[發明專利]一種基于三維格網的機載激光雷達點云去噪方法

在審

• 申請號: 201610027355.9
• 申請日: 2016-01-15
• 公開（公告）號: CN105719249A
• 公開（公告）日: 2016-06-29
• 發明（設計）人: 張旭晴;單詠華
• 申請（專利權）人: 吉林大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/00
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 王立文

本發明涉及一種基于三維格網的機載激光雷達點云去噪方法，是依據點云中各點的空間鄰域關系，在三維格網的空間劃分依據下實現海量點云數據的去噪處理。本發明通過對點云數據的空間三維格網化使每個立方柵格內部點之間具有空間索引屬性，依據空間三維格網之間的空間鄰域關系判斷格網內的點是否為噪聲點。根據單位三維格網之間的空間鄰域特征來判斷離散噪聲點和點云主體，從而濾除由于地形掃描產生的離散及成簇噪聲點，通過采用適當相關系數的平均點間距三維格網邊長能夠極大的降低判斷噪聲點的誤差。該方法不同于以往的傳統去噪算法，為機載激光雷達點云去噪提供了新的思路。

技術領域：

本發明涉及一種依據點云中各點的空間鄰域關系，在三維格網的空間劃分依據下實現海量點云數據的去噪處理，尤其是基于三維格網的機載激光雷達點云去噪方法。

背景技術：

隨著三維激光掃描技術的高速發展，人們可以很容易獲取真實世界中物體的表面三維點云數據，因此三維點云數據模型被廣泛應用于虛擬現實、逆向工程、城市建模等。機載激光雷達在掃描過程中獲取海量點云數據中有大量的非地表點被獲取,可能是大氣中的雜質、飛鳥或者極大低于地表等誤差點，一般將這些點稱為噪聲點。在雷達點云數據濾波處理之前必須將這些噪聲點濾除，噪聲點的存在會使原始點云數據生成的數字地表模型(DTM)產生極大的誤差，同時在運用多數點云濾波的過程中會誤把許多極大低于地表的噪聲點誤判為地表點，造成濾波結果的嚴重錯誤。另外噪聲點對后續的大規模點云分層渲染、地物識別提取、建筑物建模及密集匹配所得同名點云的后續處理精度(如影像匹配、地物識別等)都會造成較大影響，這使得機載激光雷達獲取點云的去噪處理變得至關重要。

目前三維地面點云數據的噪聲粗差主要體現在高程值上,其顯著特征就是比周圍的點有很大的相對高程,呈現出孤立的奇異值。主要有兩種,即高位粗差(high outlier)和低位粗差(low outlier),從存在形式來說,粗差分為成簇的粗差和孤立的粗差。成簇的粗差一簇一簇的形式成群出現,孤立的粗差以孤立的點形式存在。國內外許多學者對點云去噪進行了一定的研究:Spiros對已有的粗差剔除方法進行了歸類總結,將其分為五類,即基于分布、深度、聚類思想、距離以及密度的粗差剔除方法。基于分布的粗差剔除方法，如聶建輝在《計算機輔助設計與圖形學學報》2011第9期P1526-1532提出了《散亂點云離群點的分類識別算法》，根據曲面變化度的局部離群系數(Surface Variation based on LocalOutlier Factor，SVLOF)將離群點進行分類、去除，曹爽在東南大學學報(自然科學版)2013第z2期P351-354中提出了《基于特征選擇的雙邊濾波點云去噪算法》，對噪聲進行分類，計算特征點與非特征點的雙邊濾波因子，避免出現雙邊濾波過光順的現象，但需要較長時間來確定特征選擇。這些算法對于有統計規律的數據是很有效，不過由于點云的數據模型是很難估計,其應用有一定的局限性。基于深度的粗差剔除，需要計算數據集的幾何圖形和維凸殼的不同圖層,位于最外層的點云認為是粗差,這種算法受到數據維數的限制。基于聚類的粗差剔除，張巧英在《地理空間信息》2011第6期P101-104刊登的《密度聚類算法在連續分布點云去噪中的應用》提出了基于密度聚類算法的連續分布點云去噪算法，是將數據分成多個聚類,被排除在聚類外的數據認為是噪聲點。基于密度的粗差剔除，朱俊峰在《測繪學報》2015第3期P282-291提出了《多尺度點云噪聲檢測的密度分析法》，運用局部點的密度情況進行區分噪聲，該算法需要指定一定范圍的最小數目和密度,該方法以某一點為中心,計算該鄰域范圍內的激光腳點密度,若小于給定的閾值則認為該點是粗差。上述的噪聲點剔除算法都有各自的優缺點,基本都可以剔除部分的粗差,偶爾會因一些特殊的噪聲點,判斷失效。

發明內容：

本發明的目的就在于針對上述現有技術的不足，提供一種對地形掃描產生的離散及成簇噪聲點去除的基于三維格網的機載激光雷達點云去噪方法。