一种基于Snake模型多基元融合的点云滤波方法技术

本发明专利技术公开了一种基于Snake模型多基元融合的点云滤波方法，通过采用多基元融合(点基元和对象基元)的滤波策略，可以有效避免单一基元滤波法鲁棒性差的缺陷，充分利用不同基元提供的特征信息，提高滤波方法对复杂地形区域的适应性。主要构建Snake模型，通过设置具有地面点吸附力的目标能量函数，使得模型能够兼顾点云的局部尺度信息与全局尺度信息，充分挖掘点云数据本身的自动化潜力。依据该模型将滤波阈值表示为地形坡度变化的线性函数，实现滤波阈值的自适应更新，能够避免单一阈值滤波精度差而多阈值需要过多参数设置的缺陷。

【技术实现步骤摘要】
一种基于Snake模型多基元融合的点云滤波方法
本专利技术涉及地理空间信息系统
，特别是涉及一种基于Snake模型多基元融合的点云滤波方法。
技术介绍
机载LiDAR(LightDetectionAndRanging)技术提供了一种全新的获取高时空分辨率地球空间信息的观测手段，它被誉为继全球定位系统以来在测绘遥感领域的又一场技术革命。机载LiDAR技术已广泛应用于道路提取、电力巡线、植被参数估测、变化检测、城市三维模型建立等生产、生活的众多领域。而实现以上点云后处理应用，一个非常关键的步骤便是点云滤波，即从LiDAR点云中去除地物点而保留地形点。点云滤波是点云数据处理的基础性工作，近年来大量的国内外研究人员对点云滤波进行了针对性的研究。虽然已有大量的点云滤波算法，并且部分算法已进行商业化应用(如TerraSolid软件应用不规则三角网渐进加密滤波算法)，但点云滤波算法研究仍处于发展阶段，还有许多问题没有得到解决，尤其是现有的滤波算法并未充分挖掘利用点云自身的特征信息，致使滤波算法自动化程度较低且难以适应复杂的地形环境。因此，迫切需要提出新的滤波理论与方法。近年来，关于点云滤波算法的研究有很多，根据滤波基本处理单元(基元)类型的不同，可以将这些算法分为以下两类：点基元滤波算法和对象基元滤波算法。其中，点基元滤波算法主要通过点与邻近点间的几何关系来判定一点是否属于地面点。根据临近点间几何关系定义的不同，点基元滤波算法具体可分为基于坡度的滤波算法、基于形态学的滤波算法和基于曲面的滤波算法。目前基于点基元的滤波算法较多，但此类型算法滤波理论相对单一，基本上都是在原有方法(基于坡度、基于形态学、基于曲面)的基础上进行改进的，缺乏新的滤波原理与方法。此外，点基元滤波算法往往可利用特征不足，并未充分挖掘点云数据本身的特征信息，使得该类型算法在复杂地形区域往往滤波效果较差。而对象基元滤波算法通常包含两步，首先采取某种分割方法对点云进行分割，然后再对分割的结果按照某种设定的规则进行点云滤波。点云分割的方法有很多，如扫描线的分割法、区域生长法、随机抽样一致法(RANSAC)等。在对分割结果进行滤波判断时，大多数算法通常都基于地面点聚类区域要低于地物点聚类区域这一假设。在滤波原理相似的前提下，相较于点基元滤波算法，对象基元滤波算法往往能够获得更好的滤波效果。但此类型算法的滤波结果严重依赖点云分割的质量，这也体现了采用单一基元进行点云滤波的局限性。虽然滤波方法有很多，但依然存在以下三个方面的问题亟待解决：(1)大多数滤波方法无法兼顾点云的局部尺度信息与全局尺度信息，使得滤波方法在部分复杂地形区域(如陡坡、不连续地形、斜坡上建有房屋等)难以取得良好的滤波效果。(2)采用单一基元实现点云滤波无法充分挖掘利用点云数据的自身特征，致使滤波方法鲁棒性较差，难以适应复杂地形环境。(3)为能适应各种地形环境，大多数滤波算法往往需要进行复杂的参数设置与阈值调节，这不仅降低了算法的自动化程度，而且也不利于经验缺乏的工作人员进行滤波实现。
技术实现思路
