一种无序地面激光点云的逐扫描线地面过滤方法及系统技术方案

本发明专利技术适用于激光扫描技术领域，提供了一种无序地面激光点云的逐扫描线地面过滤方法及系统，包括以下步骤：对被测区域进行激光扫描，基于随机邻域分析的采样间隔估算法还原水平和竖直方向的扫描角分辨率；利用点云扫描模式的特性和水平角分辨率θ

【技术实现步骤摘要】
一种无序地面激光点云的逐扫描线地面过滤方法及系统


[0001]本专利技术涉及激光扫描
，具体是涉及一种无序地面激光点云的逐扫描线地面过滤方法及系统。

技术介绍

[0002]激光雷达通过快速发射的激光脉冲测量扫描仪到物体的距离和角度，准确、快速的获取物体表面三维数据，是信息采集的重要手段，扫描得到的数据为离散三维点，称为点云。为了进行不同场景下的数据采集，激光雷达的平台类型可分为机载激光扫描(ALS)、车载激光扫描(MLS)和地面激光扫描(TLS)等。
[0003]由于ALS、MLS和TLS在采集数据时具有显著不同的视角、扫描分辨率和适用性，ALS通过区域上方的视图收集数据，而地基激光雷达(MLS和TLS)具有更大的灵活性，可以通过改变扫描仪的位置扫描物体的侧面和顶部。因此，简单地采用ALS数据的地面滤波算法可能无法从MLS和TLS数据中提取地面点。MLS数据和TLS数据具有相似的扫描几何结构，然而，关键的区别在于，在MLS中，扫描仪是连续移动的，而在TLS中，扫描仪始终保持静止。TLS的优点在于通常能够获得比ALS和MLS更高的精度和密度，特别是在无人机和车辆无法访问的区域内。
[0004]在点云数据处理过程中，地面滤波的目的是分离地面和非地面点，从而为后续建模和分析提供数据，过滤的结果根据地形类型和数据特征而存在显著不同。现有的滤波算法可以分为：基于坡度、基于数学形态、基于聚类/分割方法、基于渐进加密不规则三角网和布料滤波(CSF)。现有地面滤波方法通常假定扫描所得地面点云分布在整个扫描场景，该假定在机载和车载激光点云中适用性较好，但地面激光点云的扫描中心为固定位置，受前视遮挡的影响较大，地面点云分布范围通常显著小于整个扫描场景范围，识别到的地面点密集分布在扫描中心周围。由于视角的限制，远距离的边缘位置通常采集不到地面点，而目前所使用的地面滤波技术面向整个扫描场景，所以会在未扫描得到地面点云的位置错误检测到地面点。

