CN104156926A - 多场景下车载激光点云噪声点去除方法 - Google Patents

Abstract

本发明公开了多场景下车载激光点云噪声点去除方法，分为以下三种情况，对于离散噪点的点云数据的去除方法，是一种基于离群分析的自动去除方法，对于阳光噪点的点云数据的去除方法，是一种基于角度和临近点距离的自动去除方法；对于层状噪声的数据点云的去除方法，是一种基于POS距离直接过滤和统计分段范围后区段去除的方法。本发明针对车载激光点云数据三种常见类型的噪声点云分别提出了去除方法，具有灵活性强，可延伸性高的特点。

Description

多场景下车载激光点云噪声点去除方法

技术领域

本发明涉及摄影测量和三维激光技术领域，具体是一种在多种场景下形成的三种类型的车载激光噪声点云的自动去除方法。

背景技术

移动车载激光测量系统以车辆为搭载平台综合利用GPS、IMU、激光扫描仪、数码相机，在多种传感器同步集成与控制的基础上构建的车载LiDAR测量系统，已成为一种快速的空间数据获取手段，广泛运用于基础测绘、城市规划、交通、数字城市等领域。但是，车载三维激光移动测量系统在进行数据采集时受到空中灰尘、雨水、以及强烈的光照影响都会使激光脉冲在空中形成反射，从而形成噪声点云。另外，由于激光脉冲的光斑有一定的大小，当光斑照射到目标边缘时容易出现衍射噪声(也称为拖影噪声)。上述原因形成的噪声都会影响后续点云的应用，因此需要对获取的点云数据进行预处理，以去除噪声点，提升点云数据的质量。

发明内容

本发明的目的在于提供一种灵活性强，可延伸性高的多场景下车载激光点云噪声点去除方法。

为实现上述目的，本发明提供如下技术方案：

多场景下车载激光点云噪声点去除方法，分为以下三种情况，对于离散噪点的点云数据采用一种基于离群分析的自动去除方法，具体步骤如下：

1)、获得当前点的临域点集：临域点集的获取依照扫描圈的序号和圈内点云的序号确定当前点的临域点集；若当前点所在圈序号为L_i，圈内点序号为C_j，设定临域大小为K×K，则临域内点集为

2)、依次计算临域点集到当前点的距离差值D_n，n＝0，1，2...K×K，设置距离阈值D_thre，若D_n＞D_thre，则将该点标记为当前点的离群点，即N_Outer＝1；否则N_Outer＝0；统计邻域内离群点的比例，即设定离群点比例阈值R_thre，若R_p＞R_thre，则当前点为离群点，将其标记为噪点；反之不是离群点；

对于阳光噪点的点云数据的去除方法，是一种基于角度和临近点距离的自动去除方法；具体步骤如下：

1)、通过POS解算得到POS的中心坐标(x_pos，y_pos，z_pos)和UTM时间t，将POS中心坐标换算为经纬度坐标(L，B，H)后通过天文计算公式得到当前的太阳高度角θ_s；

2)、遍历当前圈点云，统计得到所有相邻点距离的均方差D_dev；

3)、遍历当前圈点云，得到每个点(x_i，y_i，z_i)与中心点(x_pos，y_pos，z_pos)组成的矢量计算与Z轴的夹角θ_i，θ_i∈[0°，90°]；同时，得到该点与相邻两点的距离平均值 $\stackrel{\‾}{D_i}=(D_{i-1}+D_{i+1})/2;$

4)、若当前点同时满足θ_i∈[0，90°-θ_s±Δθ]和则判断该点为阳光噪声点；其中Δθ为噪点的角度范围活动阈值；

对于层状噪声的数据点云的去除方法，是一种基于POS距离直接过滤和统计分段范围后区段去除的方法；具体步骤如下：

1)、分析噪声点云与POS中心的距离，确定各层噪声点固定的距离值D_i，i＝0，1，2...n；根据该阈值将D_pos∈[D_i-D_thre，D_i+D_thre]的点标记为噪声点，其中D_thre为距离缓冲经验阈值；