为此，本发的实施例提出一种基于Snake模型多基元融合的点云滤波方法，解决现有技术中的上述问题。一种基于Snake模型多基元融合的点云滤波方法，包括以下步骤：S1，加载机载雷达LAS格式的数据文件，获取点云XYZ坐标信息；S2，对点云数据进行格网化组织，采用形态学开运算探测点云数据中的噪声点，并进行剔除；S3，获取初始Snake模型，同时计算此时的初始能量；S4，采用Meanshift自动聚类方法，将每个点基元移动到密度函数的局部极大值点处，获取多个对象基元；S5，利用对象基元不断更新Snake模型，直至模型能量达到全局能量最小化；S6，利用步骤S5获取的全局能量最小化的Snake模型计算局部滤波阈值，并按点基元实现点云自动滤波。根据本专利技术提供的基于Snake模型多基元融合的点云滤波方法，采用多基元融合(点基元和对象基元)的滤波策略，可以有效避免单一基元滤波法鲁棒性差的缺陷，充分利用不同基元提供的特征信息，提高滤波方法对复杂地形区域的适应性。主要构建Snake模型，通过设置具有地面点吸附力的目标能量函数，使得模型能够兼顾点云的局部尺度信息与全局尺度信息，充分挖掘点云数据本身的自动化潜力。依据该模型将滤波阈值表示为地形坡度变化的线性函数，实现滤波阈值的自适应更新，避免单一阈值滤波精度差而多阈值需要过多参数设置的缺陷，因此与现有技术相比，本专利技术提供的方法具有以下优点：(1)构建合理的Snake模型，兼顾点云的局部尺度信息与全局尺度信息，提高滤波方法在复杂地形区域的滤波精度；(2)采用多基元融合的滤波策略，充分利用不同基元空间特性，提高滤波方法的鲁棒性；(3)基于全局能量最小化的Snake模型，实现滤波阈值随地形变化的自适应更新，提升算法自动化程度。另外，根据本专利技术上述的基于Snake模型多基元融合的点云滤波方法，还可以具有如下附加的技术特征：进一步地，所述步骤S2具体包括以下步骤：S21，将点云数据进行格网组织，生成深度图像I(x,y)；S22，对格网数据进行形态学膨胀运算，结构元素尺寸为3×3；S23，将形态学膨胀运算前后高差变化大于阈值的孤立点判定为噪声点，并进行剔除。进一步地，所述步骤S21具体包括以下步骤：S211，获取点云数据的二维平面包围盒；S212，计算平均点间距，并以平均点间距作为格网尺寸对二维平面包围盒进行格网剖分；S213，如果格网内有多个点存在，则取格网内所有点高程值的最小值作为该格网的特征值；S214，如果格网内没有数据，则取与该格网中心最邻近点的高程值作为该格网的特征值。进一步地，所述步骤S3具体包括以下步骤：S31，对去噪后的深度图像进行大尺度的形态学腐蚀运算，获取初始Snake模型；S32，计算模型的初始能量，即计算模型的内部能量与外部能量之和。进一步地，所述步骤S32具体包括以下步骤：S321，利用初始Snake模型计算地形坡度；S322，将模型内部能量表示成地形坡度的log函数并进行计算；S323，计算初始模型与实际地形之间的高差；S324，将模型外部能量表示成高差指数函数并进行计算；S325，计算内部能量与外部能量之和获取模型的初始能量。进一步地，所述步骤S4具体包括以下步骤：S41，任选一个点基元，如果该点基元未被访问过，则统计在以该点基元为圆心带宽h为半径的圆形范围内的所有点基元；S42，计算该圆形范围内所有点基元的meanshift向量mh,G(p)，如果mh,G(p)大于阈值则进行步骤S43，如果小于等于阈值则进行步骤S44；S43，根据meanshift向量更新计算圆心坐标位置，并统计以该圆心为中心半径为h范围内的所有点基元，继续执行步骤S42；S44，结束迭代循环，记录该点基元对应的模态点位置，并执行步骤S41，直到所有的点基元都被访问过位置；S45，将具有相同或相近模态点的点基元标记为同一类，获取多个对象基元。进一步地，所述步骤S5具体包括以下步骤：S51，获取步骤S4中的对象基元，并依次更新Snake模型，计算更新后的模型能量E′(M)；S52，计算Snake模型更新前后的能量差，并按Metropolis准则接受模型更新；S53，重复步本文档来自技高网...

