一种地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法技术

本发明专利技术公开了一种地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法，包括：步骤1、输入原始的机载激光雷达三维点云数据；步骤2、采用结合kd树和高程直方图的方法对三维点云数据进行去噪；步骤3、对去噪后的三维点云数据，使用二维区域生长方法获取插值参考点；步骤4、对插值参考点，基于DSM线特征对其进行优化；步骤5、对优化后的插值参考点，基于相对变异系数获取局部区域脚点高程波动程度，进行自适应地形的薄板样条插值，获取局部地形面的逼近模型作为滤波的分类面，对地面点和非地面点进行分割，并输出滤波后的点云。本发明专利技术的滤波方法受噪声影响小，对地形的细节特征保持较好，在多种地形数据下能够保持较稳定的滤波效果。

A terrain adaptive algorithm for Airborne LIDAR point cloud regularization based on thin plate spline interpolation

【技术实现步骤摘要】
一种地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法
本专利技术涉及测绘科学与
，尤其涉及一种地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法。
技术介绍
机载激光雷达作为一种新型地表信息获取手段，相比于传统摄影测量方法，具有全天候、穿透性强、快速获取地表三维几何信息等优点。但其获得的点云数据只是地表空间信息的离散化表示，缺乏语义信息(激光脚点对应的地物的类别信息)，为后续的应用增加难度。因此，点云数据的滤波是点云综合处理应用的重要一步。现有的机载激光雷达点云的滤波方法分为以下几类：基于数学形态学的算法、基于坡度的算法、基于三角网的算法、基于插值或拟合的算法以及基于聚类分割的算法等。形态学的方法在地形起伏较大区域对一些较小且复杂的地形难以兼顾，即使采用渐进的窗口，依然难以解决这一问题；此外，渐进窗口如何设定阈值，尤其是适应局部地形坡度的阈值，仍是研究的难点。基于坡度的算法，难点在于如何判定点云的坡度阈值，以及在地形坡度变化较大的区域如何自适应得到坡度阈值；同时对于地形断裂处坡度的参考几乎失去价值。基于三角网本文档来自技高网...

【技术保护点】
1.一种地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法，其特征在于，该方法包括以下步骤：/n步骤1、输入原始的机载激光雷达三维点云数据，包括激光脚点的三维坐标信息；/n步骤2、采用结合kd树和高程直方图的方法对三维点云数据进行去噪，包括离群噪声点和簇状噪声点的去除；/n步骤3、对去噪后的三维点云数据，使用二维区域生长方法获取插值参考点；/n步骤4、对插值参考点，基于DSM线特征对其进行优化；/n步骤5、对优化后的插值参考点，基于相对变异系数获取局部区域脚点高程波动程度，进行自适应地形的薄板样条插值，获取局部地形面的逼近模型作为滤波的分类面，对地面点和非地面点进行分割，并输出滤波后的点...

【技术特征摘要】
1.一种地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法，其特征在于，该方法包括以下步骤：
步骤1、输入原始的机载激光雷达三维点云数据，包括激光脚点的三维坐标信息；
步骤2、采用结合kd树和高程直方图的方法对三维点云数据进行去噪，包括离群噪声点和簇状噪声点的去除；
步骤3、对去噪后的三维点云数据，使用二维区域生长方法获取插值参考点；
步骤4、对插值参考点，基于DSM线特征对其进行优化；
步骤5、对优化后的插值参考点，基于相对变异系数获取局部区域脚点高程波动程度，进行自适应地形的薄板样条插值，获取局部地形面的逼近模型作为滤波的分类面，对地面点和非地面点进行分割，并输出滤波后的点云。


