CN102915560A

CN102915560A - 一种阈值无关的机载激光雷达点云滤波方法及装置

Info

Publication number: CN102915560A
Application number: CN2012103539522A
Authority: CN
Inventors: 曾喆; 万剑华; 黄荣刚; 刘善伟
Original assignee: China University of Petroleum East China
Current assignee: Zhengzhou Tianci Beidou Navigation Technology Co ltd
Priority date: 2012-09-21
Filing date: 2012-09-21
Publication date: 2013-02-06
Anticipated expiration: 2032-09-21
Also published as: CN102915560B

Abstract

本发明涉及一种数字化制图技术领域，特别涉及一种阈值无关的机载激光雷达点云滤波方法及装置。其技术方案是由以下步骤实现：步骤1）点云数据分割及初始地面不规则三角网（TIN）的构建；步骤2）点云-地面高差数据生成；步骤3）基于点云-地面高差的统计滤波处理。有益效果是：利用这种整体统计特征，本发明的方法及装置可以不采用与点云数据的高差、坡度等几何特征直接相关的阈值来实现机载Lidar点云数据的滤波过程，这样就降低了整个滤波数据处理过程人工干预量，提高了整个机载Lidar点云数据处理的工作效率。

Description

一种阈值无关的机载激光雷达点云滤波方法及装置

技术领域

本发明涉及一种数字化制图技术领域，特别涉及一种阈值无关的机载激光雷达点云滤波方法及装置，适合于针对机载Lidar点云实施自动化处理而将地面与非地面点云分离的一种统计滤波方法及装置。

背景技术

近年来，机载激光雷达技术已成为获取高精度数字高程模型（DEM）的一种重要手段。通过机载激光雷达获取到的点云数据往往包含地面点云数据和非地面点云数据。为了构建数字高程模型(DEM)，通常要将Lidar中地面点云数据与非地面点云数据分离，也就是要把非地面点云数据通过滤波方法从原始Lidar点云数据中滤除，现有的Lidar点云数据滤波方法在整个滤波过程中需要人为设定一些经验阈值才能做滤波处理。人为经验阈值的调整往往导致在Lidar点云数据生产DEM过程中的工作量剧增。

LIU X. Airborne LiDAR for DEM generation: some critical issues [J]. Progress in Physical Geography, 2008, 32(1): 31-49.

以上这篇文章，给出了机载Lidar点云建立DEM的过程,其中点云数据的滤波处理是其中最难且最关键的一步,该文给出了目前广泛采用的滤波方法,这些方法中大多数需要一些经验知识给出参数或者阈值,因此,如何自动地通过滤波方法将地面和非地面点云分离是一个难点。

专利(中国专利申请号201010262366.8 )在步骤3.2中采用预设的高程差阈值和面积比阈值实施滤波操作，因而这种经验阈值会导致整个方法的一种人工干预和调优。采用这种阈值相关的方法，往往存在一个潜在的问题：对于不同地形的Lidar点云数据滤波过程，人工经验阈值的设定调整将导致工作量剧增。

从上面所述的关于Lidar点云数据滤波的现有技术方法来看，这些方法在实际的滤波过程往往会需要人工根据经验设定一些阈值，而设定这些阈值往往需要大量实践积累出经验，并根据这种经验来挑选阈值，因而实际上带来Lidar点云数据滤波工作量剧增以及处理过程的效率低下。

发明内容

本发明的目的就是针对现有技术存在的上述缺陷，提供一种阈值无关的机载激光雷达点云滤波方法及装置。

一种阈值无关的机载激光雷达点云滤波方法，其技术方案是由以下步骤实现：

步骤1）点云数据分割及初始地面不规则三角网（TIN）的构建：主要是以矩形格网规则划分Lidar点云数据,将每个规则格网中的最低点作为地面点，并根据这些点构建初始地面TIN网；控制单元首先将点云数据加载到点云数据存储器中，并在分割器模块中实现步骤1，控制单元则协助分割器完成点云数据存储器与分割器模块之间的数据传输；

