一种基于LiDAR的点云顶部噪点剔除方法技术

本发明专利技术涉及激光点云分类技术领域，更具体地，涉及一种基于LiDAR的点云顶部噪点剔除方法。以空间聚类及空间自相关的角度为基础，对点云建立标准空间网格，利用点云数据的空间分布特征及相互依赖关系，确定噪点位置，并根据网格聚类的生长方式确定存在噪点的网格，利用初始确认的顶部噪点作为种子点进行欧式聚类，达到剔除噪点的目的，该算法放弃了逐个点的计算，缩减了计算时间，解决了普遍适用性不强或者效率低下等原因导致在实际的生产运用起不到良好的效果，实现了特殊气候环境下产生的具有成云片状，密度大，范围广泛的噪点剔除准确率较高。

A LiDAR noise elimination method based on point cloud top

【技术实现步骤摘要】
一种基于LiDAR的点云顶部噪点剔除方法
本专利技术涉及激光点云分类
，更具体地，涉及一种基于LiDAR的点云顶部噪点剔除方法。
技术介绍
LiDAR系统以盲扫方式从上而下进行数据获取，激光脉冲则有可能照射到比脉冲发射中心低的飞行物体上，或是照射能产生多路径的光滑表面物体上，由此造成了点云数据存在噪声。目前对点云数据的去噪方法主要有局部平面拟合方法、频率域方法、三维有限元生长分析方法及高程纹理图像分类方法，上述算法各有优缺点和适用范围，在噪点比较独立明显的情况下，上述算法能有效去除噪点。但在特殊气候环境下，产生的噪点密度大，呈云片状且范围广泛，利用以上算法无法将噪点剔除干净。
技术实现思路
本专利技术为克服上述现有技术所述的至少一种缺陷，提供一种点云顶部噪点剔除方法，基于标准网格，能有效识别密度较大的噪点，并快速精确地剔除成片噪点。为解决上述技术问题，本专利技术采用了如下技术方案：一种基于LiDAR的点云顶部噪点剔除方法，点云数据位于三维空间坐标内，包括如下步骤：S1：在XOY坐标平面上对点云数据建立标准网格，设置网格边长参数值，并获取每个网格内在Z轴方向上最低点的高度值H’，即所述最低点的Z坐标值；S2：在步骤S1之后，根据点云数据的空间分布特征，获取每个网格垂直高度上连续无点云层的高度h，并记录连续无点云层的起始高度值H；S3：设定阈值h’，对步骤S2中每个网格的连续无点云层的高度h进行判定，对无点云层的高度h大于阈值h’的网格进行标记，认为该网格内高度值大于H的点为顶部噪点；S4：对步骤S3中标记的网格进行网格聚类成簇，同时对标记网格临近的非标记网格进行判定，当标记网格的连续无点云层的起始高度H小于非标记网格的最低点的高度值H’；则认为该非标记网格内可能存在顶部噪点；S5：以步骤S3中所述顶部噪点作为种子点设定距离阈值D，对步骤S4中认为可能存在顶部噪点的网格的有效点云进行聚类，其中满足距离阈值D条件的点云则判定为顶部噪点；S6：将步骤S3和步骤S5中判定的顶部噪点剔除。进一步地，步骤S2中无点云层的高度h的获取方法如下：S21：将网格在Z坐标方向上以高度d进行分层，标记不存在点云或者低于合理点云数量的点云层；S22：从网格底层开始累积标记的点云层的高度，若累积的过程中出现未标记的点云层，则记录累积的高度，并从下一个标记的点云层开始重新累积；按此步骤直至所有点云层遍历完毕；取最大的累积高度值作为h。进一步地，高度d为0.5m—1m。优选地，阈值h’为20m-25m。进一步地，步骤S5对有效点云进行聚类的算法为欧式聚类算法。本专利技术以空间聚类及空间自相关的角度为基础，对点云建立标准空间网格，利用点云数据的空间分布特征及相互依赖关系，确定噪点位置，并根据网格聚类的生长方式确定存在噪点的网格，利用初始确认的顶部噪点作为种子点进行欧式聚类，达到剔除噪点的目的，该算法放弃了逐个点的计算，缩减了计算时间，解决了普遍适用性不强或者效率低下等原因导致在实际的生产运用起不到良好的效果，实现了特殊气候环境下产生的具有成云片状，密度大，范围广泛的噪点剔除准确率较高。与现有技术相比，有益效果是：利用点云数据的空间分布特征及相互依赖关系，确定噪点位置，并根据网格聚类生长方式确定存在噪点的网格，达到删除噪点的目的；以标准网格为基础，加入空间聚类及空间自相关，利用点云数据的空间分布特征及相互依赖关系快速精确的剔除成片噪点。附图说明图1是本专利技术一实施例的示意图。具体实施方式下面结合附图对本专利技术进行进一步地描述，需要说明的是，附图仅用于示例性说明，不能理解为对本专利的限制。如图1所示，一种基于LiDAR的点云顶部噪点剔除方法，点云数据位于三维空间坐标内，包括如下步骤：S1：在XOY坐标平面上对点云数据建立标准网格，设置网格边长参数值，并获取每个网格内在Z轴方向上最低点的高度值H’，即所述最低点的Z坐标值；S2：在步骤S1之后，根据点云数据的空间分布特征，获取每个网格垂直高度上连续无点云层的高度h，并记录连续无点云层的起始高度值H；S3：设定阈值h’，对步骤S2中每个网格的连续无点云层的高度h进行判定，对无点云层的高度h大于阈值h’的网格进行标记，认为该网格内高度值大于H的点为顶部噪点；S4：对步骤S3中标记的网格进行网格聚类成簇，同时对标记网格临近的非标记网格进行判定，当标记网格的连续无点云层的起始高度H小于非标记网格的最低点的高度值H’；则认为该非标记网格内可能存在顶部噪点；S5：以步骤S3中所述顶部噪点作为种子点设定距离阈值D，对步骤S4中认为可能存在顶部噪点的网格的有效点云进行聚类，其中满足距离阈值D条件的点云则判定为顶部噪点；S6：将步骤S3和步骤S5中判定的顶部噪点剔除。进一步地，步骤S2中无点云层的高度h的获取方法如下：S21：将网格在Z坐标方向上以高度d进行分层，标记不存在点云或者低于合理点云数量的点云层；S22：从网格底层开始累积标记的点云层的高度，若累积的过程中出现未标记的点云层，则记录累积的高度，并从下一个标记的点云层开始重新累积；按此步骤直至所有点云层遍历完毕；取最大的累积高度值作为h。进一步地，高度d为0.5m—1m。优选地，阈值h’为20m-25m。进一步地，步骤S5对有效点云进行聚类的算法为欧式聚类算法。本专利技术以空间聚类及空间自相关的角度为基础，对点云建立标准空间网格，利用点云数据的空间分布特征及相互依赖关系，确定噪点位置，并根据网格聚类的生长方式确定存在噪点的网格，利用初始确认的顶部噪点作为种子点进行欧式聚类，达到剔除噪点的目的，该算法放弃了逐个点的计算，缩减了计算时间，解决了普遍适用性不强或者效率低下等原因导致在实际的生产运用起不到良好的效果，实现了特殊气候环境下产生的具有成云片状，密度大，范围广泛的噪点剔除准确率较高。显然，本专利技术的上述实施例仅仅是为清楚地说明本专利技术所作的举例，而并非是对本专利技术的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本专利技术的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本专利技术权利要求的保护范围之内。本文档来自技高网...

