一种无人机与激光检测结合对气团三维成像的计算方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种无人机与激光检测结合对气团三维成像的计算方法，包括：使用无人机采集多角度数据，生成气体浓度平面分布图，获取每个数据点的隶属度，构建邻域密度修正系数，获取数据点修正系数，根据修正系数确定消除数据点数量。根据消除数据点数量，对数据点进行消除。使用DensityPeaks密度峰聚类算法剔除背景噪点，完成图像去噪。本发明专利技术提出了一种无人机与激光检测结合对气团三维成像的计算方法，针对传统局部密度聚类算法中，噪声和测点混杂时去噪难度大的问题，优化了在邻域范围内计算邻域密度时的真实性，避免了局部最优侧重以及经验阈值的主观性问题。主观性问题。主观性问题。

【技术实现步骤摘要】
一种无人机与激光检测结合对气团三维成像的计算方法


[0001]本专利技术涉及图像处理
，具体涉及一种无人机与激光检测结合对气团三维成像的计算方法。

技术介绍

[0002]近年来，在气体检测领域TDLAS技术得到了广泛应用，该技术具有分辨率高、选择性强、响应速度快、寿命长等特点。很多易燃易爆有毒气体潜在危害极大，如果这些危险气体一旦发生泄露却没有被及时发现将对能源开采运输、化工企业生产和大气环境等造成威胁。
[0003]现有利用无人机搭载激光雷达对输油输气管进行巡逻监测的方法，通过多角度激光数据对泄漏气体进行三维图像重建，然后计算泄漏气体的浓度值，然而三维图像的成像质量与单角度采集点云数据的准确度有直接关系，尤其高灵敏度激光探测器不可避免存在较大背景噪声，三维成像图会出现严重失真，对泄漏气体的浓度监测结果错误，传统点云数据去噪算法分为两类，一类为利用数字影像技术对栅格化的点云数据进行处理，一类为直接根据局部点云之间的统计量设置判断阈值，前者多为无差别去噪，存在误差较大的问题，栅格化过程也会损失有效信息；后者则存在由于统计量增加，导致全局阈值设置困难的问题。

