基于数据自身的无人机激光点云精度自评估方法技术

本发明专利技术涉及无人机激光扫描的点云数据处理、精度评估技术领域，具体涉及一种基于数据自身的无人机激光点云精度自评估方法。该方法的评估流程包括以下步骤：(1)输入点云，(2)逐点半径邻域搜索，(3)逐点计算法向量，(4)逐点圆柱邻域搜索，(5)逐点估计点云的精度；对于输入点云中的每一个点，均采用步骤(1)～(5)中的方法评估其精度，获得输入点云的逐点精度评估结果。本发明专利技术的无人机激光点云精度评估方法无需外部参考数据，能够全自动完成、逐点评估无人机激光点云的精度，并能够真实的反应无人机激光点云的精度。激光点云的精度。激光点云的精度。

【技术实现步骤摘要】
基于数据自身的无人机激光点云精度自评估方法


[0001]本专利技术涉及无人机激光扫描的点云数据处理、精度评估
，具体涉及一种基于数据自身的无人机激光点云精度自评估方法。

技术介绍

[0002]无人机激光扫描系统在无人机平台中集成GNSS、INS、相机、激光扫描仪等传感器，可在无人机的飞行过程中高效地获取地物的三维空间和属性信息。无人机激光扫描系统在测绘、林业、水利等众多的行业和领域得到广泛应用，是目前最重要的地理空间信息获取技术之一。
[0003]无人机激光扫描系统中的GNSS、INS、激光扫描仪等传感器均有其自身的测量精度，同时无人机激光点云的精度还受到扫描入射角、地物属性和地物表面状况的影响，因此使用无人机激光扫描系统所获取的激光点云的精度通常难以与理论预测一致，而在应用中通常需要确切的无人机激光点云精度指标，且不同的应用通常需要不同精度的三维激光点云，因此确定/评定无人机激光点云的精度必不可少。
[0004]现有的评定无人机激光点云精度的方法包括一下几种：
[0005](1)基于理论模型预测的无人机激光点云精本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于数据自身的无人机激光点云精度自评估方法，其特征在于，评估流程包括以下步骤：(1)输入点云为至少包含x,y,z坐标的无人机激光点云数据；(2)逐点半径邻域搜索，对输入点云建立八叉树结构，对于输入点云中的每一个点P(x,y,z)，基于八叉树结构获得以P(x,y,z)为球心，半径为r的球范围之内的邻域点，记为N(P)；(3)逐点计算法向量，计算点P(x,y,z)的法向量，获取点P及其半径为r的球范围之内的邻域点N(P)的坐标X
i
，然后计算得到点P及其半径为r的球范围之内的邻域点N(P)的几何中心坐标再根据点P及其半径为r的球范围之内的邻域点N(P)的坐标X
i
、几何中心坐标计算3
×
3的协方差矩阵S，并对3
×
3的协方差矩阵S进行SVD分解，获取其三个特征值λ1、λ2、λ3(λ1≥λ2≥λ3≥0)及其对应的特征向量e1、e2、e3，其中e3即为点P的法向量，记为n；(4)逐点圆柱邻域搜索，以点P为中心，以过P点与法向量n平行的直线为轴构造圆柱，圆柱的半径为R、高度为H，搜索圆柱范围内的点，获得点P的圆柱邻域点，记为C(P)；在C(P)的搜索过程中，采用八叉树结构加速搜索过程；从八叉树的根节点开始，采用深度优先搜索方法进行搜索，如果节点与圆柱体不相交，则无需继续搜索子节点，如果节点与圆柱体相交，则继续搜索子节点直到叶子节点；对于与圆柱体相交的叶子节点，需判断点是否在圆柱体内；(5)逐点估计点云的精度，将点P的圆柱邻域点C(P)投影到圆柱中轴线上；以点P的投影p为坐标原点，各投影点到p点的距离为d，则可计算...

【专利技术属性】
技术研发人员：刘华，刘波，张晓鸣，于文玲，
申请(专利权)人：东华理工大学，
类型：发明
国别省市：