基于法向量的曲面拟合对车载激光点云滤波的方法技术

本发明专利技术提出了一种基于法向量的曲面拟合对车载激光点云滤波的方法，包括以下步骤：(1)加载激光点云数据，对其进行直通滤波；(2)对激光点云数据进行格网化处理，并获取地面种子点；(3)对地面种子点拟合成二次曲面；(4)比较待定点实际高程与二次曲面计算出的理论高程间的差值Δh，若Δh小于阈值，则加入到曲面拟合，每次加入一个新的地面点，就丢掉一个最远的点，否则进行下一步；(5)若Δh大于阈值，则判断该点处法向量，若法向量与Z轴夹角大于85°，则判定为非地面点，并滤除；否则，将其视为地面点；(6)重复步骤三、四、五，直到遍历所有点。

【技术实现步骤摘要】
基于法向量的曲面拟合对车载激光点云滤波的方法
本专利技术涉及一种点云处理领域，尤其涉及一种基于法向量的曲面拟合对车载激光点云滤波的方法。
技术介绍
车载激光扫描技术作为一项发展迅速的高新测绘技术，由全球定位系统、惯性导航系统、激光扫描仪和CCD相机等组成，是获取三维空间数据的新手段。相比于传统测绘手段，其具有获取数据速度快、采集的数据精度高、非接触主动测量、实时性强等优势。目前，广泛应用于地籍测量、城市建模等领域。随着激光扫描技术的不断发展，获取的激光点云密度增大，数据量增多，已严重影响点云的后期处理。车载激光点云滤波是将点云分为地面点和非地面点的过程，这也是构建数字高程模型的需要。在点云滤波方面，机载激光点云滤波方法已经发展成熟，主要有渐进不规则三角网加密点云滤波、基于坡度和高度的滤波、基于数学形态学的滤波和基于移动曲面的滤波等。然后，相比于机载激光点云滤波，车载激光点云地面滤波方面的研究还不完善，大多是借鉴机载激光点云滤波的思想，加以改进。每种滤波方法都在各自合适的地形中有好的滤波效果，但同时也都有不足，渐进不规则三角网加密算法是基于二维邻域进行搜索，其计算量和算法复杂度相对较大，且对灌丛或低矮的地面物体进行过滤时，会有明显误差；基于坡度和高度的滤波需要预先知道地形坡度和所开窗口大小，待选点必须同其它所有点进行比较，以确定该点是否为地面点，算法计算量大，速度慢；基于数学形态学的滤波算法要考虑坡度阈值的选取和细节地形的方块效应，不具有普适性。因此，针对不同的地形特点，要选择合适的滤波方法并进行相应的调整，才会有更好的效果。本专利技术提出一种基于法向量的曲面拟合对车载激光点云滤波的方法，在曲面拟合算法的基础上，用最小二乘支持向量机(LS-SVM)挑选较好的地面种子点，弥补了用最低点作为地面种子点带来的误差；同时，根据待定点处法向量的方向，进一步判断待定点是否为地面点。
技术实现思路
本专利技术提出了一种基于法向量的曲面拟合对车载激光点云滤波的方法，在曲面拟合算法的基础上，用最小二乘支持向量机(LS-SVM)挑选较好的地面种子点，弥补了用最低点作为地面种子点带来的误差；同时，根据待定点处法向量的方向，进一步判断待定点是否为地面点；克服复杂地形滤波效果的不足。为了解决上述技术问题，本专利技术的技术方案是这样实现的：该基于法向量的曲面拟合对车载激光点云滤波的方法，具体包括以下步骤：(1)加载激光点云数据，对其进行直通滤波；(2)对激光点云数据进行格网化处理，并获取地面种子点；(3)对地面种子点拟合成二次曲面；(4)比较待定点实际高程与二次曲面计算出的理论高程间的差值Δh，若Δh小于阈值，则加入到曲面拟合，每次加入一个新的地面点，就丢掉一个最远的点，否则进行下一步；(5)若Δh大于阈值，则判断该点处法向量，若法向量与Z轴夹角大于85°，则判定为非地面点，并滤除；否则，将其视为地面点；(6)重复步骤三、四、五，直到遍历所有点。采用上述技术方案，先对数据进行直通滤波，一般车载扫描的点云数据沿Z方向分布较广，X、Y方向的分布处于有限范围内；因此根据点云的Z方向高程分布，采用直通滤波器，设置合适的阈值，可较快剪除离群点，达到第一步粗处理的目的；在曲面拟合算法的基础上，用最小二乘支持向量机(LS-SVM)挑选较好的地面种子点，弥补了用最低点作为地面种子点带来的误差；同时，根据待定点处法向量的方向，进一步判断待定点是否为地面点；主要克服复杂地形滤波效果的不足。