【技术实现步骤摘要】
本专利技术属于遥感以及地质地理，特别涉及一种基于点云数据的风蚀坑识别方法。
技术介绍
1、风蚀坑是地表植被遭受破坏后，在风力作用下草地下伏沙质沉积物被风力掏蚀所形成的碟形、碗形、槽形等形状的凹地，风蚀坑的形成造成了草原沙化等一系列问题。防止风蚀坑进一步恶化是草原沙漠化治理的要任务之一，而如何实现风蚀坑自动识别及制图，是草原沙化治理的首要问题。
2、目前，国内外学者对风蚀坑的研究集中在风蚀坑动力过程、形态演变、表面气流、形成机制、粒度特征、形态变化和影响方面，但是针对草原风蚀坑的遥感图像识别方法相对较少。由于草原的特殊环境，而遥感图像缺乏三维信息且在较大程度上收到天气条件影响，这使得利用传统遥感图像识别风蚀坑的准确率不高，往往需在后期进行大量补充计算，并且即便如此，也难以完全有效地标记风蚀坑。
技术实现思路
1、为了克服上述现有技术的缺点，本专利技术的目的在于提供一种基于点云数据的风蚀坑识别方法，以提高草地环境下的风蚀坑识别效果。
2、为了实现上述目的，本专利技术采用的技术方案是：
3、一种基于点云数据的风蚀坑识别方法，包括以下步骤：
4、步骤1，获取激光雷达传感器获取的对地点云数据，提取地面类别的点云；
5、步骤2，将所述地面类别的点云转换为栅格数据，并补全栅格数据缺失的部分，生成数字高程模型；
6、步骤3，填补所述数字高程模型中的凹陷区域；
7、步骤4，通过对填补凹陷区域前后的数字高程模型作差，得
8、在一个实施例中，所述步骤1，使用聚类算法对获取的点云进行分类，以提取地面类别的点云。
9、在一个实施例中，使用聚类算法将获取的点云数据按其颜色属性rgb进行聚类，分成三类，将聚类结果的r和b类别修改为las数据中的地面类别，将聚类结果的g类别修改为las数据中的植被类别，保存地面类别的点云，删除其他点云。
10、在一个实施例中，所述将所述地面类别的点云转换为栅格数据，是利用代码读取las文件，将点云映射到网格中，网格用2维数组描述，如果有多个点映射到同一网格，则将所述多个点的值取平均后作为该网格的值。
11、在一个实施例中，所述步骤2，采用邻域平均法补全栅格数据缺失的部分，即取缺失栅格周围相邻8个非空栅格的平均值作为该缺失栅格的值，从整个栅格网的左上向右下搜索缺失单元，从而补全所有缺失栅格。
12、在一个实施例中，所述步骤3，填补方法如下：
13、步骤31，将所述dem转换为一个2维数组elevation，数组elevation中的每一行均为1维数组，对数组elevation中的每一行进行搜索；
14、步骤32，从左到右逐点搜索，判断当前点xk的高程值e(xk)是否小于等于下一点xk+1的高程值e(xk+1)，若是则将k的值加1，继续进行判断，如此循环直到e(xk)＞e(xk+1)，将此时的点xk记为label，对应的高程值为e(label)，k的值加1，其中k为1维数组中元素的序号；
15、步骤33，判断e(xk)＜e(label)是否成立，若成立则k的值继续加1，继续进行判断，重复该循环直到e(xk)≥e(label)，此时将点label与当前点xk之间的高程值均修改为e(label)，即填补dem，k的值加1；
16、步骤34，返回步骤32，直至到达elevation中当前行的最后一个点；
17、步骤35，从右到左逐点搜索，判断当前点xk的高程值e(xk)是否小于等于下一点xk-1的高程值e(xk-1)，若是则将k的值减1，继续进行判断，如此循环直到e(xk)＞e(xk-1)，将此时的点xk记为label2，对应的高程值为e(label2)，k的值减1；
18、步骤36，判断e(xk)＜e(label2)是否成立，若成立则k的值继续减1，继续进行判断，如此循环直到e(xk)≥e(label2)，此时将点label2与当前点xk之间的高程值都修改为e(label2)，即填补dem，k的值减1；
19、步骤37，返回步骤35，直至到达elevation中当前行的第一个点；
20、步骤38，将得到的对应填补后dem的2维数组命名为elevation_filled。
21、在一个实施例中，所述步骤4，将数组elevation_filled中各个元素与数组elevation中各个元素作差，得到另一个2维数组，命名为elevation_difference，代表对dem所做的填充，elevation_difference中不为零的区域便是风蚀坑所在位置。
22、本专利技术还提供了一种基于点云数据的风蚀坑识别系统，包括激光雷达传感器、存储器、处理器以及显示器；所述激光雷达传感器搭载于航行设备，用于获取对地点云数据；所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，以执行本专利技术所述的方法；所述显示器显示所述处理器的执行结果。
