一种基于灰度体元模型的机载LIDAR三维滤波方法技术

技术编号:21160086 阅读:19 留言:0更新日期:2019-05-22 08:10
本发明专利技术提供一种基于灰度体元模型的机载LIDAR三维滤波方法,涉及遥感数据处理技术领域。该方法首先读取原始机载LIDAR点云数据,形成原始机载LIDAR点云数据集;将机载LIDAR点云数据规则化为灰度体元模型,其中灰度为体元内激光点的平均强度的离散化表示;基于地面点的局部高程最低特性选取地面种子体元,进而标记与其三维连通且体元值、地形坡度均接近的非0值体元为地面体元。本发明专利技术提供的基于灰度体元模型的机载LIDAR三维滤波方法,以三维连通区域构建理论为基础,将强度及地形坡度信息作为辅助信息用于点云数据滤波,可为地面和非地面目标的区分提供更有效的信息,从而提高滤波精度,并扩展基于体元模型的三维滤波方法适用于更复杂的场景。

An Airborne LIDAR Three-Dimensional Filtering Method Based on Gray Volume Element Model

The invention provides an airborne LIDAR three-dimensional filtering method based on gray volume element model, which relates to the technical field of remote sensing data processing. The method first reads the original airborne LIDAR point cloud data and forms the original airborne LIDAR point cloud data set; regularizes the airborne LIDAR point cloud data into a gray-scale volume element model, in which the gray level is a discrete representation of the average intensity of laser points in the volume element; and selects the ground seed volume element based on the local minimum elevation characteristics of the ground point, and then marks the three-dimensional connected volume element value and terrain slope. All approximate non-zero volume elements are surface volume elements. The airborne LIDAR three-dimensional filtering method based on gray-scale voxel model provided by the present invention is based on the theory of three-dimensional connected area construction and uses intensity and terrain gradient information as auxiliary information for point cloud data filtering, which can provide more effective information for distinguishing ground and non-ground targets, thereby improving the filtering accuracy, and expanding the three-dimensional filtering method based on voxel model to be applicable to point cloud data filtering. More complex scenarios.

