一种最小豪斯多夫距离面特征约束的点云航带平差方法技术

本发明专利技术公开了一种最小豪斯多夫距离面特征约束的点云航带平差方法，主要包括：使用渐进三角网加密滤波算法对每条航带点云进行处理，得到地面点与非地面点；通过半抑制模糊C均值聚类与区域增长从非地面点中探测到每条航带中建筑物点；根据每条航带最小外包矩形确定相邻航带重叠区域内建筑物点，并对重叠区域内建筑物点进行处理得到单栋建筑物；使用由粗到精的方法从单栋建筑物中分割出面片；使用最小豪斯多夫距离与法向量约束从相邻航带重叠区域内探测出同名面片；使用同名面片构建误差方程并解算相邻航带转换参数。本发明专利技术以数据驱动的方式对航带点云进行平差处理，可为后续各类应用提供可靠数据。应用提供可靠数据。应用提供可靠数据。

【技术实现步骤摘要】
一种最小豪斯多夫距离面特征约束的点云航带平差方法


[0001]本专利技术属于机载激光雷达数据处理
,尤其涉及一种最小豪斯多夫距离面特征约束的点云航带平差方法。

技术介绍

[0002]机载激光雷达(Airborne Light Detection And Ranging，LiDAR)是一种主动式航空遥感对地观测系统，其不受天气环境影响，可以获取高精度、高密度的点云数据，其为高时空高分辨率的地球空间信息提供了一种全新的技术手段。
[0003]在实际应用中，LiDAR以单条航带的方式搜集测区内地形数据，其中单条航带的范围远远小于整个测区范围，因此一般需要多条航带才能完整覆盖整个测区。在实际应用中，LiDAR系统需要在搜集数据前由系统提供商和最终用户进行校准，以消除系统各部件之间集成而引起的系统误差。由于缺少精确的系统校准或者不规范的操作，在实际获取的相邻数据中仍存在偏差。因此要获取高精度的最终产品，如DEM，则必须进行航带拼接，以消除航带间偏差。然而由于机载点云密度低，很难从点云中直接获取同名点，因此如何获取高精度的同名特征是航带平差中的一个难点。另外，传统的基于人工手动选取同名特征的方式耗时不准确，其难以适应当今数据自动处理的需要。