2)、对固定距离阈值过滤后剩余的噪声点，将到POS中心的距离D_pos以一个高度值H_slice划分区段，将区段内点数少于一定数量N_Si＜N_thre或一定比例N_Si/N_All＜R_thre时，将该区段内的点都视为噪声点。

作为本发明进一步的方案：离散噪点的点云数据的去除方法的参数为K＝7，D_thre＝10m，R_thre＝80％。

作为本发明进一步的方案：层状噪声的数据点云的去除方法中参数D_thre＝0.5m，H_slice＝10m。

与现有技术相比，本发明的有益效果是：针对车载激光点云数据三种常见类型的噪声点云分别提出了噪点的去除方法，这些方法具有灵活性强，可延伸性高的特点。

附图说明

图1是车载激光测量系统三维空间坐标系；

图2是空中离散噪声点云；

图3是点云获取过程示意图；

图4是阳光噪声点云；

图5是阳光噪点相邻点的距离分布；

图6是层状噪声点云；

图7是层状噪声角度范围。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明通过分析噪点形成的原因，从成因上分析噪点的特征，通过分析特征的规律设计算法去除噪声点。另外，实际情况中，点云数据中的噪点不具有一致的规律性，则需要分析这些噪点在距离、强度和空间分布等方面具有的特性，从而确定去除方法。

本发明实施例中，多场景下车载激光点云噪声点去除方法，移动车载激光测量系统中的三维激光扫描仪在获取点云数据过程中，GPS导航仪与惯性制导系统IMU构成的POS系统用于获取姿态位置信息；将点云数据按扫描圈索引进行组织，以获取每一圈扫描圈的三维坐标点集，同时，对没有反射脉冲的位置以无效点(三维坐标都为0，但还保留其空间序号)代替，从而保证每一扫描圈的总点数相同；按照时间对齐，将每圈点云与POS信息插值解算获取每一扫描圈的姿态和位置信息；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，构建一个空间直角坐标系，如图1所示。本发明将以此为基础提出三种类型噪点数据的去除方法。

请参阅图2与图3，多场景下车载激光点云噪声点去除方法，对于离散噪点的点云数据的去除方法，这种类型噪点的成因主要是因为空中的灰尘、水珠或其他物体反射激光脉冲形成的。这类噪声点在空间分布上呈现出分布角度范围大、分布不集中、密度较低等特点。由于在扫描过程中，激光扫描仪以固定的角度间隔发射激光脉冲，当脉冲照射到目标物体上被反射并被接受后，通过计算两者的时间差就能获得目标点的三维坐标；而当脉冲照射到某些位置时如天空等会出现没有反射脉冲，那么该点将是无效点，通常将其三维坐标都标记为0。本发明针对这类噪点提出采用离群过滤方法去除该类噪点。该方法的实现步骤如下：

1、获得当前点的临域点集。临域点集的获取并不按照空间位置获得距离最近的点集，而是依照扫描圈的序号和圈内点云的序号确定当前点的临域点集。若当前点所在圈序号为L_i，圈内点序号为C_j，设定临域大小为K×K，则临域内点集为

2、依次计算临域点集到当前点的距离差值D_n，n＝0，1，2...K×K，设置距离阈值D_thre，若D_n＞D_thre，则将该点标记为当前点的离群点，即N_Outer＝1；否则N_Outer＝0。统计邻域内离群点的比例，即设定离群点比例阈值R_thre，若R_p＞R_thre，则当前点为离群点，将其标记为噪点；反之不是离群点。

该方法中的参数阈值跟实际点云的密度、噪点的分布和密集程度存在很大的关联，需要实验分析后确定。本发明建议的最佳参数为K＝7，D_thre＝10m，R_thre＝80％。

请参阅4与图5，多场景下车载激光点云噪声点去除方法，对于一段包含阳光噪点的数据的去除方法。这类噪点的成因主要由于激光脉冲直射强烈的太阳光时，其中与激光脉冲波长相近的太阳光光波被激光扫描仪接受而形成的呈密集直线分布的噪声点云。这类噪点在同一扫描圈内基本分布在激光头中心到太阳中心的一条直线上，因此在一定时间范围内的多个扫描圈中的噪点出现在相同的角度上。而且，通过分析发现该类噪点与圈内相邻的点在距离值存在明显的差异。结合太阳高度角和相邻点的距离阈值，就能够将这类噪声点去除并避免去除非噪声点。本发明针对这类噪点云提出的方法为通过GPS时间计算得到瞬时高度角或者人工输入大致角度范围，根据该角度和相邻点距离差值选取该类噪声点。该方法的实现步骤如下：

