CN103542868B - 基于角度和强度的车载激光点云噪点自动去除方法 - Google Patents

Abstract

本发明涉及一种基于角度和强度的车载激光点云噪点自动去除方法,操作步骤为：使用激光扫描仪获取点云数据，根据点云数据每一扫描圈时间及经纬度，计算出太阳高度角；根据POS系统的姿态及位置信息，求解出每一扫描圈时刻POS平面的方程；计算扫描圈中的三维坐标点与POS中心构成连线与POS平面的夹角，计算其与太阳高度角余角的差值，将角度差值与阈值对比，将小于角度阈值的点初步判定为噪声点；计算噪声点邻域内点坐标的协方差矩阵，求解该矩阵的特征值，判定其共面性及共线性，将小于阈值的点再次判定为噪声点；计算噪声点邻域内的强度分布的方差值，将大于阈值的点确定为噪声点。本方法具有自动化程度高、快速高效的优点。

Description

基于角度和强度的车载激光点云噪点自动去除方法

技术领域

本发明涉及一种基于角度和强度的车载激光点云噪点自动去除方法，属于摄影测量和三维激光技术领域。

背景技术

车载三维激光移动测量系统以车为载体平台，搭载激光扫描仪和全景相机获取物体表面三维坐标和纹理信息，使用GPS动态定位，INS(惯性制导系统)获取移动测量系统的姿态参数。车载三维激光移动测量系统可以获取建筑物、道路、隧道等城市物体的表面信息，非常适用于城市物体三维空间信息的快速有效获取。

但是，车载三维激光移动测量系统在进行数据采集时存在较强光照环境，扫描仪发射的激光在阳光强烈照射下会受到影响，导致获取的点云数据中存在噪声点，从而影响基于点云的数字测图和建模。在获取的点云数据进行生产应用之前，需要进行预处理，去除噪声点，提升点云数据的质量。点云去噪有两类手段，一类是手动选择删除，该方法工作量大，效率低，但判读准确，另一类方法是自动过滤，一般通过点密度特征采用统计的方法判断出噪声点从而去除，该方法针对阳光噪点的去除效果不好，容易过滤掉较多的有效点，过滤准确率不高。

发明内容

本发明的目的是为了解决现有技术存在的不足，而提供一种自动化程度高，运算过程简单有效，去除噪点快速高效的基于角度和强度的车载激光点云噪点自动去除方法。本方法基于激光点的角度和强度的分布特性，自动准确去除噪声点。

为实现上述目的，本发明所采用的技术方案是：提出一种基于角度和强度的车载激光点云噪点自动去除方法，首先，使用车载三维激光测量系统采集数据，采集数据过程在车辆行驶中进行，三维激光扫描仪用于获取点云数据，GPS导航仪与惯性制导系统构成的POS系统用于获取姿态位置信息；点云数据按照圈索引进行组织，以获取每一个扫描圈的三维坐标点集；按照时间对齐，根据采集的POS信息进行线性插值解算，获取三维点云数据扫描圈每一圈的姿态信息及位置信息；定义车载三维激光测量系统中的POS系统中心点为坐标系原点，车辆行驶的方向为Y轴正方向，垂直向上的方向为Z轴正方向，构建空间坐标系，再按如下步骤操作：

步骤1、根据点云数据每一个扫描圈POS系统的时间信息及经纬度位置信息，计算出每一扫描圈时刻太阳高度角θ_si；

步骤2、根据点云数据每一个扫描圈POS系统的姿态信息及空间三维坐标位置信息，求解出每一扫描圈POS平面的方程表达式；

步骤3、从用圈索引组织的点云数据中取出任意第i扫描圈中包含的任意点j与POS中心连线构成三维向量V_ij，计算V_ij与POS平面法向量N_i的夹角ɑ_ij，比较夹角ɑ_ij与太阳高度角余角β_ij，得到角度差值θ_ij，然后θ_ij与阈值T_A进行比较，将小于角度阈值T_A的点初步判定为噪声点；