【技术实现步骤摘要】
一种基于灰度体元模型的机载LIDAR三维滤波方法
本专利技术涉及遥感数据处理
,尤其涉及一种基于灰度体元模型的机载LIDAR三维滤波方法。
技术介绍
机载激光雷达(LightDetectionandRanging,即LIDAR)数据滤波是目前点云数据处理领域中的关键技术,其滤波的精度直接影响数字高程模型(DigitalElevationModel,DEM)等产品的质量及后续的如建筑物、植被等目标分类的精度。因此,对于LIDAR点云数据滤波技术的研究具有重要意义。国内外学者围绕点云数据滤波进行了深入研究,提出了非常多的滤波算法,经典的如基于内插、基于坡度、基于数学形态学、基于三维连通集合构建和基于聚类分割的滤波方法等。这些滤波算法所采用的数据结构包括栅格格网、不规则三角网(TIN)、体元和离散点云等。栅格格网和TIN为2.5维数据结构,用其表达机载LIDAR点云数据将导致信息损失并进一步影响基于该类数据结构的滤波结果的完整性。离散点云内部的空间结构及拓扑信息难以利用,导致基于该类数据结构的滤波算法设计困难、效率低下;八叉树的各个节点的尺寸不一,各节点间的邻接关系难以建立,这同样增加了基于该类数据结构的滤波算法设计的难度。而基于体元数据结构的滤波算法可以很好的避免上述方法的缺陷,这是因为:(1)体元结构为真三维数据结构;(2)其内部的体元间隐含有邻接和拓扑信息。因而基于体元结构的滤波算法设计更简单。但是,目前已有的基于体元数据结构的滤波算法均采用二值体元结构(即体元赋值是根据体元内是否含有激光点分别赋值1和0,其中1值体元对应目标,0值体元对应背景)(LiyingWang,YanXu,andYuLi.AerialLIDARpointcloudvoxelizationwithits3Dgroundfilteringapplication[J].PhotogrammetricEngineeringandRemoteSensing,2017,83(2):95-107)。这种滤波算法认为地面目标会形成三维连通集合,但当其它目标(如低矮植被、建筑物立面)和地面目标相连形成三维连通集合时,该算法则无法有效对二者加以区分。另外,该算法未考虑地形坡度信息,由此导致算法的滤波精度较低。
技术实现思路
本专利技术要解决的技术问题是针对上述现有技术的不足,提供一种基于灰度体元模型的机载LIDAR三维滤波方法,解决相连的地面和非地面目标的有效区分问题。为解决上述技术问题,本专利技术所采取的技术方案是:一种基于灰度体元模型的机载LIDAR三维滤波方法,包括以下步骤:步骤1:读取原始机载LIDAR点云数据,形成原始机载LIDAR点云数据集;步骤2:将原始机载LIDAR点云数据集规则化为灰度体元模型,其中灰度为体元内激光点的平均强度的离散化表示,具体方法为:步骤2.1:从原始机载LIDAR点云数据集中剔除异常数据,得到剔除异常数据集;步骤2.1.1:统计原始机载LIDAR点云数据集中各个激光点高程值的频次,并以直方图的形式可视化显示统计结果;步骤2.1.2:确定与真实地形及地物对应的最高高程阈值The和最低高程阈值Tle;步骤2.1.3:针对原始机载LIDAR点云数据集中各个激光点,若其高程值高于最高高程阈值The或低于最低高程阈值Tle,则该激光点为高程异常数据,进行剔除,否则保留该激光点,获得剔除高程异常数据集;步骤2.1.4:统计剔除高程异常数据集中各激光点的强度值的频次,并以直方图的形式可视化显示统计结果;步骤2.1.5:确定与真实地形及地物对应的最高强度阈值Thi和最低强度阈值Tli;步骤2.1.6:针对剔除高程异常数据集中各个激光点,若其强度值高于最高强度阈值Thi或低于最低强度阈值Thi,则该激光点为强度异常数据,进行剔除,否则保留该激光点,最终获得剔除高程及强度异常数据集;步骤2.2:将剔除异常数据集规则化为灰度体元模型;步骤2.2.1:用剔除异常数据集的轴向平行包围盒表示数据集的空间范围;步骤2.2.2:计算体元分辨率即体元大小,x、y、z方向上的分辨率根据剔除异常数据集中激光点的平均点间距确定;步骤2.2.3:依据x、y、z方向上的分辨率对剔除异常数据集的轴向平行包围盒进行划分得到三维格网,将每一个三维格网单元称为体元;步骤2.2.4:将剔除异常数据集中各个激光点映射到三维格网,进而根据体元中包含的激光点的强度属性为各体元赋值,最后将各体元值离散化到{0,…,255},得到灰度体元模型;步骤3:基于三维连通区域构建理论,对灰度体元模型中的地面体元进行检测,具体方法为:步骤3.1:基于地面点的局部高程最低特性,从灰度体元模型中高程最低的非0值体元作为地面种子体元集合;步骤3.1.1:在水平方向上,利用设定的格网尺寸对灰度体元模型进行分块,并取各块内高程最低的非0值体元为种子体元;步骤3.1.2:在各块内搜寻与地面种子的高度差小于高度差阈值Te的非0值体元为地面种子体元,获得加密后的地面种子体元集合Vs,其中,s=1,2,...;步骤3.2:标记地面种子体元及与其三维连通且坡度、灰度均接近的体元构成的三维连通区域为地面体元数据集,完成基于灰度体元模型的机载LIDAR三维滤波;步骤3.2.1:计算灰度体元模型中非0值体元的灰度值的频率直方图,用高斯混合模型拟合灰度频率直方图,确定与地面目标对应的灰度值分布范围;步骤3.2.2:对任一地面种子体元Vs,遍历灰度体元模型中与当前地面种子体元Vs三维连通、灰度值位于地面目标对应的灰度范围内且局部地形坡度小于坡度阈值Ts的所有未标记体元,并标记为Lg,直至标记完所有地面种子体元Vs的三维连通区域,即地面体元集合;其中,坡度阈值的确定是自适应的,具体方法为:对当前种子体元Vs,检测其空间邻域内是否含有已标记的地面体元,若有,则将已有地面体元之间的最大坡度值确定为该邻域内的地形坡度阈值Ts;否则,将地形坡度阈值设置为90°。采用上述技术方案所产生的有益效果在于:本专利技术提供的一种基于灰度体元模型的机载LIDAR三维滤波方法,以三维连通区域构建理论为基础,将强度及地形坡度信息作为辅助信息用于点云数据滤波,可为地面和非地面目标的区分提供更有效的信息,从而提高滤波精度,并扩展基于体元模型的三维滤波方法适用于更复杂的场景。附图说明图1为本专利技术实施例提供的一种基于灰度体元模型的机载LIDAR三维滤波方法的流程图;图2为本专利技术实施例提供的原始机载LIDAR点云数据示意图,其中,(a)为Csite1点云数据,(b)为Csite2点云数据,(c)为Csite3点云数据,(d)为Csite4点云数据,(e)为Fsite5点云数据,(f)为Fsite6点云数据,(g)为Fsite7点云数据;图3为本专利技术实施例提供的将原始机载LIDAR点云数据集规则化为灰度体元模型的具体流程图;图4为本专利技术实施例提供的激光点投影计算凸壳及面积的原理图;图5为本专利技术实施例提供的对灰度三维体元数据集进行地面体元检测的流程图;图6为本专利技术实施例提供的样本samp41对应的三维体元矩阵V中的非0值体元的灰度频率直方图;图7为本专利技术实施例提供的深度优先遍历灰度体元模型中任一种子体元Vs的三维连通区域的流程图。具体实施方式下面结合本文档来自技高网
...

