[發(fā)明專利]基于不規(guī)則三角網(wǎng)的LiDAR點(diǎn)云數(shù)據(jù)邊緣檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310732429.5
• 申請(qǐng)日: 2013-12-23
• 公開(kāi)（公告）號(hào): CN103729846B
• 公開(kāi)（公告）日: 2017-01-11
• 發(fā)明（設(shè)計(jì)）人: 苗啟廣;宋建鋒;宣賀君;劉如意;許鵬飛;權(quán)義寧;陳為勝;郭雪
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T15/00
• 代理公司: 西安恒泰知識(shí)產(chǎn)權(quán)代理事務(wù)所61216
• 代理人: 李鄭建

1.一種基于不規(guī)則三角網(wǎng)的LiDAR點(diǎn)云數(shù)據(jù)邊緣檢測(cè)方法，其特征在于，具體包括如下步驟：

步驟1：讀取目標(biāo)區(qū)域原始LiDAR點(diǎn)云數(shù)據(jù)；

步驟2：剔除粗差噪聲點(diǎn)；

步驟3：將步驟2得到的剔除粗差噪聲后的LiDAR點(diǎn)云數(shù)據(jù)進(jìn)行Delaunay三角剖分，生成xoy平面上的不規(guī)則三角網(wǎng)；在不規(guī)則三角網(wǎng)上加上各點(diǎn)的高程信息后形成xyz空間不規(guī)則三角網(wǎng)TIN；

步驟4：計(jì)算不規(guī)則三角網(wǎng)中每個(gè)空間三角形的形變量并保存；

步驟5：計(jì)算三角形的形變量閾值；

步驟6：將步驟4得到的形變量大于形變量閾值的空間三角形標(biāo)記為邊緣三角形；

步驟7：計(jì)算狹長(zhǎng)三角形，比較各三角形的狹長(zhǎng)度L_i和狹長(zhǎng)度閾值Thresd，如果L_i大于Thresd，則該三角形為狹長(zhǎng)三角形，將該三角形標(biāo)記為邊緣三角形，其中，Thresd不小于100；

步驟8：確定邊緣點(diǎn)，得到LiDAR點(diǎn)云數(shù)據(jù)的邊緣圖像，具體步驟如下：

801：粗邊緣點(diǎn)的確定：

對(duì)于步驟6得到的每個(gè)邊緣三角形利用式8計(jì)算高程閾值H（G），并分別對(duì)每個(gè)邊緣三角形中的頂點(diǎn)進(jìn)行粗邊緣點(diǎn)的選取：

H(G)=H(A)+H(B)+H(C)3---(8)]]>

其中，H（A）、H（B）、H（C）分別是A、B、C點(diǎn)的高程信息，單位：m；H（G）為高程閾值，單位：m；

若邊緣三角形的三個(gè)頂點(diǎn)A,B,C中有任意兩點(diǎn)A,B的高程均大于H(G)且|H(A)-H(B)|≤σ，σ取0.5-2.5，則將A,B兩點(diǎn)均取為粗邊緣點(diǎn)，否則，將A,B,C三點(diǎn)中高程最大的點(diǎn)取為粗邊緣點(diǎn)；

對(duì)步驟7得到的每個(gè)邊緣三角形的三個(gè)頂點(diǎn)都確定為粗邊緣點(diǎn)；

:802：刪除所有粗邊緣點(diǎn)中的孤立點(diǎn)，將剩余的粗邊緣點(diǎn)作為最終的邊緣點(diǎn)輸出，即得到LiDAR點(diǎn)云數(shù)據(jù)的邊緣圖像。

2.如權(quán)利要求1所述的基于不規(guī)則三角網(wǎng)的LiDAR點(diǎn)云數(shù)據(jù)邊緣檢測(cè)方法，其特征在于，所述步驟2的粗差噪聲點(diǎn)利用式1計(jì)算得到：

n＝Σ(|P_i-P_j|＜σ)????(1)

其中，P_i表示原始LiDAR點(diǎn)云數(shù)據(jù)中點(diǎn)i的XY坐標(biāo)，n表示原始LiDAR點(diǎn)云數(shù)據(jù)中與坐標(biāo)P_i的距離小于σ的點(diǎn)的個(gè)數(shù)，n取0-10，σ取10-20m。