23、本专利技术还提供了一种计算机可读存储介质，用于存储计算机程序，所述计算机程序使得计算机执行本专利技术所述的方法。
24、本专利技术还提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使得所述计算机执行本专利技术所述的方法。
25、与现有技术相比，本专利技术的有益效果是：
26、相比于传统的遥感数据，如卫星图像和航空照片，本专利技术所采用的点云数据提供了详细的三维信息，因此可以更容易地进行物体识别和分类，例如建筑物、树木、道路和水体等，并能够在不同天气和季节下获取一致的地形数据。本专利技术基于点云数据的风蚀坑识别方法，点云分类采用算法初步自动分类与人工检查完善相结合的方法，工作量不大，分类效果好。填补dem凹陷时进行从左到右和从右到左两轮搜索，实现容易，避免了dem边缘的凹陷区域无法填补的问题。能够准确地识别出dem的凹陷点，从而能够有效地标记出风蚀坑。
本文档来自技高网...【技术保护点】
1.一种基于点云数据的风蚀坑识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于点云数据的风蚀坑识别方法，其特征在于，所述步骤1，使用聚类算法对获取的点云进行分类，以提取地面类别的点云。
3.根据权利要求2所述基于点云数据的风蚀坑识别方法，其特征在于，使用聚类算法将获取的点云数据按其颜色属性RGB进行聚类，分成三类，将聚类结果的R和B类别修改为LAS数据中的地面类别，将聚类结果的G类别修改为LAS数据中的植被类别，保存地面类别的点云，删除其他点云。
4.根据权利要求1所述基于点云数据的风蚀坑识别方法，其特征在于，所述将所述地面类别的点云转换为栅格数据，是利用代码读取LAS文件，将点云映射到网格中，网格用2维数组描述，如果有多个点映射到同一网格，则将所述多个点的值取平均后作为该网格的值。
5.根据权利要求1或4所述基于点云数据的风蚀坑识别方法，其特征在于，所述步骤2，采用邻域平均法补全栅格数据缺失的部分，即取缺失栅格周围相邻8个非空栅格的平均值作为该缺失栅格的值，从整个栅格网的左上向右下搜索缺失单元，从而补全所有缺失栅格。
6.根据权利要求1所述基于点云数据的风蚀坑识别方法，其特征在于，所述步骤3，填补方法如下：
7.根据权利要求6所述基于点云数据的风蚀坑识别方法，其特征在于，所述步骤4，将数组elevation_filled中各个元素与数组elevation中各个元素作差，得到另一个2维数组，命名为elevation_difference，代表对数字高程模型所做的填充，elevation_difference中不为零的区域便是风蚀坑所在位置。
8.一种基于点云数据的风蚀坑识别系统，其特征在于，包括激光雷达传感器、存储器、处理器以及显示器；所述激光雷达传感器搭载于航行设备，用于获取对地点云数据；所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，以执行权利要求1-7中任一项所述的方法；所述显示器显示所述处理器的执行结果。
9.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序使得计算机执行如权利要求1-7中任一项所述的方法。
10.一种包含指令的计算机程序产品，其特征在于，当所述指令在计算机上运行时，使得所述计算机执行权利要求1-7中任一项所述方法。
...【技术特征摘要】
1.一种基于点云数据的风蚀坑识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于点云数据的风蚀坑识别方法，其特征在于，所述步骤1，使用聚类算法对获取的点云进行分类，以提取地面类别的点云。
3.根据权利要求2所述基于点云数据的风蚀坑识别方法，其特征在于，使用聚类算法将获取的点云数据按其颜色属性rgb进行聚类，分成三类，将聚类结果的r和b类别修改为las数据中的地面类别，将聚类结果的g类别修改为las数据中的植被类别，保存地面类别的点云，删除其他点云。
4.根据权利要求1所述基于点云数据的风蚀坑识别方法，其特征在于，所述将所述地面类别的点云转换为栅格数据，是利用代码读取las文件，将点云映射到网格中，网格用2维数组描述，如果有多个点映射到同一网格，则将所述多个点的值取平均后作为该网格的值。
5.根据权利要求1或4所述基于点云数据的风蚀坑识别方法，其特征在于，所述步骤2，采用邻域平均法补全栅格数据缺失的部分，即取缺失栅格周围相邻8个非空栅格的平均值作为该缺失栅格的值，从整个栅格网的左上向右下搜索缺失单元，从而补全所有缺失栅格。
6.根据权利要求1...
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。