技术实现思路

[0004]本专利技术针对基于点云数据本身的航带平差方法中难以自动搜索同名特征的问题，在此提出一种最小豪斯多夫距离面特征约束的点云航带平差方法，实现机载LiDAR航带间自动平差计算，消除由系统检校不完全而引起的误差。
[0005]实现本专利技术所说的一种最小豪斯多夫距离面特征约束的点云航带平差方法的技术方案具体如下：
[0006]步骤1：引入多条机载激光雷达航带点云数据；
[0007]步骤2：将每条机载激光雷达航带点云数据使用渐进三角网加密滤波算法进行滤波处理，获取每条机载激光雷达航带点云数据中非地面点云以及每条机载激光雷达航带点云数据中地面点云；
[0008]步骤3：将每条机载激光雷达航带点云数据中非地面点云通过半抑制模糊C均值聚类方法得到每条机载激光雷达航带点云数据中多个初始建筑物种子点，将每条机载激光雷达航带点云数据中多个初始建筑物种子点通过区域增长聚类方法，得到每条机载激光雷达航带点云数据中非地面点云中的多个建筑物点；
[0009]步骤4：搜索每条机载激光雷达航带点云数据中非地面点云中的多个建筑物点的X轴坐标最大值、X轴坐标最小值、Y轴坐标最大值、Y轴坐标最小值，根据X轴与Y轴最大值与最小值确定两边平行于X轴与Y轴的包含每条机载激光雷达航带的最小外包矩形，将相邻两条机载激光雷达航带的最小外包矩形进行相交处理得到相邻两条机载激光雷达航带的重叠区域，将相邻两条机载激光雷达航带的重叠区域进行格网化处理得到相邻两条机载激光雷
达航带的重叠区域二值图像，将相邻两条机载激光雷达航带的重叠区域二值图像通过四连通区域标签法进行处理得到相邻两条机载激光雷达航带的重叠区域多个图像块，在相邻两条机载激光雷达航带的重叠区域每个图像块中搜索步骤3所述的每条机载激光雷达航带点云数据中非地面点云中的多个建筑物点，得到相邻两条机载激光雷达航带的重叠区域每个图像块中多个建筑物点；
[0010]步骤5：使用主成分分析法计算相邻两条机载激光雷达航带的重叠区域每个图像块中每个建筑物点的法向量、每个建筑物点的平面、每个建筑物点的曲率，将相邻两条机载激光雷达航带的重叠区域每个图像块中建筑物点的曲率最小的建筑物点作为相邻两条机载激光雷达航带的重叠区域对应图像块的种子点，将相邻两条机载激光雷达航带的重叠区域每个图像块的除种子点外的建筑物点构建相邻两条机载激光雷达航带的重叠区域每个图像块的非种子点集，使用点到平面计算方法与向量间夹角计算方法分别计算相邻两条机载激光雷达航带的重叠区域中每个图像块的非种子点集中每个建筑物点与种子点的法向量夹角、相邻两条机载激光雷达航带的重叠区域中每个图像块的非种子点集中每个建筑物点到种子点的平面的距离，将相邻两条机载激光雷达航带的重叠区域每个图像块的非种子点集中建筑物点与种子点的法向量夹角大于等于夹角阈值或到种子点的平面的距离大于等于距离阈值的建筑物点筛选出来得到相邻两条机载激光雷达航带的重叠区域每个图像块的建筑物非平面点集，将相邻两条机载激光雷达航带的重叠区域每个图像块的非种子点集中建筑物点与种子点的法向量夹角小于夹角阈值且到种子点的平面的距离小于距离阈值的建筑物点筛选出来得到相邻两条机载激光雷达航带的重叠区域每个图像块的建筑物平面点集，进一步与相邻两条机载激光雷达航带的重叠区域每个图像块的建筑物平面点集通过最小二乘方法构建初始平面，使用向量间夹角计算方法计算相邻两条机载激光雷达航带的重叠区域每个图像块的建筑物非平面点集每个建筑物点到种子点的法向量夹角，使用点到平面距离计算方法计算相邻两条机载激光雷达航带的重叠区域每个图像块的建筑物非平面点集每个建筑物点到初始平面的距离，将相邻两条机载激光雷达航带的重叠区域每个图像块的建筑物非平面点集每个建筑物点与种子点的法向量夹角小于距离阈值且到初始平面的距离小于距离阈值的建筑物点筛选出来与建筑物平面点集、种子点共同构成相邻两条机载激光雷达航带的重叠区域每个图像块的最终建筑物平面点集，将相邻两条机载激光雷达航带的重叠区域每个图像块的建筑物非平面点集每个建筑物点到种子点的法向量夹角大于等于距离阈值或者到初始平面的距离大于等于距离阈值的建筑物点筛选出来构建相邻两条机载激光雷达航带的重叠区域每个图像块的最终非建筑物平面点集；
[0011]步骤5所述相邻两条机载激光雷达航带的重叠区域每个图像块的最终建筑物平面点集中每个建筑物点均属于初始平面；