步骤2）点云-地面高差数据生成：主要通过步骤1得到的初始地面TIN网，计算出点云数据的高差数据；其主要在统计数据生成器模块中完成，控制单元协助完成统计生成器与点云数据存储器之间的数据传输控制；

步骤3）基于点云-地面高差的统计滤波处理：实现Lidar点云数据的高差统计滤波处理，其主要是将步骤2得到的点云高差值通过计算其统计特征Tsallis熵，并利用熵最大化原则将其在概率分布上分离为两部分，即：一部分为地面点云A，一部分为非地面点云B，步骤3主要在统计滤波器模块中完成主要计算操作，控制单元协助完成统计滤波器与点云数据存储器之间的数据传输控制。

步骤1）的详细步骤如下：

1.1）点云数据平面格网分割：点云数据坐标信息主要有（x,y,h）三个方向，其中x，y为水平方向，h为高程方向，分割器利用点云数据存储器中所有点云数据的x，y方向坐标，计算整个点云数据在x，y平面上的最小外接矩形，对最小外接矩形以矩形规则格网划分，分割器比较Lidar点云数据中的所有点的x，y坐标与划分好的矩形格网范围，将所有的Lidar点划分到其x，y坐标所属的矩形格网内，并将所有的点云数据根据其所属矩形格网按Morton码的顺序在点云数据存储器中重新存储；

1.2）搜索每个格网中点云的最小高程点：分割器对步骤1.1中排好序的点云分块数据遍历每个矩形格网，对在每个矩形格网中的点云数据实施下面两个步骤：

1.2.1）对每个矩形区域中的所有点云数据按其高程值h排序；

1.2.2）排好序后，取高程值最小为该矩形格网内初始地面点；

1.3）初始地面点的不规则三角网构建：对于在步骤1.2.2)中得到的所有初始地面点构建TIN网，采用计算几何中的凸包法来构建初始地面点的TIN网，将TIN结果存放入点云数据存储器中。

步骤2）的详细步骤如下：

2.1) 内插地面高程值：遍历Lidar点云数据中的每个点云数据点实施如下操作：

2.1.1) 取点云数据点P0（x0,y0,h0）以及TIN网中所有顶点的x与y两个水平坐标，这样得到P0在水平面上的对应点P1及TIN网在水平面上的对应三角网N1，在水平面上计算N1的梯形图，根据梯形图计算出水平面上点P1在N1的三角形A1内，并给出A1对应的TIN网中三角形A0；

2.1.2）计算点云数据点水平坐标（x0，y0）在A0所在平面内的对应点（x0，y0，h1）；

2.1.3）将h1设置为P0点对应的地面高程值；

2.2) 计算点云数据高差：遍历Lidar点云数据中的每个点云数据点，将其高程值与步骤2.1中得到的地面高程值求差，得到每个点云数据点的高差值；

2.3) 边界情况的高差计算：在边界,矩形格网内的一些点云数据点无法得到步骤2.1.1的计算结果A0时，计算这些点云数据点的高程与其所在的边界矩形格网内的最低点高程之差，将其设为该点云数据点的高差数据。

步骤3）的详细步骤如下：

3.1）对步骤2中得到的点云-地面高差数据做概率分布统计：将步骤2中得到的所有Lidar点云高差值等分为N个区段，并计算点云数据点在每个高差值区段的概率为

（

取值为）；

3.2）以t（t为整数且取1~N）为分离点计算Tsallis熵。取t的初始值为

，在高差值区段中t对应的高差值处将地面点云和非地面点云分离，即小于等于t区段的高差值为地面点云，大于的则为非地面点云，分别按公式计算地面点云高差分布的Tsallis熵S_A，非地面点云高差分布的Tsallis熵S_B；