步骤4、统计在被初步判定为噪声点的邻域范围内空间分布,构建协方差矩阵Σ_j(x,y,z)，计算出矩阵特征值λ₁，λ₂，λ₃，然后根据矩阵特征值计算共面特征值P_λj及共线特征值L_λj，对比共面特征值P_λj与阈值P_T，共线特征值L_λj与阈值L_T，将均小于阈值的点判定为噪声点；

步骤5、统计判定为噪声点的邻域范围内的坐标点强度分布的方差值δ_j，设定方差阈值δ_T，将大于方差阈值的点确定为噪声点。

本发明的方法步骤1中所述点云数据每一扫描圈POS系统的时间信息及经纬度位置信息，为经纬度坐标(L_i，B_i，H_i)，时间信息为UTM时间或者北京时间t_i；按照公式①，求得任意时刻任意地方的太阳高度角θ_si：

sin(θ_si)＝sin(σ_i)sin(L_i)+cos(L_i)cos(σ_i)cos(S_i)……………………①

其中θ_si表示当前圈的太阳高度角，σ_i表示当前圈时刻太阳视赤纬，L_i表示当前扫描圈的地理纬度，北纬为正，S_i表示太阳时角。

太阳视赤纬σ_i及太阳时角S_i均可通过天文算法计算获取，本发明不再详述。

本发明的方法步骤2中所述求解每一扫描圈POS平面方程表达式，一方面POS平面作为三维空间中的一个平面，由平面上的POS系统中心点以及平面的法向量表示；另一方面车辆行驶过程中，三维激光移动测量系统中POS系统的姿态信息用三个角度表达，即绕参考坐标系Z轴旋转角，绕X轴旋转角ω,以及绕Y轴旋转角κ；定义POS平面为测量系统所在的一个平面，将POS平面由坐标系的XOY平面绕X轴旋转ω,以及绕Y轴旋转角κ得到，等效于XOY平面的法向量(0，0，1)经过上述旋转操作后，获取每一扫描圈POS平面的法向量N_i；POS系统中心点O的坐标值(X₀,Y₀,Z₀)由GPS系统定位获取，由此确定POS平面方程表达式。

本发明的方法步骤3中所述的任意第i扫描圈中包含的任意点j的三维坐标点(X_ij,Y_ij,Z_ij)，则第i扫描圈中第j个点与当前圈POS中心(X_i0,Y_i0,Z_i0)连线，获得三维向量V_ij，得到V_ij＝(X_ij-X_i0,Y_ij-Y_i0,Z_ij-Z_i0)，计算V_ij与POS平面法向量N_i的夹角ɑ_ij，比较夹角ɑ_ij与太阳高度角余角β_ij差值得到角度差值θ_ij，然后θ_ij与阈值T_A进行比较，将小于阈值的点初步判定为噪声点。

本发明的方法步骤4中所述统计在被初步判定为噪声点的邻域范围内空间分布，是统计被初步判定为噪点邻域内点的三维坐标值的空间分布，分别求解X坐标、Y坐标、Z坐标的协方差，构建协方差矩阵Σ_j(x,y,z)，该矩阵为实对称矩阵，使用雅克比方法计算出矩阵特征值λ₁，λ₂，λ₃，按照从大到小的顺序排序，即满足λ₁≥λ₂≥λ₃条件，然后根据公式②③计算出共面特征值P_λj及共线特征值L_λj：

对比共面特征值P_λj与阈值P_T，共线特征值L_λj与阈值L_T，将均小于阈值的点判定为噪声点。

本发明的方法步骤5中所述统计判定为噪声点的邻域范围内的坐标点强度分布的方差值δ_j，首先计算噪声点的邻域内点的强度值均值I_j，然后根据方差公式计算方差值δ_j，设定阈值δ_T为0.5，将大于方差阈值的点确定为噪声点。

