【技术实现步骤摘要】
多级滤波算法的日间条件下不同波束光子云数据去噪方法
[0001]本专利技术涉及数据去噪
,特别是涉及多级滤波算法的日间条件下不同波束光子云数据去噪方法。
技术介绍
[0002]激光雷达(Light Detection and Ranging,LiDAR)作为主动式遥感探测技术,通过计算激光能量脉冲在传感器与目标之间的往返时间,能够快速准确获取地表三维数据。基于搭载平台不同,可分为地基激光雷达、机载激光雷达和星载激光雷达,其中星载激光雷达具有运行轨道高、观测范围广及免费获取等优点,因而在获取大区域地表三维数据方面具有独特的优势。冰云陆地高程卫星
‑
2(Ice,cloud,and land elevation satellite
‑
2,ICESat
‑
2)作为目前唯一的光子体制激光测高卫星,通过搭载先进地形激光高度计系统(Advanced Topographic Laser Altimeter System,ATLAS)激光测高仪,采用微脉冲多波束光子技术激光雷达,可以获取光斑更小密度更高的光子点云数据,具有高灵敏、高重频的特点。但光子计数激光雷达发射的激光脉冲为弱信号,受噪声影响相对较大,而系统却无法在硬件层面对其进行区分,因而只能将噪声信号也一起记录到的光子事件生成点云,从而导致光子计数点云包含大量的噪声点。因此如何有效区分噪声与有用信号是后续光子激光雷达数据应用的关键。
[0003]目前,针对光子激光雷达数据的去噪处理方法包括粗去噪和精去噪两部分, ...
【技术保护点】
【技术特征摘要】
1.多级滤波算法的日间条件下不同波束光子云数据去噪方法,其特征在于,包括:步骤1:输入日间光子点云数据,读取其经纬度、高程信息,将数据转化为沿轨距离
‑
高程的形式,基于RANSAC算法进行第一级去噪,即粗去噪;步骤2:基于粗去噪后的所述日间光子云数据,进行点云特征分析,获取各窗口下的水平方向连续性参数,并以所述水平方向连续性参数为参考依据,自适应的改进第二级去噪算法,即精去噪,搜索域的形状、大小和方向参数;步骤3:基于OPTICS密度聚类算法和RNR
‑
KNNB算法组合的多级滤波算法对粗去噪后的所述日间光子云数据进行第二级去噪,并获取可达距离排序和局部距离统计值,采用最大类间方差的方法对所述可达距离排序和所述局部距离统计值进行阈值分割,根据阈值分割结果设定去噪阈值,基于所述去噪阈值,去除噪声光子,并对第二级去噪后的所述日间光子云数据进行判定;步骤4:判定输入数据是否为日间弱波束数据,如若是则对步骤3精去噪结果采用RANSAC算法进行异常数据去除,当第二级去噪后的所述光子云数据判断为日间强光束时,则对所述光子云数据不做处理。2.根据权利要求1所述的多级滤波算法的日间条件下不同波束光子云数据去噪方法,其特征在于,所述步骤1包括如下步骤:步骤1.1:光子云数据读取,采用NASA所发布的ICESat
‑
2/ATLAS数据产品中的ATL03和ATL08,其中:ATL03数据提供了每个光子的时间,经纬度以及高程信息;ATL08数据则是基于ATL03数据通过NASA官方算法进行去噪分类后的产品,两数据格式均为HDF5(.h5)格式;其中,针对ATL03数据确定滤波方向并进行滤波处理,ATL08数据则是作为官方结果进行精度对比,所述日间光子点云数据可通过HDFView、PhoReal软件或者自行编程读取,并将数据转化为沿轨距离
‑
高程的形式;步骤1.2:基于RANSAC算法对步骤数据1.1所读取数据进行第一级去噪包括:S1.通过等沿轨距离的方法对所述日间光子云数据进行分窗口处理,将所述光子云数据转化为沿轨距离
‑
高程的形式,并按预设沿轨距离间隔进行划分;S2.随机从各窗口内选择不重复的点作为子集,根据所述子集进行模型拟合,获取模型参数并建立三参数曲线拟合模型;S3.基于所述三参数曲线拟合模型对所有点进行检查,并更新所述模型参数及所述模型参数对应的内点个数;S4.重复S1
‑
S3,直到满足预设最大迭代次数,统计各个所述三参数曲线拟合模型所获取到的内点个数,将内点数量最多的所述三参数曲线拟合模型记为最优模型并输出。3.根据权利要求2所述的多级滤波算法的日间条件下不同波束光子云数据去噪方法,其特征在于,所述步骤2包括:步骤2.1:将目标点作为原点,以所述目标点的横坐标作为X轴,所述目标点的纵坐标作为Y轴,将第一级去噪后的所述光子云数据数据划分成四个象限,分别在四个象限内找到与所述目标点最邻近的点作为邻近点,最后统计所述邻近点与所述目标点连线与水平方向的夹角;步骤2.2:对所述夹角进行归纳统计,对归纳统计后的所述夹角进行去除垂直...
【专利技术属性】
技术研发人员:尤号田,覃志刚,黄元威,唐旭,
申请(专利权)人:桂林理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。