一种应用于复杂地形区域的点云滤波方法

摘要

本发明公开一种应用于复杂地形区域的点云滤波方法，以传统八叉树模型原理为基础，针对复杂地形环境中点云滤波的方法进行以下改进，包括：一、改进原有八叉树模型，在分割过程中，对节点尺寸予以调整，每次分割时采用最小立方体包含节点中所有点云数据；二、基于坡度判断，对节点中未分类点云进行分类；在提高将地面点与地物点分至不同节点中的几率的同时，能够更好的将地面点与地物点分割到不同节点中，并将复杂的地形依据节点分割，统一转化为山坡地形。一定程度上提高点云滤波精度，减少地面点平面拟合次数。

权利要求

1.一种应用于复杂地形区域的点云滤波方法，其特征是：

(1)利用传统八叉树模型理论，建立改进后的八叉树模型，即根据研究区域点云的数量及位置，在分割过程中，以点云数据中心点作为节点中心，对节点尺寸予以调整，每次分割时，均采用一个最小立方体包含节点中所有点云数据，再进行分割，将点云数据分割到不同的节点中，使每个节点中只包含几个到十几个点云以简化数据处理；

(2)在分割过程中引入坡度判别，在此基础上实现森林复杂地形区域的点云滤波，具体步骤如下：步骤1，利用改进后的八叉树模型，将所有点云依据其所在位置的不同，分配到不同的节点中，并对节点进行编号，找出所有最小节点，将高程最小的节点视为地面点，与一定阈值内的邻近点根据最小二乘法做平面拟合，以合成初始平面aX+bY+cZ+d＝0，且该平面包含所有点均视为地面点；

步骤2，对初始面，根据节点大小建立三维坐标系，引入坡度判断，即对于初始面外的任意点k(Xk，Yk，Hk)计算其到初始面的距离，该距离与k到k所在节点的中心点C(Xc，Yc，Hc)的距离等价，若该距离大于设定阈值，则该点视为地物点，相反则进行坡度判断，得到坡度值Gk，若Gk小于坡度阈值，则k点为地面点，否则视为地物点步骤3，根据新加入的地面点，对初始面进行重新拟合，直到节点内所有点数据分类完毕，得到初始拟合平面；

步骤4，多次重复步骤1-3，将所有节点中的点进行分类以拟合出若干平面，依据编号将每一个平面与其邻近平面进行合并；

步骤5，根据新合成的平面集，利用其平均高程值与相邻平面进行比较，若高程差大于设定阈值，则平均高程较高的平面上的点划入地物点。

说明书

一种应用于复杂地形区域的点云滤波方法

一、技术领域

[0001] 本发明涉及一种激光雷达(LiDAR)点云滤波方法，特别是一种应用于复杂地形区域的点云滤波，适用于机载激光雷达点云数据处理，属于激光雷达点云数据处理技术领域。二、技术背景

[0002] 激光雷达(Light Detection And Ranging，LiDAR)是一项通过由传感器所发出的激光来测定传感器和目标物之间距离的主动遥感技术。LiDAR数据在三维空间中呈不规则分布的点集，在三维空间的分布形态呈现离散的“点云”。为了生成高精度的数字高程模型和后续对地物提取和三维重建，必须对点云数据进行滤波，滤波的目的是分离地面点和非地面点，实质是对点云的距离信息进行处理。

[0003] 根据地面点特征和滤波的原理，LiDAR点云滤波方法可以分为基于形态学滤波、逐渐加密的滤波、基于表面滤波和基于聚类滤波四类。然而，完全地分离地面点和非地面点是相当困难的，尤其对于具有各种不同地形特征的森林覆盖区域，因此，开发适用性较强、精度较高的LiDAR点云数据滤波算法是当前很有挑战性的主题。

[0004] 当前滤波处理面临的挑战主要是：

[0005] (1)复杂场景下的高精度数字地面模型(DEM)的获取，对于地形断裂处、浓密植被覆盖处、地形起伏较大处，现有的滤波效果较差，不能满足生产需求。

[0006] (2)滤波处理过程仍处于半自动化的处理方式，滤波的自动化、智能化处理仍具有较大难度。三、发明内容

[0007] 针对现有滤波方法复杂地形下滤波效果低的不足，本发明提出一种应用于复杂地形区域的点云滤波方法，具有对地形起伏变化较大区域滤波精度较高的效果。

[0008] 本发明解决其技术问题采取的技术方案是：一种应用于复杂地形区域的点云滤波方法，其特征是，点云数据被正确分离成地面点和非地面点，所述方法包括以下步骤：

[0009] (1)利用传统八叉树模型理论，建立改进后的八叉树模型，即根据研究区域点云的数量及位置，在分割过程中，以点云数据中心点作为节点中心，对节点尺寸予以调整，每次分割时，均采用一个最小立方体包含节点中所有点云数据，再进行分割，将点云数据分割到不同的节点中，使每个节点中只包含几个到十几个点云以简化数据处理；