本发明基于车载点云数据角度特征及强度特征进行过滤，阳光噪声点分布位置与太阳位置有关，其角度特征与太阳高度角存在相关性，而且噪声点的强度存在不规则、发散分布状态，表现为噪点邻域内点强度值相差较大，基于上述特点，设定过滤算法，能够自动化的去处噪声点。

本发明的方法与现有的技术相比具有如下优点：

1、自动化程度高。本发明的方法基于太阳高度角的预判与基于强度分布的过滤处理均可自动完成，基本没有人工手动干预过程，自动化程度高。

2、快速高效。本发明的方法基于强度分布的去噪方法，运算过程简单有效，没有过多的复杂计算，具有较高的处理效率。

附图说明

图1为本发明基于角度和强度的车载激光点云噪点自动去除方法的操作流程图。

图2为本发明激光扫描时刻太阳高度角示意图。

图3为本发明扫描仪按照圈记录激光点云数据示意图。

图4为本发明扫描圈中的点与POS中心连线与POS平面角度示意图。

图5为本发明噪点邻域空间分布与非噪点邻域空间分布对比图。

图6为本发明噪点邻域强度分布与非噪点邻域强度分布对比图。

上述图中：1-太阳，2-路面，3-第i扫描圈激光点云数据，4-POS平面，5-噪点邻域，6-非噪点邻域，7-第(i-2)扫描圈激光点云数据，8-存在激光点，9-不存在激光点。

具体实施方式

以下结合附图和实施例对本发明作进一步详述。

实施例1：本发明提出的一种基于角度和强度的车载激光点云噪点自动去除方法，其操作步骤如图1所示。具体的操作是：首先，使用车载三维激光测量系统采集数据，车载三维激光移动测量系统集成部件包括车辆、三维激光扫描仪、GPS导航仪、惯性制导系统和全景相机，采集数据过程在车辆行驶中进行，三维激光扫描仪用于获取点云数据，GPS导航仪与惯性制导系统构成的POS系统用于获取姿态位置信息；点云数据按照圈索引进行组织，以获取每一圈扫描圈的三维坐标点集；按照时间对齐，根据采集的POS信息插值结算获取三维点云数据扫描圈每一圈的姿态信息及位置信息；定义车载三维激光测量系统中的POS中心点为坐标系原点，车辆在路面2上行驶的方向为Y轴正方向，垂直向上的方向为Z轴正方向，构建空间坐标系，然后按如下步骤操作：

步骤1、根据点云数据每一扫描圈时刻，车载三维激光测量系统采集数据获取的位置信息以及时间信息，计算每一扫描圈时刻的太阳高度角θ_s，如对于第i扫描圈点云数据3，根据获取的对应的位置信息时间信息，求解出扫描圈i时刻对应的太阳1所处的太阳高度角θ_si，如图2所示，其具体操作为：

1.1、车载三维激光扫描系统通过GPS进行定位，获取扫描进程中的位置信息及时间信息；第i扫描圈对应的POS中心位置信息记录形式为经纬度坐标(L_i，B_i，H_i)，时间信息可以换算至北京时间。

1.2、根据天文算法，计算太阳视赤纬角度σ_i及太阳时角S_i，然后根据公式①求得任意时刻任意地方的太阳高度角θ_si：

sin(θ_si)＝sin(σ_i)sin(L_i)+cos(L_i)cos(σ_i)cos(S_i)……………………①

其中θ_si表示当前圈的太阳高度角，σ_i表示当前圈时刻太阳视赤纬，L_i表示当前扫描圈的地理纬度，北纬为正，S_i表示太阳时角。

步骤2、根据点云数据每一个扫描圈POS系统的姿态信息及位置信息，求解出每一扫描圈POS平面4的方程表达式；如对于第i扫描圈点云数据3，根据获取的对应的姿态信息及位置信息，求解出扫描圈i的POS平面4的方程表达式，其具体为：