技术实现思路

[0004]本专利技术提供了一种无人机与激光检测结合对气团三维成像的计算方法，以解决现有的问题。
[0005]本专利技术的实施例采用如下技术方案：本专利技术一个实施例提供了一种无人机与激光检测结合对气团三维成像的计算方法，该方法包括以下步骤：无人机采集多角度数据并生成气体浓度平面分布图；在气体浓度平面分布图上划分出聚集区域和背景区域，将聚集区域内每个数据点在邻域范围内所包含的数据点数量记为每个数据点的邻域密度；获取聚集区域内每个数据点的匹配项以及匹配项个数，根据每个数据点的匹配项以及匹配项个数获得每个数据点与匹配项的平均欧式距离，记为第一距离，根据每个数据点的邻域密度以及每个数据点的最短距离获得每个数据点的平均最短距离，记为第二距离；获取每个数据点与匹配项的平均亮度差异，根据第一距离与第二距离的比值、匹配项个数以及平均亮度差异获得每个数据点的隶属度；按照隶属度由小到大将所有数据点排列获得隶属度序列，从左到右依次消除隶属度序列中的每个数据点，将消除到的数据点记为消除数据点，将隶属度序列上消除数据点右侧所有数据点记为未消除数据点，将所有未消除数据点的隶属度的均值记为消除数据点的第一平均隶属度，根据每个未消除数据点的最短距离获得每个未消除数据点的对照值，
根据消除数据点的第一平均隶属度以及所有未消除数据点的对照值的方差得到消除数据点的修正系数，根据所有数据点对应的修正系数获取所有聚集区域数据点的平均修正系数，将平均修正系数最大的消除数据点记为目标数据点，将隶属度序列中目标数据点及目标数据点左侧的数据点删除，将隶属度序列中剩余的数据点记为修正数据点；将所有修正数据点和背景区域的所有数据点输入到密度峰聚类算法中去除噪点得到去噪后的气体浓度平面分布图，根据去噪后的气体浓度平面分布图进行三维成像。
[0006]进一步的，所述在气体浓度平面分布图上划分出聚集区域和背景区域，包括的具体步骤如下：使用SLIC超像素分割算法对气体浓度平面分布图进行划分，获取分割后的超像素块，使用大津阈值算法根据超像素块区域内数据点的平均浓度将所有超像素块分割为两个类别，获取每个类别中所有超像素块区域的平均数据点浓度的第一均值，将第一均值最大的类别中的超像素块区域作为聚集区域，剩余超像素块区域作为背景区域。
[0007]进一步的，所述获取聚集区域内每个数据点的匹配项以及匹配项个数，包括的具体步骤如下：对于任意一个数据点A，在其他所有数据点中，如果数据点B与数据点A的欧式距离最近，那么B称为A的匹配项，获得所有数据点的匹配项，如果有m个数据点的匹配项都是A，那么A的匹配项个数设置为m。
[0008]进一步的，所述根据第一距离与第二距离的比值、匹配项个数以及平均亮度差异获得每个数据点的隶属度，包括的具体步骤如下：其中，i为任意一个数据点，c为数据点i的任意一个匹配项，为数据点i的所有匹配项个数，为数据点i与数据点i的第c个匹配项的欧式距离，n代表数据点i的邻域密度，s代表数据点i所在邻域范围内第s个数据点，代表邻域范围内任意一个数据点的最短欧式距离，代表第i个数据点在气体浓度平面分布图中的亮度值，代表数据点i的第c个匹配项的亮度值，表示以自然常数为底的指数函数，表示第i个数据点的隶属度。
[0009]进一步的，所述根据消除数据点的第一平均隶属度以及所有未消除数据点的对照值的方差得到消除数据点的修正系数，包括的具体步骤如下：值的方差得到消除数据点的修正系数，包括的具体步骤如下：
其中，代表根据隶属度序列由小到大依次消除的数据点序号，y表示消除到第个数据点时数据点邻域中的第y个数据点，为消除至第个数据点时，数据点邻域范围内的数据点总数，表示消除至第个数据点时，数据点邻域中第y个数据点对应的隶属度，为消除至第个数据点时，数据点邻域内所有数据点的平均隶属度，记为第一平均隶属度，表示消除至第个数据点时，数据点邻域范围内任意一个数据点y与其他所有数据点的最短欧式距离，为消除至第个数据点时，数据点邻域范围内第y个数据点的对照值，表示消除至第个数据点时数据点的修正系数，表示求方差的函数，N表示隶属度序列的长度。
[0010]进一步的，所述密度峰聚类算法中需要使用聚类中心距离和局部密度，包括的具体步骤如下：密度峰聚类算法中需要使用的参数分别是聚类中心距离和局部密度，其中聚类中心距离的计算方法为：对所有数据点的邻域密度进行排序，对于邻域密度最大数据点的聚类中心距离为该点至邻域密度最小数据点的距离，对其他数据点的聚类中心距离为该数据点至大于该点邻域密度的集合中，与距离最小的那个数据点之间的距离；局部密度等于聚集区域内消除后的数据点与背景区域中数据点中每个数据点的邻域密度。
[0011]本专利技术的技术方案的有益效果是：本专利技术针对传统局部密度聚类算法仅能消除点云数据中的背景噪声，噪声和测点混杂时去噪难度大的问题，提出随机噪声在均匀度较好的测点分布图中对于其邻域结构和邻域数据类均存在一定程度破坏，来构建每个点对于邻域密度的隶属度，并增加惩罚项解决局部最优侧重问题，将隶属度由低到高进行消除。相比于传统局部密度聚类算法，我们优化了在邻域范围内计算邻域密度时的真实性，将隶属度较低的数据点认为可疑噪点进行消除，并通过设置惩罚项按隶属度由低到高进行消除，避免了局部最优侧重以及经验阈值的主观性问题。将混杂噪点和背景噪点均有效进行消除，大幅提高了无人机采集数据的真实性，以及后续重建气体三维图像的可信度。
附图说明
[0012]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0013]图1为本专利技术一种无人机与激光检测结合对气团三维成像的计算方法的步骤流程图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机与激光检测结合对气团三维成像的计算方法，其特征在于，该方法包括以下步骤：无人机采集多角度数据并生成气体浓度平面分布图；在气体浓度平面分布图上划分出聚集区域和背景区域，将聚集区域内每个数据点在邻域范围内所包含的数据点数量记为每个数据点的邻域密度；获取聚集区域内每个数据点的匹配项以及匹配项个数，根据每个数据点的匹配项以及匹配项个数获得每个数据点与匹配项的平均欧式距离，记为第一距离，根据每个数据点的邻域密度以及每个数据点的最短距离获得每个数据点的平均最短距离，记为第二距离；获取每个数据点与匹配项的平均亮度差异，根据第一距离与第二距离的比值、匹配项个数以及平均亮度差异获得每个数据点的隶属度；按照隶属度由小到大将所有数据点排列获得隶属度序列，从左到右依次消除隶属度序列中的每个数据点，将消除到的数据点记为消除数据点，将隶属度序列上消除数据点右侧所有数据点记为未消除数据点，将所有未消除数据点的隶属度的均值记为消除数据点的第一平均隶属度，根据每个未消除数据点的最短距离获得每个未消除数据点的对照值，根据消除数据点的第一平均隶属度以及所有未消除数据点的对照值的方差得到消除数据点的修正系数，根据所有数据点对应的修正系数获取所有聚集区域数据点的平均修正系数，将平均修正系数最大的消除数据点记为目标数据点，将隶属度序列中目标数据点及目标数据点左侧的数据点删除，将隶属度序列中剩余的数据点记为修正数据点；将所有修正数据点和背景区域的所有数据点输入到密度峰聚类算法中去除噪点得到去噪后的气体浓度平面分布图，根据去噪后的气体浓度平面分布图进行三维成像。2.根据权利要求1所述一种无人机与激光检测结合对气团三维成像的计算方法，其特征在于，所述在气体浓度平面分布图上划分出聚集区域和背景区域，包括的具体步骤如下：使用SLIC超像素分割算法对气体浓度平面分布图进行划分，获取分割后的超像素块，使用大津阈值算法根据超像素块区域内数据点的平均浓度将所有超像素块分割为两个类别，获取每个类别中所有超像素块区域的平均数据点浓度的第一均值，将第一均值最大的类别中的超像素块区域作为聚集区域，剩余超像素块区域作为背景区域。3.根据权利要求1所述一种无人机与激光检测结合对气团三维成像的计算方法，其特征在于，所述获取聚集区域内每个数据点的匹配项以及匹配项个数，包括的具体步骤如下：对于任意一个数据点A，在其他所有数据点中，如果数据点B与数据点A的欧式距离最近，那...

【专利技术属性】
技术研发人员：刘建伟，
申请(专利权)人：埃尔法山东仪器有限公司，
类型：发明
国别省市：