[發(fā)明專利]一種基于密度分析的多尺度點云噪聲檢測方法

有效

• 申請?zhí)枺?/td>: 201410475059.6
• 申請日: 2014-09-17
• 公開（公告）號: CN104240251B
• 公開（公告）日: 2017-04-12
• 發(fā)明（設(shè)計）人: 朱俊鋒;張力;熊小東;艾海濱;杜全葉;許彪
• 申請（專利權(quán)）人: 中國測繪科學(xué)研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00
• 代理公司: 北京高文律師事務(wù)所11359
• 代理人: 徐江華

技術(shù)領(lǐng)域

本發(fā)明屬于測繪科學(xué)與技術(shù)領(lǐng)域，主要應(yīng)用于激光雷達點云噪聲的檢測以及匹配點云噪聲的檢測，尤其是涉及一種基于密度分析的多尺度點云噪聲檢測方法。

背景技術(shù)

點云數(shù)據(jù)的處理一直是數(shù)字攝影測量與計算機視覺的重要研究內(nèi)容。當(dāng)前獲取密集的三維點云主要有兩種方式：1)采用LiDAR(Light?Detection?And?Ranging)系統(tǒng)(及激光雷達系統(tǒng))直接得到三維點云；2)利用影像匹配得到點云。但兩種來源的點云數(shù)據(jù)都存在一定數(shù)量的噪聲點。噪聲的存在對點云數(shù)據(jù)的處理產(chǎn)生很多影響。如LiDAR點云濾波處理過程中，很多算法假設(shè)地面點為局部最低點，而在點云中存在局部低噪聲的情況下，這種假設(shè)則是不適用的；另外噪聲點對后續(xù)的大規(guī)模點云分層渲染、建筑物建模以及密集匹配所得同名點云的后續(xù)處理精度(如影像匹配、地物識別等)都會造成較大影響。因此，噪聲點的檢測和剔除是獲取準(zhǔn)確密集點云數(shù)據(jù)一個重要的處理環(huán)節(jié)。

從空間分布特性來說，噪聲可歸納為兩大特點：1)典型的高程異常的孤立點，表現(xiàn)為局部高噪聲點和局部低噪聲點；2)非典型的簇狀噪聲點(數(shù)量不多的噪聲點的聚類)——在一定局部范圍內(nèi)不能明顯高出鄰近地面點和地物點的高程異常點，表現(xiàn)為低矮噪聲，形態(tài)呈點簇狀或塊簇狀。許多學(xué)者對點云噪聲處理進行過研究，現(xiàn)有的點云去噪的算法可大致概括為以下三類：1)分析、利用高程值的分布進行去噪；2)利用數(shù)學(xué)形態(tài)學(xué)的方法進行去噪；3)根據(jù)點云密度進行去噪。方法1和方法2都是通過局部或是全局的高程值比較，并判斷閾值來檢測噪聲，這類方法通過選取合適的閾值可以對孤立噪聲有效檢測但對簇狀噪聲的檢測結(jié)果并不理想。方法3基于密度的方法是將噪聲假設(shè)為位于低密度區(qū)域(相對于正常的點云密度)的單一物體或物體聚類，因此檢測噪聲的過程也就是檢測低密度區(qū)域的過程。但現(xiàn)有的一些基于密度的去噪方法中，往往不能兼顧處理多種點云數(shù)據(jù)的不同類噪聲。且通常密度分析的方法存在著處理簇狀噪聲失敗的問題，主要是因為簇狀噪聲在局部小范圍內(nèi)其密度和分布表現(xiàn)都與非噪聲點類似，因而需要找到一種既可以檢測出孤立點，又可以有效檢測出簇狀噪聲點的算法。

為此，本發(fā)明提出一種新的點云去噪算法，可適用于這兩類數(shù)據(jù)中所包含的噪聲點的去除。算法主要包括兩步：第一步利用多尺度的密度算法去除孤立噪聲和小的簇狀噪聲；第二步利用三角網(wǎng)約束將第一步中誤檢測為噪聲的點重新歸為正常點。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于密度分析的多尺度點云噪聲檢測方法，能夠有效檢測機載激光雷達數(shù)據(jù)獲取的點云與影像匹配獲得的點云中包含的孤立噪聲和簇狀噪聲，從而克服不同種類點云噪聲類別差異大、表現(xiàn)各異難以檢測的問題，該方法通過進行多尺度的密度分析點云，逐步的剔除點云數(shù)據(jù)中包含的噪聲，最后通過構(gòu)建三角網(wǎng)，并用三角網(wǎng)約束降低上一步誤檢測的噪聲點。其技術(shù)方案如下所述：

一種基于密度分析的多尺度點云噪聲檢測方法，包括以下步驟：

(1)輸入點云數(shù)據(jù)并設(shè)定尺度層級，不同尺度層級用level^l表示，其中l(wèi)＝0～L，其中最小尺度層級為level0級，最大尺度層級為levelL級；

(2)采用空間六面體進行點云數(shù)據(jù)的三維分割，建立離散點云三維網(wǎng)格和最大范圍包圍盒，所述最大范圍包圍盒根據(jù)輸入的點云三維坐標(biāo)計算得到，通過局部密度分析方法標(biāo)記噪聲點為0并剔除，得到新的非噪聲包圍盒；

(3)在上一步得到的非噪聲包圍盒基礎(chǔ)上，降低一級尺度層級，以1/2倍的三維網(wǎng)格大小逐個進行鄰域的局部密度分析，進一步剔除較小的噪聲點或噪聲點聚類并標(biāo)記為0，獲得新的非噪聲包圍盒；迭代進行，直到完成最小尺度層級噪聲點檢測；

(4)完成尺度層級迭代后，檢測標(biāo)記為0的噪聲是否為真正的噪聲點，利用非噪聲點構(gòu)建狄羅妮三角網(wǎng)，檢測標(biāo)記為0的噪聲點到對應(yīng)三角面的距離，當(dāng)距離小于給定的閾值時則認定為非噪聲點，所述閾值設(shè)定為最精細層級的三維網(wǎng)格的在Z方向的尺寸。

進一步的，步驟(3)中，對特定尺度層級下，對噪聲點的檢測是以某一單元體為中心一定鄰域范圍形成空間范圍做為一個單位，所述單元體代表每一個分割而成的三維網(wǎng)格，在一個指定的搜索空間內(nèi)進行遍歷，計算該鄰域范圍內(nèi)的密度與搜索范圍內(nèi)的密度的關(guān)系，同時判斷該鄰域范圍內(nèi)點的數(shù)量，即領(lǐng)域范圍內(nèi)的點的數(shù)量過少的情況下也將判定為噪聲點，以此兩條件來判斷在此三維網(wǎng)格內(nèi)的點是否為噪聲點。

進一步的，步驟(4)中，利用非噪聲點構(gòu)建狄羅妮三角網(wǎng)，檢測已經(jīng)標(biāo)記為噪聲的點到對應(yīng)三角面的距離，當(dāng)距離小于給定的閾值時則認定為非噪聲點。