2.1、一方面由数学知识可知，三维空间中的平面由该平面的法向量及平面上的一点确定，定义第i扫描圈POS平面4为P_i＝(O_i，N_i)；其中O_i表示POS中心坐标值，N_i表示POS平面4的法向量。另一方面车辆扫描过程中姿态信息可以用三个角度表达，即绕Z轴旋转的航向角，绕X轴旋转的俯仰角ω，以及绕Y轴旋转的翻滚角κ，定义POS平面4为车载三维激光测量系统所在的平面，将XOY平面绕X轴旋转ω，以及绕Y轴旋转的翻滚角κ，即为POS平面4。

2.2、平面的旋转可以看作是平面法向量的旋转，等效于XOY平面的法向量(0，0，1)经过上述旋转操作后，可以获取每一扫描圈POS平面4的法向量N_i。中心点O的坐标值(X₀,Y₀,Z₀)可由GPS获取。由此，可以确定POS平面4的方程，如图3所示。

步骤3、从用圈索引组织的点云数据中取出任意第i扫描圈中包含的任意点j与POS中心连线构成三维向量V_ij，计算V_ij与POS平面法向量N_i的夹角ɑ_ij，比较夹角ɑ_ij与太阳高度角余角β_ij差值得到角度差值θ_ij，然后θ_ij与阈值T_A进行比较，将小于角度阈值T_A的点初步判定为噪声点；如图4所示，具体操作是：

3.1、对于第i扫描圈中任一三维点j，可表示为(X_ij,Y_ij,Z_ij)，i表示第i扫描圈，j表示第i扫描圈中第j个点，计算j点与当前第i扫描圈POS中心(X_i0,Y_i0,Z_i0)连线向量，从该圈点云数据中取出该点三维坐标值，计算该点与中心点的坐标差值，得到三维向量V_ij＝(X_ij-X_i0,Y_ij-Y_i0,Z_ij-Z_i0)，如图4所示。

3.2、计算V_ij与N_i的夹角ɑ_ij，计算当前圈太阳高度角余角即天顶角β_ij，然后求得角度差值θ_ij，判断θ_ij是否大于角度阈值T_A，T_A一般为30度。

定义法向量N_i与向量V_ij的夹角ɑ_ij，根据向量的点乘公式④可以求得；

N_i·V_ij＝︱N_i︱·︱V_ij︱·cosɑ_ij……………………………④

定义太阳高度角余角即太阳天顶角β_ij，根据余角公式⑤可以求得。

β_ij＝90°-θ_si……………………………………………………⑤

计算出ɑ_ij和β_ij后，角度差值θ_ij可由公式⑥求得。

θ_ij＝︱ɑ_ij-β_ij︱……………………………………………………⑥

对比θ_ij与角度阈值T_A大小，将小于T_A的值初步判定为噪声点。

步骤4、在被初步判定为噪声点的邻域范围内，统计邻域内所有点的三维坐标值的空间分布，分别求解X坐标、Y坐标、Z坐标的协方差，构建协方差矩阵Σ_j(x,y,z)，所述的协方差矩阵为实对称矩阵，使用雅克比方法计算出矩阵特征值λ₁，λ₂，λ₃，其中λ₁≥λ₂≥λ₃，然后计算出共面特征值P_λj及共线特征值L_λj，对比共面特征值P_λj与阈值P_T，共线特征值L_λj与阈值L_T，将均小于阈值的点判定为噪声点，具体步骤如下：

4.1、根据圈索引来组织点云数据，则对于第i扫描圈内扫描点j的5×5范围邻域内坐标点分布如图5所示，图5中白色方块表示存在激光点8，黑色方块表示此处不存在激光点9，图5中以第i扫描圈激光点云数据3为中心列，往左边依次为第i-1扫描圈激光点云数据、第i-2扫描圈激光点云数据7，往右边依次为第i+1扫描圈激光点云数据、第i+2扫描圈激光点云数据，图5中(a)图表示噪点邻域5，如果点j为噪声点，则其噪点邻域5内激光点的分布，坐标空间分布较为散乱，图中(b)图表示非噪点邻域6，如果点j为非噪点邻域6点分布示意，坐标空间分布较为均衡。