3.3）最大熵的优化计算：

3.3.1)对t从初始值

以1为步长进行增加，分别计算地面点云高差的Tsallis熵S_A、非地面点云高差的Tsallis熵S_B以及整体高差的Tsallis熵S_t。经过N-t_B次迭代，可以得到N-t_B个整体高差的Tsallis熵值S_t以及其对应的N-t_B个分离点t值；

3.3.2)对步骤3.3.1)中计算得到的所有Tsallis熵值S_t排序，并得到其最大值，并获取最大值所对应的t值t_max；

3.4）滤波分离地面与非地面点云：根据步骤3.3)中得到的最大Tsallis熵所对应的t_max对点云进行滤波处理，将高差概率分布于t_max右侧的点云滤除为非地面点云，即其高差值大于t_max区段的点云，剩余点云作为地面点云，并通过控制单元将地面点云放入点云数据存储器。

另外，本发明提供一种阈值无关的机载激光雷达点云滤波装置，主要由控制单元、点云数据存储器、分割器、统计数据生成器、统计滤波器这几个模块组成。其中，控制单元主要控制整个自动化点云滤波的过程以及各个模块之间的数据传输。点云数据存储器主要用于存放与点云数据相关的初始化数据，滤波过程中生成的中间数据以及最后得到的地面与非地面点云结果数据。分割器主要实现对点云数据的一些初始化及分割操作。统计数据生成器主要完成统计滤波中一些统计数据的生成。统计滤波器采用熵优化的原理实现点云数据的自动滤波处理。

上述的控制单元可以采用ARM处理器芯片来实现；分割器、统计数据生成器以及统计滤波器可以采用FPGA器件来实现。

上述的ARM处理器芯片采用SAMSUNG的S3C4510B；所述的FPGA器件采用Altera公司的EP1S80F1020C5。

本发明的有益效果是：通过求出Lidar点云数据的整体统计特征—熵，并利用这种统计信息来实现机载Lidar点云数据滤波的方法及装置。利用这种整体统计特征，本专利的方法及装置可以不采用与点云数据的高差、坡度等几何特征直接相关的阈值来实现机载Lidar点云数据的滤波过程，这样就降低了整个滤波数据处理过程人工干预量，提高了整个机载Lidar点云数据处理的工作效率。

附图说明

附图1是本发明的滤波方法的流程图；

附图2是一种阈值无关的Lidar点云统计滤波装置的结构框图。

具体实施方式

结合附图1～2，对本发明作进一步的描述：

本发明的装置主要由控制单元、点云数据存储器、分割器、统计数据生成器、统计滤波器这几个模块组成。其中，控制单元主要控制整个自动化点云滤波的过程以及各个模块之间的数据传输。点云数据存储器主要用于存放与点云数据相关的初始化数据，滤波过程中生成的中间数据以及最后得到的地面与非地面点云结果数据。分割器主要实现对点云数据的一些初始化及分割操作。统计数据生成器主要完成统计滤波中一些统计数据的生成。统计滤波器采用熵优化的原理实现点云数据的自动滤波处理。控制单元可以采用ARM处理器芯片（比如SAMSUNG的S3C4510B）来实现；分割器、统计数据生成器以及统计滤波器可以采用FPGA器件（比如Altera公司的EP1S80F1020C5）来实现。

另外，实现整个滤波方法的详细实施步骤如下：

步骤1）点云数据分割及初始地面不规则三角网，也称TIN网的构建：

步骤1主要以的矩形格网规则划分Lidar点云数据,将每个规则格网中的最低点作为地面点，并根据这些点构建初始地面不规则三角网（TIN）。控制单元首先将点云数据加载到点云数据存储器中，并在分割器模块中实现步骤1，控制单元则协助分割器完成点云数据存储器与分割器模块之间的数据传输。其详细步骤如下：

