一种机载激光雷达点云数据边缘提取方法
【技术领域】
[0001] 本发明涉及一种特征提取方法，具体地说是一种机载激光雷达点云数据边缘提取 方法，属于激光雷达点云数据信息提取技术领域。
【背景技术】
[0002] 特征提取作为图像分析和计算机视觉的重要研究领域，已经得到了很多学者的关 注和研究。边缘作为这些特征的重要组成部分，不仅广泛存在于二维图像中，还存在于各种 场景(尤其是含有大量人工建筑物的城市场景）和单个地物的三维点云数据中。相比于点 云，图像是一种更常见的数据类型；另外，过去，由于受到激光雷达传感器硬件的限制，过去 的三维点云数据中地物的细节结构，尤其是边缘，通常有所缺失或模糊不清。因此，目前大 部分边缘检测方法是基于图像的，而且相关的方法已经相对成熟。但是，目前，随着激光雷 达传感器硬件的进步，获取可展示地物细节结构信息的高密度点云数据的技术已经成熟， 且推出了多种商业化的激光雷达硬件设备。
[0003] 但是二维图像边缘检测算法并不能直接应用于三维点云数据，主要有以下原因： [0004] (1)激光雷达点云数据通常只具备XYZ坐标信息，有时候会有RGB信息或者回波信 息。
[0005] (2)激光雷达点云数据所包含的空间几何信息多于二维图像，相应地，其对应的几 何结构也更加复杂。
[0006] (3)激光雷达获取的点云数据是无组织的三维点云数据，其邻域结构非常复杂且 因检索方式不同而存在很大差别;然而，图像成规则栅格排列，邻域的确定非常容易。
[0007] 目前，已有的激光雷达点云边缘检测方法可以分为两类。第一类方法将激光雷达 点云转化为图像，再借助于图像处理领域的边缘检测方法获取二维边缘，进一步将二维边 缘与三维点云数据中的边缘相对应，从而提取三维边缘特征，称为"间接法"。第二类方法则 直接作用于激光雷达点云数据来提取三维边缘特征，称为"直接法"。其中"直接法"最有代 表性的方法为点云库边缘检测方法和自相关矩阵分析边缘追踪方法。
[0008] 但是，上述边缘检测方法存在以下不足：
[0009] (1)"间接法"涉及三维到二维的转换，导致了大量空间几何信息的损失。
[001 0] (2) "直接法"的适用性有限，仅仅适合于特定类型的边缘提取。
[0011] (3)这些方法仅仅适用于局部小范围的无噪声的点云数据，对于大区域、且含有噪 声的点云数据不能发挥效力。
[0012] (4)这些方法的过程复杂、自动化程度较低，需要借助点云分割、目标提取等预处 理，然后针对特定目标提取边缘。
[0013] 由于以上不足的制约，目前，激光雷达点云数据中的边缘尚不能完整提取出来，且 自动化程度低。
【发明内容】
[0014] 针对以上现有技术的不足，本发明提出了一种机载激光雷达点云数据边缘提取方 法，其能够直接从三维点云中提取边缘，有效简化边缘提取算法复杂度，提高边缘检测的自 动化程度。
[0015] 本发明解决其技术问题采取的技术方案是:一种机载激光雷达点云数据边缘提取 方法，其特征是，包括以下步骤：
[0016] 步骤一，初始化原始机载激光雷达点云数据，将每一个激光脚点均设置为待判别 占 .