1、通过POS解算得到POS的中心坐标(x_pos，y_pos，z_pos)和UTM时间t，将POS中心坐标换算为经纬度坐标(L，B，H)后通过天文计算公式得到当前的太阳高度角θ_s；

2、遍历当前圈点云，统计得到所有相邻点距离的均方差D_dev；

3、遍历当前圈点云，得到每个点(x_i，y_i，z_i)与中心点(x_pos，y_pos，z_pos)组成的矢量计算与Z轴的夹角θ_i，θ_i∈[0°，90°]。同时，得到该点与相邻两点的距离平均值 $\stackrel{\‾}{D_i}=(D_{i-1}+D_{i+1})/2;$

4、若当前点同时满足θ_i∈[0，90°-θ_s±Δθ]和则判断该点为阳光噪声点；其中Δθ为噪点的角度范围活动阈值。

请参阅图6与图7，多场景下车载激光点云噪声点去除方法，对于一段包含层状噪声的数据的去除方法，道路和建筑物上方都存在多层一定角度范围的噪声点云。通过分析发现，每层噪声点云到激光头中心的距离大致为一个固定值，同时角度分布在[28°，46°]之间，如图7所示。本发明针对这类噪声点云提出的过滤方法为计算每个点到激光中心的距离，若该距离在固定值范围之内，则该点标记为噪声点。经过上述过滤后还存在一部分不在设定距离范围内的噪声点，对于这部分噪声点采用分区段统计到POS中心的距离值，将区段内点数过少点视为噪声点。该方法的实现步骤如下：

1、分析噪声点云与POS中心的距离，确定各层噪声点固定的距离值D_i，i＝0，1，2...n；根据该阈值将D_pos∈[D_i-D_thre，D_i+D_thre]的点标记为噪声点，其中D_thre为距离缓冲经验阈值，本发明中D_thre＝0.5m。

2、对固定距离阈值过滤后剩余的噪声点，将到POS中心的距离D_pos以一个适合的高度值H_slice划分区段，本发明选择H_slice＝10m，将区段内点数少于一定数量N_Si＜N_thre或一定比例N_Si/N_All＜R_thre时，将该区段内的点都视为噪声点。

实施例1

本发明实施例中，多场景下车载激光点云噪声点去除方法，针对图2中的离散噪声点云提出一种基于离群分析的自动去除方法，操作步骤如下：

步骤1、将按圈索引存储并包含无效点记录的点云数据加载到内存；遍历点云，设当前遍历到的有效点记为Pt，Pt所在圈序号为L_i，圈内点序号为C_j；

步骤2、取出当前点K×K临域内的点集该点集中必须包含无效点；

步骤3、遍历临域点集，计算点集内的点到当前点的距离D_n；统计临域内距离D_n＞D_thre的点数量，即为临域内相对于当前点的离群点数；

步骤4、计算离群点数的比例R_p并与设定的比例阈值R_thre比较，确定当前点是否为噪声点。

实施例2

本发明实施例中，多场景下车载激光点云噪声点去除方法，针对图4中的阳光噪声点云提出一种基于角度和临近点距离的自动去除方法。具体的操作是：

步骤1、将按圈索引存储的点云数据加载到内存；按圈遍历点云，设当前圈索引为L_i；

步骤2、经过POS解算后确定当前圈L_i所对应的POS获取的时间t和中心坐标(x_pos，y_pos，z_pos)，并将其换算为经纬度坐标(L，B，H)；根据天文计算公式可以获得在时间t和位置(L，B，H)下的太阳高度角θ_s；

