取每个窗口的局部最低点; 54、以所述局部最低点为种子点,使用基于区域增长的智能化分割提取得到初始地面占. 55、根据所述初始地面点,建立TIN模型,进而渐进加密TIN模型,迭代提取地面点。
2.根据权利要求I所述的一种机载激光点云数据的智能化滤波方法,其特征在于,所述步骤S2包括 521、将稀疏点云格网中每个格网内的最低点的高程值作为灰度值,进而生成第一高程影像图Ih ; 522、分别计算并生成第一高程影像图Ih的X方向梯度图Ix和Y方向梯度图Iy; 523、分别对X方向梯度图Ij^PY方向梯度图Iy进行中值滤波,得到滤波后的X方向梯度图Ix'和滤波后的Y方向梯度图I/ ; 524、根据预设的窗口分别对滤波后的X方向梯度图Ix'和滤波后的Y方向梯度图I/进行划分后,计算划分后每个窗口的均值,并判断均值是否大于预设阈值,若均值大于预设阈值,则对应的窗口内的格网区域为山区区域,反之,则对应的窗口内的格网区域为城区区域。
3.根据权利要求2所述的一种机载激光点云数据的智能化滤波方法,其特征在于,所述步骤S22中X方向梯度图Ix采用以下公式计算生成 . fI Hi, j +1) - h(i, j) I, (O < / < // -1 J.0 < j < if - 1J. IMz, j +1) - Hi, j) |< 2)42’7) = 10,(其它情况) 其中,W和H分别为第一高程影像图的宽度和高度,i和j都是自然数。
4.根据权利要求2所述的一种机载激光点云数据的智能化滤波方法,其特征在于,所述步骤S22中Y方向梯度图Iy采用以下公式计算生成 {I h(i+lj) — Mi,j) 1,(0 < i <丑—I且OS J. S 妒―I且丨 h(i + \,j) — h(i,j) K 2) #’力=1(),(其它情况) 其中,W和H分别为第一高程影像图的宽度和高度,i和j都是自然数。
5.根据权利要求2所述的一种机载激光点云数据的智能化滤波方法,其特征在于,所述步骤S23,其具体为 采用IXn的模板对X方向梯度图Ix进行中值滤波,进而得到滤波后的X方向梯度图I/,并采用nXl的模板对Y方向梯度图1,进行滤波,进而得到滤波后的Y方向梯度图I/,其中,η是大于I的奇数。
6.根据权利要求I所述的一种机载激光点云数据的智能化滤波方法,其特征在于,所述步骤S4包括 S41、将密集点云格网中每个格网内的最低点的高程值作为灰度值,进而生成第二高程影像图Ihs ;·542、将所述局部最低点作为种子点,对第二高程影像图Ihs进行8邻域区域增长,进而得到增长后的区域,即分割区域; ·543、将第二高程影像图Ihs取反后,设置合适大小的窗口对取反后的分割区域提取每个窗口的最低点作为种子点,对取反后的分割区域进行8邻域区域增长,进而得到增长后的区域,即次分割区域; ·544、将取反的第二高程影像图Ihs再次取反后,设置合适大小的窗口对取反后的次分割区域提取每个窗口的最低点作为种子点,对取反后的次分割区域进行8邻域区域增长,进而提取增长后的区域的最低点作为初始地面点。
全文摘要
本发明公开了一种机载激光点云数据的智能化滤波方法,包括读取激光点云数据,进而使用格网索引组织激光点云数据中包含的点,生成一密集点云格网及一稀疏点云格网;对稀疏点云格网进行分类后,获得城区区域和山区区域;采用不同窗口分别对城区区域和山区区域进行划分,进而提取每个窗口的局部最低点;以局部最低点为种子点,使用基于区域增长的智能化分割提取得到初始地面点;根据初始地面点,建立TIN模型,进而渐进加密TIN模型,迭代提取地面点。本发明处理过程中不需人工干预,且能有效避免噪声点的干扰,提高了机载激光点云数据处理效率及滤波精度。本发明作为一种性能优良的机载激光点云数据的智能化滤波方法可广泛应用于测绘行业中。
文档编号G06T5/00GK102930509SQ20121035025
公开日2013年2月13日 申请日期2012年9月18日 优先权日2012年9月18日
发明者胡翔云, 叶立志 申请人:广州建通测绘技术开发有限公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1