1.1）点云数据平面格网分割。点云数据坐标信息主要有（x,y,h）三个方向。其中x，y为水平方向，h为高程方向。分割器利用点云数据存储器中所有点云数据的x，y方向坐标，计算整个点云数据在x，y平面上的最小外接矩形。对最小外接矩形以矩形规则格网划分。分割器比较Lidar点云数据中的所有点的x，y坐标与划分好的矩形格网范围，将所有的Lidar点划分到其x，y坐标所属的矩形格网内。并将所有的点云数据根据其所属矩形格网按Morton码的顺序在点云数据存储器中重新存储。

1.2）搜索每个格网中点云的最小高程点。分割器对步骤1.1中排好序的点云分块数据遍历每个矩形格网，对在每个矩形格网中的点云数据实施下面两个步骤：

1.2.1）对每个矩形区域中的所有点云数据按其高程值h排序。

1.2.2）排好序后，取高程值最小为该矩形格网内初始地面点。

1.3）初始地面点的不规则三角网构建。对于在步骤1.2.2)中得到的所有初始地面点构建TIN网。采用计算几何中的凸包法来构建初始地面点的TIN网，将TIN结果存放入点云数据存储器中。

步骤2）点云-地面高差数据生成

步骤2主要通过步骤1得到的初始地面TIN网，计算出点云数据的高差数据。其主要在统计数据生成器模块中完成，控制单元协助完成统计生成器与点云数据存储器之间的数据传输控制。步骤2的详细步骤如下：

2.1) 内插地面高程值。遍历Lidar点云数据中的每个点云数据点实施如下操作：

2.1.1) 取点云数据点P0（x0,y0,h0）以及TIN网中所有顶点的x与y两个水平坐标，这样得到P0在水平面上的对应点P1及TIN网在水平面上的对应三角网N1，在水平面上计算N1的梯形图，根据梯形图计算出水平面上点P1在N1的三角形A1内，并给出A1对应的TIN网中三角形A0。

2.1.2）计算点云数据点水平坐标（x0，y0）在A0所在平面内的对应点（x0，y0，h1）。

2.1.3）将h1设置为P0点对应的地面高程值。

2.2) 计算点云数据高差。遍历Lidar点云数据中的每个点云数据点，将其高程值与步骤2.1中得到的地面高程值求差，得到每个点云数据点的高差值。

2.3) 边界情况的高差计算。在边界,矩形格网内的一些点云数据点无法得到步骤2.1.1的计算结果A0时，计算这些点云数据点的高程与其所在的边界矩形格网内的最低点高程之差，将其设为该点云数据点的高差数据。

步骤3）基于点云-地面高差的统计滤波处理

步骤3主要是实现Lidar点云数据的高差统计滤波处理，其主要是将步骤2得到的点云高差值通过计算其统计特征Tsallis熵，并利用熵最大化原则将其在概率分布上分离为两部分，即：一部分为地面点云A，一部分为非地面点云B。步骤3主要在统计滤波器模块中完成主要计算操作，控制单云协助完成统计滤波器与点云数据存储器之间的数据传输控制。其详细描述如下所述：

3.1）对步骤2中得到的点云-地面高差数据做概率分布统计。将步骤2中得到的所有Lidar点云高差值等分为N个区段，并计算点云数据点在每个高差值区段的概率为

（

取值为）；

，在高差值区段中t对应的高差值处将地面点云和非地面点云分离，即小于等于t区段的高差值为地面点云，大于的则为非地面点云。分别按下面公式计算地面点云高差分布的Tsallis熵S_A，非地面点云高差分布的Tsallis熵S_B。

公式1

公式2

公式3

这里，公式中，S_A按公式1计算，S_B按公式2计算，按公式3计算整体高差数据Tsallis熵S_t。公式中，地面点云A的高差值总概率为

，非地面点云B的高差值总概率为

，则

，，q为非广延参数，其值为7.9。

3.3）最大熵的优化计算。

3.3.1) 对t从初始值

3.4）滤波分离地面与非地面点云。根据步骤3.3)中得到的最大Tsallis熵所对应的t_max对点云进行滤波处理，将高差概率分布于t_max右侧的点云滤除为非地面点云，即其高差值大于t_max区段的点云，剩余点云作为地面点云。并通过控制单元将地面点云放入点云数据存储器。