步骤3、遍历当前圈的每个点云，计算每个点对应的向量和与Z轴的夹角θ_i；以及相邻两点的距离平均值；

步骤4、将计算的夹角和距离平均值与设定的阈值进行比较，确定该点是否为噪声点。

实施例3

本发明实施例中，多场景下车载激光点云噪声点去除方法，针对图6中的层状噪声点提出了一种基于POS距离直接过滤和统计分段范围后区段去除的方法。具体的操作是：

步骤1、实验分析统计层状噪点出现的层数以及对应到POS中的距离值；

步骤2、根据实验确定的距离值并加上一个适当的阈值，将集中的多层距离区间内的噪点去除；

步骤3、对剩余的噪声点根据到POS中心的距离值以确定的高度值划分区段，对与区段内点数小于一定阈值的区段内的点作为噪声点。该类噪声若在局部密集的情况下，上述步骤后可能还存在一部分噪声点无法去除的情况，可以在步骤2或步骤2之后加入离群过滤方法进一步去除噪声点。

本发明针对车载激光点云数据三种常见类型的噪声点云分别提出了噪点的去除方法，这些方法具有灵活性强，可延伸性高的特点。对于同时存在本发明中三种噪点的点云数据可以对文中提供的方法进行组合后先后对点云噪点进行去除。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (3)

1.多场景下车载激光点云噪声点去除方法，其特征在于，分为以下三种情况，对于离散噪点的点云数据采用一种基于离群分析的自动去除方法，具体步骤如下：

1)、获得当前点的临域点集：临域点集的获取依照扫描圈的序号和圈内点云的序号确定当前点的临域点集；若当前点所在圈序号为L_i，圈内点序号为C_j，设定临域大小为K×K，则临域内点集为

2)、依次计算临域点集到当前点的距离差值D_n，n＝0，1，2...K×K，设置距离阈值D_thre，若D_n＞D_thre，则将该点标记为当前点的离群点，即N_Outer＝1；否则N_Outer＝0；统计邻域内离群点的比例，即设定离群点比例阈值R_thre，若R_p＞R_thre，则当前点为离群点，将其标记为噪点；反之不是离群点；

对于阳光噪点的点云数据的去除方法，是一种基于角度和临近点距离的自动去除方法；具体步骤如下：

1)、通过POS解算得到POS的中心坐标(x_pos，y_pos，z_pos)和UTM时间t，将POS中心坐标换算为经纬度坐标(L，B，H)后通过天文计算公式得到当前的太阳高度角θ_s；

2)、遍历当前圈点云，统计得到所有相邻点距离的均方差D_dev；

3)、遍历当前圈点云，得到每个点(x_i，y_i，z_i)与中心点(x_pos，y_pos，z_pos)组成的矢量计算与Z轴的夹角θ_i，θ_i∈[0°，90°]；同时，得到该点与相邻两点的距离平均值 $\stackrel{\‾}{D_i}=(D_{i-1}+D_{i+1})/2;$

4)、若当前点同时满足θ_i∈[0，90°-θ_s±Δθ]和则判断该点为阳光噪声点；其中Δθ为噪点的角度范围活动阈值；

对于层状噪声的数据点云的去除方法，是一种基于POS距离直接过滤和统计分段范围后区段去除的方法；具体步骤如下：

1)、分析噪声点云与POS中心的距离，确定各层噪声点固定的距离值D_i，i＝0，1，2...n；根据该阈值将D_pos∈[D_i-D_thre，D_i+D_thre]的点标记为噪声点，其中D_thre为距离缓冲经验阈值；

2)、对固定距离阈值过滤后剩余的噪声点，将到POS中心的距离D_pos以一个高度值H_slice划分区段，将区段内点数少于一定数量N_Si＜N_thre或一定比例N_Si/N_All＜R_thre时，将该区段内的点都视为噪声点。

2.根据权利要求1所述的多场景下车载激光点云噪声点去除方法，其特征在于，所述离散噪点的点云数据的去除方法的参数为K＝7，D_thre＝10m，R_thre＝80％。

3.根据权利要求1所述的多场景下车载激光点云噪声点去除方法，其特征在于，所述层状噪声的数据点云的去除方法中参数D_thre＝0.5m，H_slice＝10m。