【技术保护点】
1.一种基于Snake模型多基元融合的点云滤波方法，其特征在于，包括以下步骤：S1，加载机载雷达LAS格式的数据文件，获取点云XYZ坐标信息；S2，对点云数据进行格网化组织，采用形态学开运算探测点云数据中的噪声点，并进行剔除；S3，获取初始Snake模型，同时计算此时的初始能量；S4，采用Meanshift自动聚类方法，将每个点基元移动到密度函数的局部极大值点处，获取多个对象基元；S5，利用对象基元不断更新Snake模型，直至模型能量达到全局能量最小化；S6，利用步骤S5获取的全局能量最小化的Snake模型计算局部滤波阈值，并按点基元实现点云自动滤波。

【技术特征摘要】
1.一种基于Snake模型多基元融合的点云滤波方法，其特征在于，包括以下步骤：S1，加载机载雷达LAS格式的数据文件，获取点云XYZ坐标信息；S2，对点云数据进行格网化组织，采用形态学开运算探测点云数据中的噪声点，并进行剔除；S3，获取初始Snake模型，同时计算此时的初始能量；S4，采用Meanshift自动聚类方法，将每个点基元移动到密度函数的局部极大值点处，获取多个对象基元；S5，利用对象基元不断更新Snake模型，直至模型能量达到全局能量最小化；S6，利用步骤S5获取的全局能量最小化的Snake模型计算局部滤波阈值，并按点基元实现点云自动滤波。2.根据权利要求1所述的基于Snake模型多基元融合的点云滤波方法，其特征在于，所述步骤S2具体包括以下步骤：S21，将点云数据进行格网组织，生成深度图像I(x,y)；S22，对格网数据进行形态学膨胀运算，结构元素尺寸为3×3；S23，将形态学膨胀运算前后高差变化大于阈值的孤立点判定为噪声点，并进行剔除。3.根据权利要求2所述的基于Snake模型多基元融合的点云滤波方法，其特征在于，所述步骤S21具体包括以下步骤：S211，获取点云数据的二维平面包围盒；S212，计算平均点间距，并以平均点间距作为格网尺寸对二维平面包围盒进行格网剖分；S213，如果格网内有多个点存在，则取格网内所有点高程值的最小值作为该格网的特征值；S214，如果格网内没有数据，则取与该格网中心最邻近点的高程值作为该格网的特征值。4.根据权利要求1所述的基于Snake模型多基元融合的点云滤波方法，其特征在于，所述步骤S3具体包括以下步骤：S31，对去噪后的深度图像进行大尺度的形态学腐蚀运算，获取初始Snake模型；S32，计算模型的初始能量，即计算模型的内部能量与外部能量之和。5.根据权利要求4所述的基于Snake模型多基元融合的点云滤波方法，其特征在于，所述步骤S32具体包括以下步骤：S321，利用初始Snake模型计算地形坡度；S322，将模型内部能量表示成地形坡度的log函数并进行计算；S323，计算初始模型与实际地形之间的高差；S324，将模型外部能量表示成高差指数函数并进行计算；S325，计算内部能量与外部能量之和获取模型的初始能量。6.根据权利要求1所述的基于Snake模型多基元融合的点云滤波方法，其特征在于，所述步骤S4具体包括以下步骤：S41，任选一个点基元，如果该点基元未...

【专利技术属性】
技术研发人员：惠振阳，王乐洋，程朋根，陈勇，易润忠，
申请(专利权)人：东华理工大学，
类型：发明
国别省市：江西,36