[0012]步骤5所述相邻两条机载激光雷达航带的重叠区域每个图像块的最终非建筑物平面点集每个建筑物点均有对应的平面；
[0013]步骤6：对于一条机载激光雷达航带的重叠区域每个图像块的建筑物点集，使用豪斯多夫距离计算方法计算其到相邻机载激光雷达航带的重叠区域每个图像块的建筑物点集的豪斯多夫距离，若一条机载激光雷达航带的重叠区域的一个图像块的建筑物点集到相邻机载激光雷达航带的重叠区域中每个图像块的建筑物点集的最小豪斯多夫距离小于阈值，将一条机载激光雷达航带的重叠区域建筑物点集与最小豪斯多夫距离对应的相邻机载
激光雷达航带的重叠区域图像块的建筑物点集作为一对同名建筑物点集。使用豪斯多夫距离计算方法与向量间夹角计算方法计算一对同名建筑物点集中一栋建筑物点集分割对应的平面到一对同名建筑物点集中另一栋建筑物点集中每个面片的豪斯多夫距离以及法向量夹角。若一对同名建筑物点集中一栋建筑物点集分割对应的平面到最小豪斯多夫距离对应的一对同名建筑物点集中另一栋建筑物点集分割的面片对应的法向量夹角小于夹角阈值，则将一对同名建筑物点集中一栋建筑物点集分割对应的平面与一对同名建筑物点集中另一栋建筑物点集分割的面片作为同名面片。
[0014]步骤7：以相邻航带探测得到的同名面片方程以及同名面片对应的点云数据，根据同名面片中一个面片中点云数据满足同名面片中另一面片方程构造本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种最小豪斯多夫距离面特征约束的点云航带平差方法，通过引入最小豪斯多夫距离实现点云航带平差，消除航带间偏差，其特征在于包括以下步骤：步骤1：引入多条机载激光雷达航带点云数据；步骤2：将每条机载激光雷达航带点云数据使用渐进三角网加密滤波算法进行滤波处理，获取每条机载激光雷达航带点云数据中非地面点云以及每条机载激光雷达航带点云数据中地面点云；步骤3：将每条机载激光雷达航带点云数据中非地面点云通过半抑制模糊C均值聚类方法得到每条机载激光雷达航带点云数据中多个初始建筑物种子点，将每条机载激光雷达航带点云数据中多个初始建筑物种子点通过区域增长聚类方法，得到每条机载激光雷达航带点云数据中非地面点云中的多个建筑物点；步骤4：搜索每条机载激光雷达航带点云数据中非地面点云中的多个建筑物点的X轴坐标最大值、X轴坐标最小值、Y轴坐标最大值、Y轴坐标最小值，根据X轴与Y轴最大值与最小值确定两边平行于X轴与Y轴的包含每条机载激光雷达航带的最小外包矩形，将相邻两条机载激光雷达航带的最小外包矩形进行相交处理得到相邻两条机载激光雷达航带的重叠区域，将相邻两条机载激光雷达航带的重叠区域进行格网化处理得到相邻两条机载激光雷达航带的重叠区域二值图像，将相邻两条机载激光雷达航带的重叠区域二值图像通过四连通区域标签法进行处理得到相邻两条机载激光雷达航带的重叠区域多个图像块，在相邻两条机载激光雷达航带的重叠区域每个图像块中搜索步骤3所述的每条机载激光雷达航带点云数据中非地面点云中的多个建筑物点，得到相邻两条机载激光雷达航带的重叠区域每个图像块中多个建筑物点；步骤5：使用主成分分析法计算相邻两条机载激光雷达航带的重叠区域每个图像块中每个建筑物点的法向量、每个建筑物点的平面、每个建筑物点的曲率，将相邻两条机载激光雷达航带的重叠区域每个图像块中建筑物点的曲率最小的建筑物点作为相邻两条机载激光雷达航带的重叠区域对应图像块的种子点，将相邻两条机载激光雷达航带的重叠区域每个图像块的除种子点外的建筑物点构建相邻两条机载激光雷达航带的重叠区域每个图像块的非种子点集，使用点到平面计算方法与向量间夹角计算方法分别计算相邻两条机载激光雷达航带的重叠区域中每个图像块的非种子点集中每个建筑物点与种子点的法向量夹角、相邻两条机载激光雷达航带的重叠区域中每个图像块的非种子点集中每个建筑物点到种子点的平面的距离，将相邻两条机载激光雷达航带的重叠区域每个图像块的非种子点集中建筑物点与种子点的法向量夹角大于等于夹角阈值或到种子点的平面的距离大于等于距离阈值的建筑物点筛选出来得到相邻两条机载激光雷达航带的重叠区域每个图像块的建筑物非平面点集，将相邻两条机载激光雷达航带的重叠区域每个图像块的非种子点集中建筑物点与种子点的法向量夹角小于夹角阈值且到种子点的平面的距离小于距离阈值...

【专利技术属性】
技术研发人员：马洪超，刘科，马海池，元佳林，王晓晨，
申请(专利权)人：武汉大学，
类型：发明
国别省市：