【技术保护点】
1.一种基于灰度体元模型的机载LIDAR三维滤波方法,其特征在于:包括以下步骤:步骤1:读取原始机载LIDAR点云数据,形成原始机载LIDAR点云数据集;步骤2:将原始机载LIDAR点云数据集规则化为灰度体元模型,其中灰度为体元内激光点的平均强度的离散化表示,具体方法为:步骤2.1:从原始机载LIDAR点云数据集中剔除异常数据,得到剔除异常数据集;步骤2.2:将剔除异常数据集规则化为灰度体元模型;步骤3:基于三维连通区域构建理论,对灰度体元模型的地面体元进行检测,具体方法为:步骤3.1:基于地面点的局部高程最低特性,从灰度体元模型中高程最低的非0值体元作为地面种子体元集合;步骤3.2:标记地面种子体元及与其三维连通且坡度、灰度均接近的体元构成的三维连通区域为地面体元数据集,完成基于灰度体元模型的机载LIDAR三维滤波。

【技术特征摘要】
1.一种基于灰度体元模型的机载LIDAR三维滤波方法,其特征在于:包括以下步骤:步骤1:读取原始机载LIDAR点云数据,形成原始机载LIDAR点云数据集;步骤2:将原始机载LIDAR点云数据集规则化为灰度体元模型,其中灰度为体元内激光点的平均强度的离散化表示,具体方法为:步骤2.1:从原始机载LIDAR点云数据集中剔除异常数据,得到剔除异常数据集;步骤2.2:将剔除异常数据集规则化为灰度体元模型;步骤3:基于三维连通区域构建理论,对灰度体元模型的地面体元进行检测,具体方法为:步骤3.1:基于地面点的局部高程最低特性,从灰度体元模型中高程最低的非0值体元作为地面种子体元集合;步骤3.2:标记地面种子体元及与其三维连通且坡度、灰度均接近的体元构成的三维连通区域为地面体元数据集,完成基于灰度体元模型的机载LIDAR三维滤波。2.根据权利要求1所述的一种基于灰度体元模型的机载LIDAR三维滤波方法,其特征在于:所述步骤2.1的具体方法为:步骤2.1.1:统计原始机载LIDAR点云数据集中各个激光点高程值的频次,并以直方图的形式可视化显示统计结果;步骤2.1.2:确定与真实地形及地物对应的最高高程阈值The和最低高程阈值Tle;步骤2.1.3:针对原始机载LIDAR点云数据集中各个激光点,若其高程值高于最高高程阈值The或低于最低高程阈值Tle,则该激光点为高程异常数据,进行剔除,否则保留该激光点,获得剔除高程异常数据集;步骤2.1.4:统计剔除高程异常数据集中各激光点的强度值的频次,并以直方图的形式可视化显示统计结果;步骤2.1.5:确定与真实地形及地物对应的最高强度阈值Thi和最低强度阈值Tli;步骤2.1.6:针对剔除高程异常数据集中各个激光点,若其强度值高于最高强度阈值Thi或低于最低强度阈值Thi,则该激光点为强度异常数据,进行剔除,否则保留该激光点,最终获得剔除高程及强度异常数据集。3.根据权利要求1所述的一种基于灰度体元模型的机载LIDAR三维滤波方法,其特征在于...

【专利技术属性】
技术研发人员:王丽英王鑫宁王圣
申请(专利权)人:辽宁工程技术大学
类型:发明
国别省市:辽宁,21

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1