2.根据权利要求1所述的地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法，其特征在于，步骤2中所述的结合kd树和数学形态学变换的噪声点去除方法，其具体为：
步骤2.1、对点云构建三维kd树，若点云的点数大于一定阈值，先对点云进行分块，块的大小根据点密度和点云整体分布来决定，再对各块分别构建kd树，以加快点查询速度；
步骤2.2、基于kd树组织的三维点云，遍历kd树的所有点，对每一个点，在半径大于等于一定阈值的球体范围内，若球体范围内的点数少于设定的临近点个数阈值，则将当前点作为孤立噪声点移除；
步骤2.3、对步骤2.2得到的点，进行虚拟格网化，取最低高程作为每个网格单元的高程；
步骤2.4、对格网化的点进行形态学变换，基于底帽变换的结果移除簇状噪声点。


3.根据权利要求2所述的地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法，其特征在于，步骤2.4中所述的对格网化的点进行形态学变换，基于底帽变换的结果移除簇状噪声点的具体方法为：
步骤2.4.1、对格网化的点进行形态学开运算，即先腐蚀后膨胀的运算；其具体公式为：
Gopen＝dilate(erode(Gorigin))
其中，dilate和erode分别指对格网进行膨胀和腐蚀操作，Gorigin表示原始格网，Gopen表示开运算后的格网；
步骤2.4.2、根据步骤2.4.1的形态学开运算的结果，再进行形态学闭运算，即先膨胀后腐蚀的运算；膨胀和腐蚀的操作与步骤2.4.1相同；对开运算结果进行闭运算得到开闭格网Gclose的具体公式为：
Gclose＝dilate(erode(Gopen))
步骤2.4.3、将开闭运算的结果，与原始格网进行求差，得到底帽变换的结果GbottomHat；其具体公式为：
GbottomHat＝Gclose-Gorigin
步骤2.4.4、遍历三维点云的所有点，对每一个点找到其所属网格单元，若底帽变换的结果格网GbottomHat对应的网格单元大于一定阈值，且当前点的高程低于开闭运算后的格网Gclose对应的网格单元高程一定阈值，则将该点判定为噪声点并移除，以去除簇状低噪声点。


4.根据权利要求1所述的地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法，其特征在于，步骤3中所述的使用二维区域生长方法获取插值参考点，其具体方法为：
步骤3.1、根据去噪后的三维点云数据，得到高程栅格，使用局部最低法，在设定的范围内获取高程最低的栅格点，作为初始的生长种子点；
步骤3.2、根据步骤3.1获得的生长种子点，以相邻栅格的高程差值或坡度差值作为评判标准，进行二维的区域增长，将生长种子点和符合条件的区域增长点纳入插值参考点集合，用于后续插值判断；其具体公式为：
高程增长条件：z-zadj＜zt
坡度增长条件：
其中，(x，y，z)为当前点三维坐标，(xadj，yadj，zadj)为8邻域内相邻点三维坐标，Zt和St分别为高差和坡度阈值；
步骤3.3、根据步骤3.2得到的插值参考点，再次使用离群噪声去除的方法，将出现的高程异常点和孤立点从插值点集合中移除，得到备选的插值参考点。


5.根据权利要求4所述的地形自适应的机载LiDAR点云正则化薄板样条插值滤波方法，其特征在于，步骤4中所述的基于DSM线特征的插值参考点优化，其具体方法为：
步骤4.1、根据步骤3.3得到的备选插值参考点，构建DSM，对于空洞区域，使用克里金插值方法进行填充；
步骤4.2、对DSM高程进行归一化处理，并将其量化为灰度图，使用Canny、Scharr边缘检测算子提取高程断裂线，标记高程断裂区域所在的DSM栅格；
步骤4.3、优化检测的断裂线，移除长度小于一定阈值的线，连接补齐断开的两条或多条线，标记更新断裂区域标记；
步骤4.4、从多方向扫描DSM，筛选出位于两条断裂线之间的，且高程高于断裂线两边的高程的栅格单元；将位于这些区域的备选点从插值参考点中移除，在剩余的...

【专利技术属性】
技术研发人员：张永军，黄星北，刘欣怡，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42