基于自适应坡度的无人机载LiDAR点云滤波方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106529469A(43)申请公布日2017.03.22(21)申请号201610981407.6(22)申请日2016.11.08(71)申请人华北水利水电大学地址450045河南省郑州市北环路36号(72)发明人何培培郭贵海王新静魏冲(74)专利代理机构郑州中原专利事务所有限公司41109代理人王晓丽(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06T5/00(2006.01)权利要求书1页说明书6页附图5页(54)发明名称基于自适应坡度的无人机载LiDAR点云滤波方法(57)摘要本发明提供的基于自适应坡度的无人机载LiDAR点云滤波方法，包括步骤1：获取测区内的点云数据，对点云数据进行滤波；步骤2：对点云数据建立索引；步骤3：计算并保留格网内的最优平面；步骤4：选择预设窗口内的高程最低点作为地面点的初始种子点；步骤5：计算最优平面和地面点之间的距离，以及该地面点到最优平面中心的坡度，根据坡度阈值获取地面点集；步骤6：将初始地面点集中的点作为基点，采用反距离加权插值法生成数字地面模型；步骤7：通过新生的数字地面模型，获取坡度阈值的更新值，重复迭代步骤4~步骤6，获取最终的地面点集。基于自适应坡度的滤波提高了算法运行效率。CN106529469ACN106529469A权利要求书1/1页1.基于自适应坡度的无人机载LiDAR点云滤波方法，其特征在于，包括：步骤1：通过无人机载LiDAR获取测区内的点云数据，对点云数据进行滤波，剔除高程异常点；步骤2：使用虚拟规则格网对点云数据建立索引；步骤3：对步骤2中形成的所有格网，利用每个格网中的所有点，使用均方根误差最小原则分别进行平面拟合，同时保留拟合的平面中保留最小均方误差不大于设定阈值的最优平面；步骤4：预设第一次选择的窗口尺寸，选择预设尺寸的窗口内的高程最低点作为地面点的初始种子点；步骤5：计算步骤3中的最优平面和与其最近的地面点之间的距离，以及该地面点到最优平面中心的坡度，若距离小于设定的距离阈值，且坡度小于设定的坡度阈值，则认为该平面为地面平面，将该地面平面延伸至另一格网，同时判断另一格网内的点到该地面平面的距离和平面中心的坡度，若距离小于设定的距离阈值，且坡度小于设定的坡度阈值，则判断为地面点，依次类推到其它格网，获取地面点集；步骤6：将初始地面点集中的点作为基点，采用反距离加权插值法生成数字地面模型，该数字地面模型的格网尺寸大于步骤2中建立索引时的格网尺寸；步骤7：计算新生的数字地面模型的均值，并从该均值数字地面模型中提取出局部坡度最大值，作为坡度阈值的更新值，同时，使用新尺寸的窗口内的高程最低点作为地面点的初始种子点，重复迭代步骤4~步骤6，直到达到设定的迭代结束条件，获取最终的地面点集。2.根据权利要求1所述的基于自适应坡度的无人机载LiDAR点云滤波方法，其特征在于：所述步骤1中，通过基于局部临近点拟合的噪声检测方法剔除高程异常点。3.根据权利要求1所述的基于自适应坡度的无人机载LiDAR点云滤波方法，其特征在于：所述步骤7中，迭代结束的条件为：迭代次数达到设定的阈值，或者生成的数字地面模型中的格网窗口的尺寸包含测区内最大建筑物的尺寸。4.根据权利要求1所述的基于自适应坡度的无人机载LiDAR点云滤波方法，其特征在于：所述步骤7中，新尺寸的窗口大小为上次迭代过程中窗口大小的5倍。2CN106529469A说明书1/6页基于自适应坡度的无人机载LiDAR点云滤波方法技术领域[0001]本发明属于遥感与摄影测量中新型遥感数据应用领域，特别是涉及到无人机系统中搭载的激光扫描仪在获取地形、地貌等信息时的快速提取过程中，海量点云数据的自适应滤波处理以及滤波质量的评定方法。背景技术[0002]自上世纪80年代开始，激光扫描技术(LightDetectionAndRanging，LIDAR)，作为一种新型的主动式遥感技术，在三维空间信息获取方面取得了重大突破[1]。随着商用机载LiDAR系统的普及和推广，机载LiDAR已逐渐应用于三维城市建模[2]，数字地面模型的获取[3]，真正射影像的制作[4,5]等多个领域。近年来，LiDAR系统在硬件和系统集成方面的发展已经十分成熟，而点云数据的后处理及数据挖掘则相对滞后，主要体现在如何高效组织与管理海量不规则离散点云，识别与提取高精度的地物类别。而几乎所有点云数据的后处理算法研究以及应用的关键步骤便是滤波处理，因此，点云滤波算法的研究已成为大多数专家学者关注的热点之一。LiDAR点云数据后处理研究的重要任务是从海量激光点集中提取有效信息，其中，相当一部分是关于数据的滤波处理，即提取出真实地形和地物特征，然后为进一