[0010] (2)在分割过程中引入坡度判别，在此基础上实现森林复杂地形区域的点云滤波，具体步骤如下：

[0011] 步骤1，利用改进后的八叉树模型，将所有点云依据其所在位置的不同，分配到不同的节点中，并对节点进行编号，找出所有最小节点，将高程最小的节点视为地面点，与一定阈值内的邻近点根据最小二乘法做平面拟合，以合成初始平面，且该平面包含所有点均视为地面点；

[0012] 步骤2，对初始面，根据节点大小建立三维坐标系，引入坡度判断，即对于初始面外的任意点计算其到初始面(k所在节点的中心点)的距离，若该距离大于设定阈值，则该点视为地物点，相反则进行坡度判断，得到坡度值，若小于坡度阈值，则k点为地面点，否则视为地物点

[0013] 步骤3，根据新加入的地面点，对初始面进行重新拟合，直到节点内所有点数据分类完毕，得到初始拟合平面；

[0014] 步骤4，多次重复步骤1-3，将所有节点中的点进行分类以拟合出若干平面，依据编号将每一个平面与其邻近平面进行合并；

[0015] 步骤5，根据新合成的平面集，利用其平均高程值与相邻平面进行比较，若高程差大于设定阈值，则平均高程较高的平面上的点划入地物点。

[0016] 本发明的有益效果如下：

[0017] 本发明提出了一种应用于复杂地形区域的点云滤波方法，适应于地形复杂区域点云滤波处理；

[0018] 本发明提出了改进的八叉树模型，能够自适应地形起伏不一的较大区域，可以优化获取真实的地面点，提高生成DEM的精度。四、附图说明

[0019] 下面结合附图和实施例对本发明进一步说明。

[0020] 图1为本发明的方法流程图；

[0021] 图2为传统八叉树模型下的点云分割示意图；

[0022] 图3为改进八叉树模型下的点云分割示意图；

[0023] 图4为实验数据1原始点云图；

[0024] 图5为实验数据1滤波结果生成的DTM图；

[0025] 图6为实验数据2原始点云图；

[0026] 图7为实验数据2滤波结果生成的DTM图；

[0027] 图8为实验数据3原始点云图；

[0028] 图9为实验数据3滤波结果生成的DTM图。五、具体实施方式：

[0029] 为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

[0030] 针对高精度点云滤波的需要，本发明提供了一种应用于复杂地形区域的点云滤波方法发明，提高了点云滤波精度，可适用于复杂地形的机载激光雷达数据处理。

[0031] 如图1所示，本发明：一种应用于复杂地形区域的点云滤波方法，所述方法包括以下步骤：

[0032] 步骤1，利用改进后的八叉树模型，将所有点云依据其所在位置的不同，分配到不同的节点中，并对节点进行编号，找出所有最小节点，将高程最小的节点视为地面点，与一定阈值内的邻近点根据最小二乘法做平面拟合，以合成初始平面，且该平面包含所有点均视为地面点；

[0033] 步骤2，对初始面，根据节点大小建立三维坐标系，引入坡度判断，即对于初始面外的任意点计算其到初始面(k所在节点的中心点)的距离，若该距离大于设定阈值，则该点视为地物点，相反则进行坡度判断，得到坡度值，若小于坡度阈值，则k点为地面点，否则视为地物点

[0034] 步骤3，根据新加入的地面点，对初始面进行重新拟合，直到节点内所有点数据分类完毕，得到初始拟合平面；

[0035] 步骤4，多次重复步骤1-3，将所有节点中的点进行分类以拟合出若干平面，依据编号将每一个平面与其邻近平面进行合并；

[0036] 步骤5，根据新合成的平面集，利用其平均高程值与相邻平面进行比较，若高程值大于设定阈值，则平均高程较高的平面上的点划入地物点。

[0037] 为了验证一种应用于复杂地形区域的点云滤波方法的有效性，使用三组地形起伏不一的点云数据进行处理分析，三组实验数据基本情况如下：

[0038] (1)实验数据一如图4所示。

[0039] 实验数据一：区域内地形起伏不大，其中山包与山洼存在较少，有一定坡度但坡度较为平缓，其中坡度最大处约为19.5°，坡度最小处近似平坦地面。

[0040] (2)实验数据二如图6所示。

[0041] 实验数据二：区域内存在陡坡及少许山洼，其中坡度最大处约为32.2°，坡度最小处约为7.9°。

[0042] (3)实验数据三如图8所示。

[0043] 实验数据三：区域内存在部分山包与山洼，同时地形坡度与地形起伏较大，其中坡度最大处约为34.3°，坡度最小处约为28.1°。

[0044] 三组实验数据的滤波结果生成DTM图，分别如图5、图7和图9所示，从滤波的效果看，三组实验数据经过本方法滤波后都得到了较为真实的地形。

[0045] 可见，本发明专利的方法针对复杂地形条件对于点云数据的滤波取得了良好的效果，可以实现地面点和非地物点的准确滤波，对于地形起伏不一的山区具有良好的适应性。

[0046] 以上所述只是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也被视为本发明的保护范围。