本专利技术进一步改进在于，所述步骤(2)采用LS-SVM算法对每个格网构建趋势面，具体步骤包括：找出LS-SVM的优化目标和约束条件；然后，引入拉格朗日函数求出最优决策函数；最后，基于LS-SVM构造的趋势面在核函数选取合理地情况下，按照格网内高程从低到高的次序，依次计算候选点的实际高程与最优决策函数计算出的高程值间的差值，并以2倍中误差作为限差，直到找到合适地面种子点。本专利技术进一步改进在于，所述步骤(2)具体步骤包括：S21搜索区域边界，将扫描区域划分为6个网格；S22最小二乘支持向量机(LS-SVM)：首先，给定格网内数据为训练样本，{(xi,yi),zi},(i＝1,2,…n)，(xi,yi)是平面坐标，zi是高程值，则LS-SVM的优化目标和约束条件分别为：式中，是平面坐标函数，属于函数类ω为权向量，b为常实数；ξi为松弛因子；C为权重系数；然后，引入拉格朗日函数F求解上式的优化问题：式中，ai是拉格朗日乘子；由KKT最优化条件核函数定义为：消去ω和ξ后的线性方程为：求解常数b及拉格朗日乘子ai，则用LS-SVM构造的最优决策函数为：最后，结合实际以2倍中误差为异常值的限差，检测高程值zi是否为异常值，是否可以作为地面种子点：基于LS-SVM构造的趋势面在核函数选取合理地情况下，可检测出异常值。本专利技术进一步改进在于，所述步骤(3)具体包括以下步骤：用二次曲面拟合局部空间面元，局部曲面表达式为：(xi,yi)为点云坐标，a0，a1，a2，a3，a4，a5是曲面拟合系数；用挑选出的6个地面点可以求解出拟合系数。本专利技术进一步改进在于，所述步骤(5)中用主元分析法计算待定点即步骤(4)中Δh大于阈值的点处法向量，具体步骤包括：对待定点及其八邻域点拟合二次曲面，计算曲面法向量，按照先验知识，若与坐标系Z轴夹角大于85°，则判断该点为建筑物立面点；若夹角为0°，则判定为路面点；若该点的八邻域内各点的法向量与Z轴夹角的统计值没有规律，则可视该点位于树木枝叶处。本专利技术进一步改进在于，所述步骤(5)中的待定点集为P＝{Pi,i∈1,2,…,n}，Pi∈R3,对任意一点Pi,根据欧式距离获得k邻域点qi,j＝{qi,1,qi,2,…,qi,k},则P的协方差矩阵为：是Pi及其邻域qi,j集合的重心，C是邻域点与重心点的平均距离的和；通过上式求得3个特征值及其对应的特征向量e1,e2,e3；则e1可以近似为Pi在局部邻域内的法向向量。与现有技术相比，本专利技术的具有以下有益效果：现有的滤波算法在适合的地形都发挥很好的效果，但是很多算法在处理陡坎或者欺负较大的地区时，都会存在误差，点云滤波过度，地形特征点会丢失。本专利技术在处理陡坎时候，慎重选择地面种子点且结合点云法向量的限制条件进行过滤，克服复杂地形滤波效果的不足。附图说明图1为本专利技术的基于法向量的曲面拟合对车载激光点云滤波的方法的流程示意图；图2位本专利技术的基于法向量的曲面拟合对车载激光点云滤波的方法中的主元分析计算法向量示意图；图3为本专利技术的基于法向量的曲面拟合对车载激光点云滤波的方法中的一个实例的地形原始点云数据图；图4为本专利技术的基于法向量的曲面拟合对车载激光点云滤波的方法中图3中的原始点云数据图的滤波后点云数据图；图5为本专利技术的基于法向量的曲面拟合对车载激光点云滤波的方法中的另一个实例的地形原始点云数据图；图6为本专利技术的基于法向量的曲面拟合对车载激光点云滤波的方法图5中的原始点云数据图的滤波后点云数据图。具体实施方式下面将结合本专利技术的实施例图中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述。实施例：如图1所示，该基于法向量的曲面拟合对车载激光点云滤波的方法，具体包括以下步骤：(1)加载激光点云数据，对其进行直通滤波；(2)对激光点云本文档来自技高网...