【技术保护点】
一种基于LiDAR的点云顶部噪点剔除方法，点云数据位于三维空间坐标内，其特征在于，包括如下步骤：S1：在XOY坐标平面上对点云数据建立标准网格，设置网格边长参数值，并获取每个网格内在Z轴方向上最低点的高度值H’，即所述最低点的Z坐标值；S2：在步骤S1之后，根据点云数据的空间分布特征，获取每个网格在Z轴方向上连续无点云层的高度h，并记录连续无点云层的起始高度值H；S3：设定阈值h’，对步骤S2中每个网格的连续无点云层的高度h进行判定，对无点云层的高度h大于阈值h’的网格进行标记，认为该网格内高度值大于H的点为顶部噪点；S4：对步骤S3中标记的网格进行网格聚类成簇，同时对标记网格临近的非标记网格进行判定，当标记网格的连续无点云层的起始高度H小于非标记网格的最低点的高度值H’；则认为该非标记网格内可能存在顶部噪点；S5：以步骤S3中所述顶部噪点作为种子点设定距离阈值D，对步骤S4中认为可能存在顶部噪点的网格的有效点云进行聚类，其中满足距离阈值D条件的点云则判定为顶部噪点；S6：将步骤S3和步骤S5中判定的顶部噪点剔除。

【技术特征摘要】
1.一种基于LiDAR的点云顶部噪点剔除方法，点云数据位于三维空间坐标内，其特征在于，包括如下步骤：S1：在XOY坐标平面上对点云数据建立标准网格，设置网格边长参数值，并获取每个网格内在Z轴方向上最低点的高度值H’，即所述最低点的Z坐标值；S2：在步骤S1之后，根据点云数据的空间分布特征，获取每个网格在Z轴方向上连续无点云层的高度h，并记录连续无点云层的起始高度值H；S3：设定阈值h’，对步骤S2中每个网格的连续无点云层的高度h进行判定，对无点云层的高度h大于阈值h’的网格进行标记，认为该网格内高度值大于H的点为顶部噪点；S4：对步骤S3中标记的网格进行网格聚类成簇，同时对标记网格临近的非标记网格进行判定，当标记网格的连续无点云层的起始高度H小于非标记网格的最低点的高度值H’；则认为该非标记网格内可能存在顶部噪点；S5：以步骤S3中所述顶部噪点作为种子点设定距离阈值D，对步骤S4中认为可能存在顶部噪点的网格的有效点云进行聚类，其...

【专利技术属性】
技术研发人员：许志海，陈剑光，王丛，杨鹏，
申请(专利权)人：广东电网有限责任公司机巡作业中心，
类型：发明
国别省市：广东,44