4.2、对于噪声点j，通过圈索引获取其N×N范围(N＝5)内邻域点集合，根据协方差公式⑦计算X坐标、Y坐标、Z坐标的协方差，构建协方差矩阵Σ_j(x,y,z)。

4.3、点j对应的协方差矩阵Σ_j(x,y,z)为实对称矩阵，根据矩阵论中的雅克比法求解出协方差矩阵的特征值，并按从大到小顺序降序排列，得到特征值λ₁，λ₂，λ₃，其中λ₁≥λ₂≥λ₃，然后根据公式②计算出共面特征P_λj，公式③计算出共线特征L_λj；

4.4、将共线特征值P_λj与特征阈值P_T进行对比，P_T一般设为0.6，及将共线特征值L_λj与阈值L_T进行对比，L_T一般设为0.7，将均小于阈值的点j再次设定为噪声点。

步骤5、统计判定为噪声点的邻域范围内点的强度值均值然后计算方差值δ_j，设定方差阈值δ_T，将大于方差阈值的点确定噪声点。

5.1、对于第i扫描圈内扫描点j的5×5范围邻域内强度分布如图6所示，图中(a)图表示噪点邻域5，如果点j为噪声点，则噪点邻域5内强度值的分布，强度值变化幅度较大，图中(b)图表示非噪点邻域6，如果点j为非噪点邻域6的点的强度值分布，强度值变化平缓。

5.2、统计被判定为噪声点j的N×N范围(N＝5)噪点邻域5内的强度均值然后根据方差公式计算出方差值δ_j，对比方差阈值δ_T，δ_T一般设为0.5，将大于阈值的点确定为噪声点。

本发明的方法基于太阳高度角的预判与基于强度分布的过滤处理均可自动完成，人工手动干预过程少，自动化程度高，具有较高的处理效率。

Claims (6)

1.一种基于角度和强度的车载激光点云噪点自动去除方法，首先，使用车载三维激光测量系统采集数据，采集数据过程在车辆行驶中进行，三维激光扫描仪用于获取点云数据，GPS导航仪与惯性制导系统构成的POS系统用于获取姿态位置信息；点云数据按照圈索引进行组织，以获取每一个扫描圈的三维坐标点集；按照时间对齐，根据采集的POS信息进行线性插值解算，获取三维点云数据扫描圈每一圈的姿态信息及位置信息；定义车载三维激光测量系统中的POS系统中心点为坐标系原点，车辆行驶的方向为Y轴正方向，垂直向上的方向为Z轴正方向，构建空间坐标系，其特征在于：再按如下步骤操作：

步骤1、根据点云数据每一个扫描圈POS系统的时间信息及经纬度位置信息，计算出每一扫描圈时刻太阳高度角θ_si；

步骤2、根据点云数据每一个扫描圈POS系统的姿态信息及空间三维坐标位置信息，求解出每一扫描圈POS平面的方程表达式；

步骤3、从用圈索引组织的点云数据中取出任意第i扫描圈中包含的任意点j与POS中心连线构成三维向量V_ij，计算V_ij与POS平面法向量N_i的夹角ɑ_ij，比较夹角ɑ_ij与太阳高度角余角β_ij，得到角度差值θ_ij，然后θ_ij与阈值T_A进行比较，将小于角度阈值T_A的点初步判定为噪声点；

步骤4、统计在被初步判定为噪声点的邻域范围内空间分布,构建协方差矩阵Σ_j(x,y,z)，计算出矩阵特征值λ₁，λ₂，λ₃，然后根据矩阵特征值计算共面特征值P_λj及共线特征值L_λj，对比共面特征值P_λj与阈值P_T，共线特征值L_λj与阈值L_T，将均小于阈值的点判定为噪声点；