Claims

1.一种阈值无关的机载激光雷达点云滤波方法，其特征是由以下步骤实现：

步骤1）点云数据分割及初始地面不规则三角网的构建：主要是以矩形格网规则划分Lidar点云数据,将每个规则格网中的最低点作为地面点，并根据这些点构建初始地面不规则三角网，也称TIN网；控制单元首先将点云数据加载到点云数据存储器中，并在分割器模块中实现步骤1），控制单元则协助分割器完成点云数据存储器与分割器模块之间的数据传输；

2.根据权利要求1所述的阈值无关的机载激光雷达点云滤波方法，其特征是：步骤1）的详细步骤如下：

1.2.1）对每个矩形区域中的所有点云数据按其高程值h排序；

3.根据权利要求1所述的阈值无关的机载激光雷达点云滤波方法，其特征是：步骤2）的详细步骤如下：

2.1.1) 取点云数据点P0（x0,y0,h0）以及TIN网中所有顶点的x与y两个水平坐标，这样得到P0在水平面上的对应点P1（x0,y0）及TIN网在水平面上的对应三角网N1，在水平面上计算N1的梯形图，根据梯形图计算出水平面上点P1在N1的三角形A1内，并给出A1对应的TIN网中三角形A0；

2.1.2）计算点云数据点水平坐标（x0，y0）在A0所在平面内其所对应点（x0，y0，h1）；

2.1.3）将h1设置为P0点对应的地面高程值；

2.3) 边界情况的高差计算：在边界矩形格网内的一些点云数据点无法得到步骤2.1.1的计算结果A0时，计算这些点云数据点的高程与其所在的边界矩形格网内的最低点高程之差，将其设为该点云数据点的高差数据。

4.根据权利要求1所述的阈值无关的机载激光雷达点云滤波方法，其特征是：步骤3）的详细步骤如下：

（

取值为）；

3.2）以t（t为整数且取1~N）为分离点计算Tsallis熵，取t的初始值为

，在高差值区段中t对应的高差值将地面点云和非地面点云分离，即小于等于t区段的高差值为地面点云，大于的则为非地面点云，分别按公式计算地面点云高差分布的Tsallis熵，非地面点云高差分布的Tsallis熵；

3.3）最大熵的优化计算：

3.3.1) 对t从初始值

以1为步长进行增加，分别计算地面点云高差的Tsallis熵S_A、非地面点云高差的Tsallis熵S_B以及整体高差的Tsallis熵S_t，经过N-t_B次迭代，可以得到N-t_B个整体高差的Tsallis熵值S_t以及其对应的N-t_B个分离点t值；

3.3.2)对步骤3.3.1)中计算得到的所有整体高差的Tsallis熵值S_t排序，得到其最大值，并获取最大值所对应的t值t_max；

5.一种阈值无关的机载激光雷达点云滤波装置，其特征是：主要由控制单元、点云数据存储器、分割器、统计数据生成器和统计滤波器组成，其中，控制单元主要控制整个自动化点云滤波的过程以及各个模块之间的数据传输；点云数据存储器主要用于存放与点云数据相关的初始化数据，滤波过程中生成的中间数据以及最后得到的地面与非地面点云结果数据；分割器主要实现对点云数据的一些初始化及分割操作；统计数据生成器主要完成统计滤波中一些统计数据的生成，统计滤波器采用熵优化的原理实现点云数据的自动滤波处理。

6.根据权利要求5所述的阈值无关的机载激光雷达点云滤波装置，其特征是：所述的控制单元可以采用ARM处理器芯片来实现；分割器、统计数据生成器以及统计滤波器可以采用FPGA器件来实现。

7.根据权利要求6所述的阈值无关的机载激光雷达点云滤波装置，其特征是：所述的ARM处理器芯片采用SAMSUNG的S3C4510B；所述的FPGA器件采用Altera公司的EP1S80F1020C5。