技术实现思路

[0005]针对现有技术存在的不足，本专利技术的目的在于提供一种无序地面激光点云的逐扫描线地面过滤方法及系统，以解决上述
技术介绍
中存在的问题。
[0006]本专利技术是这样实现的，一种无序地面激光点云的逐扫描线地面过滤方法，所述方法包括以下步骤：
[0007]对被测区域进行激光扫描，基于随机邻域分析的采样间隔估算法还原水平和竖直方向的扫描角分辨率；
[0008]利用点云扫描模式的特性和水平角分辨率θ
hori
进行无序扫描线重建；
[0009]通过构造相对点密度RD对扫描线密度进行分析，得到地面候选点集；
[0010]基于区域生长对地面候选点集进行精细化提取。
[0011]作为本专利技术进一步的方案：所述基于随机邻域分析的采样间隔估算法还原水平和竖直方向的扫描角分辨率的步骤，具体包括：
[0012]进行领域点集获取与分析，从点云数据中随机挑选n个点为随机点集p
i
，并查询其最近邻的k个点形成领域点集N(p
i
)，其中，N(p
i
)＝{p
ij
,j＝1,2...k},i＝1,2...,n；进行三维坐标(x，y，z)与球极坐标(ρ，θ，α)的转换，得到随机点集p
i
与领域点集N(p
i
)每个点方位角θ与竖直角α的计算公式：
[0013][0014]α＝arcsin(z/ρ)
[0015][0016][0017]其中x，y，z为点云在三维坐标系下的坐标值，ρ为三维点到原点O的距离，d为三维点到原点O的投影距离；
[0018]进行多区间宽度下的间隔角直方图分析，计算随机点云p
i
与其邻域点p
ij
间的方位角和竖直角间隔Δθ
ij
和Δα
ij
：
[0019]Δθ
ij
＝abs(θ
ij
‑
θ
i
),i＝1,2...n,j＝1,2...k
[0020]Δα
ij
＝abs(α
ij
‑
α
i
),i＝1,2...n,j＝1,2...k，
[0021]θ
i
和α
i
分别为随机点云p
i
的方位角和竖直角，θ
ij
和α
ij
分别为邻域点p
ij
的方位角和竖直角，以不同的区间宽度Δi分别对所有Δθ
ij
和Δα
ij
值进行统计并构建直方图，取θ
sampling
(Δ
i
)和α
sampling
(Δ
i
)的中位数作为地面激光点云最终的水平和竖直采样间隔，作为该点云数据水平和竖直方向的扫描角分辨率，计算公式如下：其中Δ
i
＝0.005+(i
‑
1)*0.001,i＝1,2...n，θ
hori
和α
vert
分别为水平和竖直方向的扫描角分辨率，median表示对集合取中位数。
[0022]作为本专利技术进一步的方案：所述利用点云扫描模式的特性和水平角分辨率θ
hori
进行无序扫描线重建的步骤，具体包括：
[0023]计算三维点云数据的水平角，对水平角进行排序，将水平角属于同一区间的点云数据识别为同一条扫描线上的点，水平角计算的公式如下：其中θ
h
∈[0,2π]；
[0024]利用仪器的水平角分辨率θ
hori
对每个点所在的扫描线进行排序编号，从与起始扫描方向所夹水平角最小的一条扫描线开始编号,计算公式为：其中
SL代表扫描线序号，θ
hi
为每个点的水平角数据，i＝1,2...n，θ
min
为水平角最小值，θ
hori
为水平扫描角分辨率，floor为向下取整的函数。
[0025]作为本专利技术进一步的方案：所述通过构造相对点密度RD对扫描线密度进行分析，得到地面候选点集的步骤，具体包括：
[0026]进行扫描线投影密度计算，得到点密度ρ
p
，点密度为点云在其扫描线上的单位距离内点云的密度；
[0027]进行扫描线理论投影密度计算，得到理论点密度ρ
ref
；
[0028]构造一个相对点密度RD，i为搜索窗口的序号，计算单条扫描线上所有窗口的相对点密度RD之后，找到最大的相对密度RD
max
所在的搜索窗口如果该窗口为第一个窗口SW1，那么将搜索窗口范围内的所有点云定义为密度特征点pt
density
；反之，则将搜索窗口内的点云定义为地面候选点pt
candidate
；pts为单条扫描线上所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无序地面激光点云的逐扫描线地面过滤方法，其特征在于，所述方法包括以下步骤：对被测区域进行激光扫描，基于随机邻域分析的采样间隔估算法还原水平和竖直方向的扫描角分辨率；利用点云扫描模式的特性和水平角分辨率θ
hori
进行无序扫描线重建；通过构造相对点密度RD对扫描线密度进行分析，得到地面候选点集；基于区域生长对地面候选点集进行精细化提取。2.根据权利要求1所述的无序地面激光点云的逐扫描线地面过滤方法，其特征在于，所述基于随机邻域分析的采样间隔估算法还原水平和竖直方向的扫描角分辨率的步骤，具体包括：进行领域点集获取与分析，从点云数据中随机挑选n个点为随机点集p
i
，并查询其最近邻的k个点形成领域点集N(p
i
)，其中，N(p
i
)＝{p
ij
,j＝1,2...k},i＝1,2...,n；进行三维坐标(x，y，z)与球极坐标(ρ，θ，α)的转换，得到随机点集p
i
与领域点集N(p
i
)每个点方位角θ与竖直角α的计算公式：α＝arcsin(z/ρ)α＝arcsin(z/ρ)其中x，y，z为点云在三维坐标系下的坐标值，ρ为三维点到原点O的距离，d为三维点到原点O的投影距离；进行多区间宽度下的间隔角直方图分析，计算随机点云p
i
与其邻域点p
ij
间的方位角和竖直角间隔Δθ
ij
和Δα
ij
：Δθ
ij
＝abs(θ
ij
‑
θ
i
),i＝1,2...n,j＝1,2...kΔα
ij
＝abs(α
ij
‑
α
i
),i＝1,2...n,j＝1,2...k，θ
i
和α
i
分别为随机点云p
i
的方位角和竖直角，θ
ij
和α
ij
分别为邻域点p
ij
的方位角和竖直角，以不同的区间宽度Δi分别对所有Δθ
ij
和Δα
ij
值进行统计并构建直方图，取θ
sampling
(Δ
i
)和α
sampling
(Δ
i
)的中位数作为地面激光点云最终的水平和竖直采样间隔，作为该点云数据水平和竖直方向的扫描角分辨率，计算公式如下：其中Δ
i
＝0.005+(i
‑
1)*0.001,i＝1,2...n，θ
hori
和α
vert
分别为水平和竖直方向的扫描角分辨率，median表示对集合取中位数。3.根据权利要求2所述的无序地面激光点云的逐扫描线地面过滤方法，其特征在于，所述利用点云扫描模式的特性和水平角分辨率θ
hori
进行无序扫描线重建的步骤，具体包括：计算三维点云数据的水平角，对水平角进行排序，将水平角属于同一区间的点云数据
识别为同一条扫描线上的点，水平角计算的公式如下：其中θ
h
∈[0,2π]；利用仪器的水平角分辨率θ
hori
对每个点所在的扫描线进行排序编号，从与起始扫描方向所夹水平角最...

【专利技术属性】
技术研发人员：陈茂霖，杜诗韵，潘建平，李佶洋，
申请(专利权)人：重庆交通大学，
类型：发明
国别省市：