步骤5、统计判定为噪声点的邻域范围内的坐标点强度分布的方差值δ_j，设定方差阈值δ_T，将大于方差阈值的点确定为噪声点。

2.根据权利要求1所述的基于角度和强度的车载激光点云噪点自动去除方法，其特征在于：步骤1中所述点云数据每一扫描圈POS系统的时间信息及经纬度位置信息，为经纬度坐标(L_i，B_i，H_i)，时间信息为UTM时间或者北京时间t_i；按照公式①，求得任意时刻任意地方的太阳高度角θ_si：

sin(θ_si)＝sin(σ_i)sin(L_i)+cos(L_i)cos(σ_i)cos(S_i)……………………①

其中θ_si表示当前圈的太阳高度角，σ_i表示当前圈时刻太阳视赤纬，L_i表示当前扫描圈的地理纬度，北纬为正，S_i表示太阳时角。

3.根据权利要求1所述的基于角度和强度的车载激光点云噪点自动去除方法，其特征在于：步骤2中所述求解每一扫描圈POS平面方程表达式，一方面POS平面作为三维空间中的一个平面，由平面上的POS中心点以及平面的法向量表示；另一方面车辆行驶过程中，三维激光移动测量系统中POS系统的姿态信息用三个角度表达，即绕参考坐标系Z轴旋转角φ，绕X轴旋转角ω,以及绕Y轴旋转角κ；定义POS平面作为测量系统所在的一个平面，将POS平面由坐标系的XOY平面绕X轴旋转ω,以及绕Y轴旋转角κ得到，等效于XOY平面的法向量(0，0，1)，经过上述旋转操作后，获取每一扫描圈POS平面的法向量N_i；POS系统中心点O的坐标值(X₀,Y₀,Z₀)由GPS系统定位获取，由此确定POS平面方程表达式。

4.根据权利要求1所述的基于角度和强度的车载激光点云噪点自动去除方法，其特征在于：步骤3中所述的任意第i扫描圈中包含的任意点j的三维坐标点(X_ij,Y_ij,Z_ij)，则第i扫描圈中第j个点与当前圈POS中心(X_i0,Y_i0,Z_i0)连线，获得三维向量V_ij，得到V_ij＝(X_ij-X_i0,Y_ij-Y_i0,Z_ij-Z_i0)，计算V_ij与POS平面法向量N_i的夹角ɑ_ij，比较夹角ɑ_ij与太阳高度角余角β_ij，得到角度差值θ_ij，然后θ_ij与阈值T_A进行比较，将小于阈值的点初步判定为噪声点。

5.根据权利要求1所述的基于角度和强度的车载激光点云噪点自动去除方法，其特征在于：步骤4中所述统计在被初步判定为噪声点的邻域范围内空间分布，是统计被初步判定为噪点邻域内点的三维坐标值的空间分布，分别求解X坐标、Y坐标、Z坐标的协方差，构建协方差矩阵Σ_j(x,y,z)，所述矩阵为实对称矩阵，使用雅克比方法计算出矩阵特征值λ₁，λ₂，λ₃，按照从大到小的顺序排序，即满足λ₁≥λ₂≥λ₃条件，然后根据公式②③计算出共面特征值P_λj及共线特征值L_λj：

$P_{\mathrm{\λ}j}=\frac{{\mathrm{\λ}}_2-{\mathrm{\λ}}_3}{{\mathrm{\λ}}_1}$ ………………………………………………………②

$L_{\mathrm{\λ}j}=\frac{{\mathrm{\λ}}_1-{\mathrm{\λ}}_2}{{\mathrm{\λ}}_1}$ ………………………………………………………③

对比共面特征值P_λj与阈值P_T，共线特征值L_λj与阈值L_T，将均小于阈值的点判定为噪声点。

6.根据权利要求1所述的基于角度和强度的车载激光点云噪点自动去除方法，其特征在于：步骤5中所述统计判定为噪声点的邻域范围内的坐标点强度分布的方差值δ_j，首先计算噪声点的邻域内点的强度值均值然后根据方差公式计算方差值δ_j，设定阈值δ_T为0.5，将大于方差阈值的点确定为噪声点。