【技术保护点】
1.一种基于法向量的曲面拟合对车载激光点云滤波的方法，其特征在于，具体包括以下步骤：(1)加载激光点云数据，对其进行直通滤波；(2)对激光点云数据进行格网化处理，并获取地面种子点；(3)对地面种子点拟合成二次曲面；(4)比较待定点实际高程与二次曲面计算出的理论高程间的差值Δh，若Δh小于阈值，则加入到曲面拟合，每次加入一个新的地面点，就丢掉一个最远的点，否则进行下一步；(5)若Δh大于阈值，则判断该点处法向量，若法向量与Z轴夹角大于85°，则判定为非地面点，并滤除；否则，将其视为地面点；(6)重复步骤三、四、五，直到遍历所有点。

【技术特征摘要】
1.一种基于法向量的曲面拟合对车载激光点云滤波的方法，其特征在于，具体包括以下步骤：(1)加载激光点云数据，对其进行直通滤波；(2)对激光点云数据进行格网化处理，并获取地面种子点；(3)对地面种子点拟合成二次曲面；(4)比较待定点实际高程与二次曲面计算出的理论高程间的差值Δh，若Δh小于阈值，则加入到曲面拟合，每次加入一个新的地面点，就丢掉一个最远的点，否则进行下一步；(5)若Δh大于阈值，则判断该点处法向量，若法向量与Z轴夹角大于85°，则判定为非地面点，并滤除；否则，将其视为地面点；(6)重复步骤三、四、五，直到遍历所有点。2.根据权利要求1所述的激光点云技术的地籍测量方法，其特征在于，所述步骤(2)采用LS-SVM算法对每个格网构建趋势面，具体步骤包括：找出LS-SVM的优化目标和约束条件；然后，引入拉格朗日函数求出最优决策函数；最后，基于LS-SVM构造的趋势面在核函数选取合理地情况下，按照格网内高程从低到高的次序，依次计算候选点的实际高程与最优决策函数计算出的高程值间的差值，并以2倍中误差作为限差，直到找到合适地面种子点。3.根据权利要求2所述的激光点云技术的地籍测量方法，其特征在于，所述步骤(2)具体步骤包括：S21搜索区域边界，将扫描区域划分为6个网格；S22最小二乘支持向量机(LS-SVM)：首先，给定格网内数据为训练样本，{(xi,yi),zi},(i＝1,2,…n)，(xi,yi)是平面坐标，zi是高程值，则LS-SVM的优化目标和约束条件分别为：式中，是平面坐标函数，属于函数类ω为权向量，b为常实数；ξi为松弛因子；C为权重系数；然后，引入拉格朗日函数F...

【专利技术属性】
技术研发人员：龙冰心，钱志奇，徐忠建，朱必亮，温四林，
申请(专利权)人：速度时空信息科技股份有限公司，
类型：发明
国别省市：江苏,32