一種基于坡度與區(qū)域生長的LiDAR點云濾波方法
【專利摘要】本發(fā)明公開了一種基于坡度與區(qū)域生長的LiDAR點云濾波方法，主要包括以下步驟：步驟1：獲取LiDAR原始點云數(shù)據(jù)；步驟2：粗差剔除；步驟3：規(guī)則網(wǎng)格化。步驟4：地面種子點的選?。徊襟E5：區(qū)域生長。步驟6：將滿足條件的新地面點所在的格網(wǎng)為中心，格網(wǎng)中高程最低的點作為新的種子點按照步驟4進行生長，直到?jīng)]有點滿足條件，停止生長。步驟7：根據(jù)步驟4和步驟5，依次對種子點集中種子點進行區(qū)域生長，直至結(jié)束。本發(fā)明有效的限制了高差閾值的大小，而且有效的降低了整個方法的計算量，能夠更快的將復(fù)雜城市的LiDAR點云數(shù)據(jù)中地面點與非地面點進行分離，同時方法更加簡單，方法獲得結(jié)果的誤差相對較小。
【專利說明】—種基于坡度與區(qū)域生長的LiDAR點云濾波方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于對地面觀測領(lǐng)域，涉及一種基于坡度與區(qū)域生長的LiDAR點云濾波方法。
【背景技術(shù)】
[0002]自從1998年美國前副總統(tǒng)戈爾提出了“數(shù)字地球”的概念，在全世界引起了強烈反響數(shù)字地球既是地球科學(xué)技術(shù)與空間技術(shù)，信息科學(xué)技術(shù)等現(xiàn)代科學(xué)技術(shù)交融的前沿領(lǐng)域，更是科學(xué)技術(shù)與社會發(fā)展以及社會科學(xué)緊密結(jié)合的結(jié)晶。作為數(shù)字地球的一部分，數(shù)字城市的建設(shè)和應(yīng)用受到越來越廣泛的關(guān)注，城市基礎(chǔ)設(shè)施的三維信息在城市規(guī)劃、市政管理、公共安全等方面都顯現(xiàn)出重要的應(yīng)用價值。建筑物是數(shù)字城市中最基本的信息之一，LIDAR系統(tǒng)具有直接描述測區(qū)表面三維信息的能力，可以快速、高效地將城市建筑物的特征信息采集到計算機當中，為快速進行建筑物信息提取帶來了新的方法。
[0003]機載激光雷達(LiDAR, Light Detection and Ranging)是近些年才發(fā)展起來的新的探測技術(shù)，是集激光測距技術(shù)、慣性導(dǎo)航系統(tǒng)、動態(tài)差分GPS定位技術(shù)于一身的對地觀測系統(tǒng)，代表了對地觀測領(lǐng)域的一個新的發(fā)展方向，通過位置、角度、距離等觀測數(shù)據(jù)直接獲取目標對象表面點的三維空間坐標信息，實現(xiàn)地表提取和三維場景重建，被廣泛的用于地面數(shù)據(jù)探測和模型的恢復(fù)、重建等應(yīng)用中并顯示出了巨大的前景，并逐漸成為三維城市數(shù)據(jù)模型獲取的一種重要方式。機載激光雷達在獲取目標地物三維空間地理坐標的同時，能夠獲得地表物體的垂直結(jié)構(gòu)形態(tài)，同時配合上系統(tǒng)配備的高分辨率數(shù)碼相機獲取的地面相片更增強了對地面目標地物的分析和判別能力。與攝影測量技術(shù)相比，激光脈沖為主動遙感方式，對天氣的依賴性較小，不受陰影和太陽角度的限制，避免了投影帶來的信息損失，高程精度優(yōu)勢明顯，提高了自動化程度，大大縮短了成圖周期，可快速完成數(shù)字高程模型及數(shù)字正射影像圖的大規(guī)模生產(chǎn)任務(wù)。
[0004]在數(shù)字城市建設(shè)中，往往需要對建筑物進行提取和重建，而建筑物特征提取的關(guān)鍵是數(shù)據(jù)濾波，由于地理環(huán)境的復(fù)雜性，數(shù)據(jù)濾波一直是研究的難點，濾波的最終結(jié)果是分尚出地面點與非地面點。