[0017] 步骤二，提取机载激光雷达点云数据中的边缘点；
[0018] 步骤三，对边缘点进行追踪以形成边缘。
[0019] 优选地，在步骤二中，将机载激光雷达点云数据中的边缘分成表面轮廓和表面相 交边缘，并分析表面轮廓和表面相交边缘的特点，最终形成一套可以同时提取表面轮廓和 表面相交边缘的完整流程。
[0020] 优选地，在步骤三中，根据机载激光雷达点云的空间邻域特点对边缘点进行追踪 来区分相交边缘和方向相同的相邻边缘。
[0021 ]优选地，所述步骤二具体包括以下步骤：
[0022] (1)按顺序从点云数据中取出一个激光脚点，并以该点作为当前点；
[0023] (2)搜索当前点的邻域点集:利用kd_tree索引进行空间邻域搜索，kd_tree索引结 构以当前点为中心，按距离搜索当前点周边的临近点；
[0024] (3)根据邻域点集拟合局部平面:在拟合局部平面时采用随机采样一致性方法来 拟合局部平面，将邻域点集分成位于局部平面上的内点和位于局部平面以外的外点；
[0025] (4)构建空间直角坐标系，连接当前点与位于局部拟合平面上的邻域点，从而构成 多条空间向量；
[0026] (5)在生成的空间直角坐标系中计算空间向量所形成的角度阶跃:假设坐标系的 三个轴的单位方向向量分别为：、气立,= 1…硌)为多条空间向量，则角度 阶跃值Ge由以下公式计算：
[0030] G9=max(0i+i-0i) (? = 1···ΝΓ-1) (4)[0031 ]式中，Θ为空间向量在空间直角坐标系中的角度，Nr为正整数；
[0027]
[0028]
[0029]
[0032] (6)检测角度阶跃是否大于阈值，从而判定当前点是否为边缘点：如果A* 则 当前点被判别为边缘点，否则不被判别为边缘点；
[0033] (7)迭代执行上述步骤(1)至(6)，直到所有点都被判定为止。
[0034]优选地，所述构成多条空间向量的过程为:首选利用根据邻域点集拟合局部平面 过程中所找到的内点，计算该局部平面的法线向量;然后根据该法线向量和局部拟合平面 构建空间三维直角坐标系，该坐标系与法线向量垂直的两个轴均位于局部拟合平面上；最 后连接当前内点与位于局部拟合平面上的邻域点，从而构成多条空间向量。
[0035]优选地，所述步骤三具体包括以下步骤：
[0036 ] (1)按顺序从提取出边缘点集中取出一个点，并以该点作为当前点；
[0037 ] (2)搜索当前点的邻域点集:利用kd_tr ee索引进行空间邻域搜索，kd_tr e e索引结 构以当前点为中心，按距离搜索当前点周边的临近点；
[0038] (3)拟合空间直线:根据当前点的邻域点集，利用随机采样一致性原理拟合空间直 线，并将邻域点集划分成位于拟合空间直线上的内点和位于拟合空间直线以外的外点；
[0039] (4)定义生长准则：定义相邻准则和方向相似准则，所述相邻准则为：只有与当前 点相邻的点才可以作为压入当前边缘队列的候选点，所述与当前点相邻的点为位于拟合空 间直线上的内点点集中且与当前点相邻的点；所述方向相似准则为:如果与当前点相邻的 某一点的邻域点集拟合直线的主方向与当前点邻域拟合直线的主方向相近，则该点可以作 为压入当前边缘队列的候选点；
[0040] (5)采用区域生长方法追踪边缘:采用相邻准则和方向相似准则对当前点进行生 长分割，直到所有邻域点不能同时满足相邻准则和方向相似准则为止，被生长到的激光脚 点，视为这条边缘上的点；
[0041] (6)迭代执行上述步骤(1)至(5)，直到所有边缘点都被追踪为止。
[0042]优选地，所述kcLtree索引采用按邻域点个数进行按距离搜索或以当前点为中心 的求半径范围进行搜索的检索方式。
[0043]本发明的有益效果如下：
[0044] (1)本发明提出了一种从大范围无组织噪声点云中提取边缘的方法，直接作用于 三维点云数据，提取效果稳健并且效率高。本发明不限定边缘类型，且能很好的适应不同密 度和多种传感器获取的三维点云数据，所有边缘都可以得到检测。此外，本发明在提取边缘 过程中仅采用两个参数，参数少，使用方便，并且参数设置相对稳定。
[0045] (2)本发明提出了 一种三维边缘追踪算法来确定离散边缘点的归属信息，可以在 边缘点中快速追踪边缘，并且能有效区分相交边缘和方向相同的相邻边缘。本发明算法稳 健性较高，提取的边缘点位置精确，漏检现象较少，可以适用于多个边缘相互交叉的复杂边 缘点追踪。
[0046] (3)本发明不需要借助激光雷达点云数据对应的光学图像，不需要将激光雷达点 云数据转化成深度图像，直接从三维点云中提取边缘，有效区分各交叉边缘，有效简化了边 缘提取算法复杂度，提高了边缘检测的自动化程度，并且能够有效提取激光雷达点云中所 有类型边缘。