[0005]機載激光雷達數(shù)據(jù)的濾波原理可以分為兩類:第一類是根據(jù)激光腳點數(shù)據(jù)的回波強度信息進行的濾波?；诨夭◤姸刃畔⒌臑V波原理是參考了航空影像的分類原理，即不同的地物類型對激光的反射系數(shù)是有差異的，其決定了激光回波能量的大小，進而決定了該類地物表面的激光腳點的回波強度信息，將其可以轉(zhuǎn)化為灰度圖像，可呈現(xiàn)出不同的灰度值。而對于一片測區(qū)，可以將激光點云數(shù)據(jù)以其強度信息為依據(jù)轉(zhuǎn)化為灰度圖像，然后分析其灰度值的分布，確定出地面點的灰度范圍，從而將地面點從原始點云數(shù)據(jù)中過濾出來。盡管該方法一定程度上發(fā)揮了 LIDAR點云自身優(yōu)勢，但僅僅使用回波信息進行點云分類難以適合大部分地形。第二類是基于高程突變?；诟叱掏蛔兊臑V波原理是一種現(xiàn)在應(yīng)用最為廣泛的濾波原理。一般地，地形是連續(xù)的，地勢起伏也是緩慢而平滑的，距離越近的兩個點的高差應(yīng)該越小，如果地表局部區(qū)域出現(xiàn)了高程突變，即鄰近的兩個點高程相差較大時，一般都被認為是因為此處地物類型發(fā)生了變化從而導(dǎo)致了局部地形的高程不連續(xù)，比如此處有房屋、樹木等，該原理認為高程較高的點是發(fā)生變化的地物表面的點，高程較低的點被認為是地形表面的點。
[0006]現(xiàn)有的LiDAR數(shù)據(jù)濾波方法有很多，大致分為3類:形態(tài)學(xué)方法、基于內(nèi)插的方法和基于曲面擬合的方法。每種濾波算法都有其適用的地形及其不足之處。2004年，GeorgeSithole等選擇了 8種典型的算法進行比較，分析了這些算法的優(yōu)缺點。這8種算法包括:Elmqvist的主動輪廓線法、Sohn的基于區(qū)域法、AxelssOn的漸進TIN加密法、Pfeifer的迭代最小二乘濾波算法、Brovelli的樣條插值法、Roggero的改進的基于坡度法、Wack的改進區(qū)域最小濾波法、Sithole的坡度濾波法。最后結(jié)論表明由于地形的復(fù)雜性，沒有一種算法能夠適合任何地形條件，需要對算法作更多的改進，例如使用更多的上下文信息，結(jié)合場景分解。
[0007]基于坡度的濾波算法最早由Vosselman提出，隨后Sithole對其進行改進,提出了一個基于核函數(shù)的濾波方法，使得該方法適用于陸峭的地形；Roggero也對Vosselman的方法進行了改良，利用局部線性回歸估算地面坡度提取初始地面?；谄露鹊乃惴ㄊ墙?jīng)典濾波算法之一，該算法原理簡單，實現(xiàn)方便，且充分考慮到地形坡度問題，適用區(qū)域較為廣泛。但該算法存在一些不足之處:1)對于面積較大的地物上的點，例如大型建筑物上的點，其與最鄰近的地面點之間的距離越大，高差閾值就會隨距離增大而增大，即放寬了拒絕其為地物點的條件，會使得一些面積較大而又相對較低的地物上的點無法濾除。2)基于坡度的濾波算法是通過尋找點的鄰接關(guān)系，逐點計算兩點的高差來判斷地面點，導(dǎo)致算法的計算量較大、速度較慢。

【發(fā)明內(nèi)容】

[0008]發(fā)明目的:本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提供了一種有效降低了整個方法的復(fù)雜程度，計算量小，計算速度快的基于坡度與區(qū)域生長的LiDAR點云濾波方法。
[0009]技術(shù)方案:本發(fā)明提供一種基于坡度與區(qū)域生長的LiDAR點云濾波方法，包括以下步驟:
[0010]步驟1:獲取LiDAR原始點云數(shù)據(jù)；
[0011]步驟2:對步驟1中獲取的LiDAR原始點云進行粗差剔除；由于LiDAR原始點云數(shù)據(jù)中包含一些粗差低點，會影響到地面種子點的選取，因此為了使種子點盡量可靠，首先要粗差剔除。本發(fā)明用一個中心點的高程值與給定距離范圍內(nèi)每一個點的高程值比較，如果中心點明顯低于其他點，這個點將作為粗差點被剔除。經(jīng)過粗差剔除后，消除了一些高程異常點的影響。
[0012]步驟3:用規(guī)則格網(wǎng)來組織經(jīng)過步驟2后的LiDAR點云數(shù)據(jù)，將所有LiDAR點云的坐標與規(guī)則網(wǎng)格建立起點云索引機制。規(guī)則格網(wǎng)的建立有助于快速搜索種子點的八鄰域。其中，判斷點云所在規(guī)則網(wǎng)格的公式如下:
[0013]X = INT (x-xmin) / η (1)
[0014]Υ = INT(y-ymin) / η (2)
[0015]式中，(Χ，Υ)為網(wǎng)格編號，(x，y)為點云的平面坐標，(xmin,ymin)為點云數(shù)據(jù)集中最小坐標，η為規(guī)則網(wǎng)格的大小。格網(wǎng)的大小視點密度而定，一般能保證每個規(guī)則網(wǎng)格內(nèi)有1、2點即可。
[0016]步驟4:選取種子點集，地面種子點的選取是濾波的關(guān)鍵，直接影響到濾波的精度。本發(fā)明以數(shù)據(jù)區(qū)中最大建筑物的尺寸為新的規(guī)則格網(wǎng)大小對數(shù)據(jù)進行劃分，選取每個新的規(guī)則格網(wǎng)中的最低點為地面點，將每個規(guī)則網(wǎng)格中的地面點組成地面種子點集。
[0017]步驟5:以地面種子點集中的第i個(i從1開始)地面種子點所在的步驟3中生成的規(guī)則網(wǎng)格為中心網(wǎng)格,進行8鄰域搜索，將中心網(wǎng)格相鄰的8個規(guī)則格網(wǎng)及中心格網(wǎng)中除了第i個地面種子點之外所有的點定義為待定點，分別判定每個待定點與第i個地面種子點的高差是否滿足基于坡度的濾波算法的高差函數(shù)閾值，如果滿足，將該待定點標記為地面點，否則，該該待定點為地物點；基于坡度的濾波算法的高差函數(shù)是一種基于兩點間高差值和距離值的濾波函數(shù)。這個函數(shù)不僅表示了地形，還包括激光點的信息，可以由預(yù)估的測區(qū)地形最大坡度百分數(shù)及激光點的標準偏差確定。其中，所述基于坡度的濾波算法的高差函數(shù)為:
[0018]
【權(quán)利要求】
1.一種基于坡度與區(qū)域生長的LiDAR點云濾波方法，其特征在于:包括以下步驟:步驟1:獲取LiDAR原始點云數(shù)據(jù)；步驟2:對步驟1中獲取的LiDAR原始點云進行粗差剔除；步驟3:用規(guī)則格網(wǎng)來組織經(jīng)過步驟2后的LiDAR點云數(shù)據(jù)，將所有LiDAR點云的坐標與規(guī)則網(wǎng)格建立起點云索引機制，其中，判斷點云所在規(guī)則網(wǎng)格的公式如下:X = INT (x-xmin) / ηΥ = INT (y-ymin) / n 式中，(X，Y)為網(wǎng)格編號，(x,y)為點云的平面坐標，(xmin，ymin)為點云數(shù)據(jù)集中最小坐標，η為規(guī)則網(wǎng)格的大小。步驟4:選取種子點集，以數(shù)據(jù)區(qū)中最大建筑物的尺寸為新的規(guī)則格網(wǎng)大小對數(shù)據(jù)重新進行劃分，選取每個新的規(guī)則格網(wǎng)中的最低點為地面點，將每個新的規(guī)則網(wǎng)格中的地面點組成地面種子點集。步驟5:以地面種子點集中的第i個地面種子點所在的步驟3中生成的規(guī)則網(wǎng)格為中心網(wǎng)格，進行8鄰域搜索，將中心網(wǎng)格相鄰的8個規(guī)則格網(wǎng)及中心格網(wǎng)中除了第i個地面種子點之外所有的點定義為待定點，分別判定每個待定點與第i個地面種子點的高差是否滿足基于坡度的濾波算法的高差函數(shù)閾值，如果滿足，將該待定點標記為地面點，否則，該待定點為地物點；其中，所述基于坡度的濾波算法的高差函數(shù)為:
2.根據(jù)權(quán)利要求1所述的基于坡度與區(qū)域生長的LiDAR點云濾波方法，其特征在于:所述步驟2中LiDAR原始點粗差剔除的方法為:設(shè)定一個中心點，將中心點的高程值與給定距離范圍內(nèi)每一個點的高程值比較，如果中心點明顯低于其他點，將中心點將為粗差點剔除。
3.根據(jù)權(quán)利要求1所述的基于坡度與區(qū)域生長的LiDAR點云濾波方法，其特征在于:所述步驟5中的cU為10m。
【文檔編號】G06T7/00GK103679655SQ201310634509
【公開日】2014年3月26日 申請日期:2013年12月2日 優(yōu)先權(quán)日:2013年12月2日
【發(fā)明者】楊英寶, 于雙, 李成仁, 劉會芬 申請人:河海大學(xué)