CN106340061A - 一种山区点云滤波方法 - Google Patents
一种山区点云滤波方法 Download PDFInfo
- Publication number
- CN106340061A CN106340061A CN201610799917.1A CN201610799917A CN106340061A CN 106340061 A CN106340061 A CN 106340061A CN 201610799917 A CN201610799917 A CN 201610799917A CN 106340061 A CN106340061 A CN 106340061A
- Authority
- CN
- China
- Prior art keywords
- point
- triangulation network
- seed point
- seed
- triangle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种山区点云滤波方法,包括:根据高程反转对原始点云进行处理,去除极低噪声点;划分多尺度虚拟网格,在非噪声点中选取种子点并记录种子点的类别;将种子点构建三角网;根据三角网,搜索并选取满足迭代角与迭代距离阈值的非噪声点做为地面点,并将地面点标记为第二种子点;判断第二种子点的迭代次数是否到达迭代阈值;当第二种子点的迭代次数未达到迭代阈值时,继续将种子点构建三角网;当种子点的迭代次数已达到迭代阈值时,输出滤波结果。本发明数据结构简单,方便管理与调用,可以有效提高滤波效果,保障地形信息更真实完整。
Description
技术领域
本发明涉及数字航空摄影测量技术技术领域,具体而言,涉及一种山区点云滤波方法。
背景技术
随着激光测距技术的不断发展与完善,机载激光雷达(Light Detection AndRanging,LiDAR)可以快速获取高精度的地表三维信息。原始点云中包含地面点与非地面点,利用LiDAR数据结合各种滤波方法将原始点云中的地面点与非地面点分离,是获取复杂城区DEM的关键。由于地形、地物的复杂性与多样性,点云滤波仍处于研究与发展阶段。
目前常用的点云滤波方法有数学形态学滤波、坡度滤波、迭代最小二乘内插法和不规则三角网(Triangulated Irregular Network,TIN)渐进加密滤波。ISPRS第三工作组对常用的滤波算法进行试验分析,TIN渐进加密滤波算法对于复杂地形具有更强的适用性,该算法已经在商业软件TerraScan中得到实现,该算法由于商业化的原因,算法很多细节并未公布。
传统的TIN渐进加密算法,选择局部区域内的最低点作为初始地面点来构建初始三角网,并依据三角网内的任意点距离三角形最近顶点的高度夹角和垂距来判断该点是否为地面点。如果是地面点,则进行三角网加密。当加密过程进行到没有新增地面脚点或者加密次数达到预先设定的最大加密次数时结束。
目前现有的滤波算法在处理陡坎较多,地形起伏较大的丘陵或山区,都存在着较大的误差,点云滤波过渡导致地形点丢失,地形失真。
常规方法建立规则格网组合管理原始点云,选择该测区内的最大建筑物尺寸划分虚拟格网,选取格网中的最低点为初始地面点,格网尺寸的选择是个难点:尺寸太大,初始地面点数量少,地形特征点容易丢失;尺寸过小,无法滤除大于格网尺寸的地物。
原始点云一般存在低点噪声和高点噪声,高点噪声可以再TIN渐进加密过中被滤除,低点噪声一般是某一局部区域的最低点,容易被选择成初始地点,低点噪声周到的地面点容易被误判为地物点,影响滤波结果。因此在滤波前需要对点云预处理,剔除低点噪声。
在陡坎或地形起伏较大的山区,地形特征点难以为被选择为初始地面点,容易造成山体过渡“腐蚀”。当地形起伏较大,地形特征点可能会由于错误的加密顺序导致误分类。
发明内容
有鉴于此,本发明实施例的目的在于提供一种山区点云滤波方法,可以有效提高滤波效果,保障地形信息更真实完整。
第一方面,本发明实施例提供了一种山区点云滤波方法,其中,所述方法包括:
根据高程反转对原始点云进行处理,去除极低噪声点;
划分多尺度虚拟网格,在非噪声点中选取种子点并记录所述种子点的类别;
将所述种子点构建三角网;
根据所述三角网,搜索并选取满足迭代角与迭代距离阈值的所述非噪声点做为地面点,并将所述地面点标记为第二种子点;
判断所述第二种子点的迭代次数是否到达迭代阈值;
当所述第二种子点的迭代次数未达到所述迭代阈值时,继续所述将所述种子点构建三角网;
当所述第二种子点的迭代次数已达到所述迭代阈值时,输出滤波结果。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述根据高程反转对原始点云进行处理,去除极低噪声点包括:
输入3*3网格,遍历格网化所述原始点云,标记地面最低点;
以所述地面最低点为地面种子点,对所述地面种子点进行四邻域增长,满足高差阈值的点标记为地面区域增长点;
以所述3*3网格,遍历所述地面最低点和所述地面区域增长点,高程反转标记最高点为所述极低噪声点,并去除所述极低噪声点。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,所述划分多尺度虚拟网格,在非噪声点中选取种子点并记录所述种子点的类别包括:
以最大网格尺寸为基准成倍数级别依次递减计算不同级别格网尺寸;
将所述不同级别格网尺寸作为模板,遍历所述非噪声点,标记所述模板中的最低点,并将所述模板中的最低点作为所述种子点;
根据所述模板的尺寸,记录所述种子点的类别,所述种子点的类别为多尺度低点,所述多尺度低点包括第零类低点、第一类低点、…、第n类低点。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述种子点包括第一种子点,所述三角网包括初始三角网,所述将所述种子点构建三角网包括:
将所述第一种子点的类别中的所述第零类低点构建所述初始三角网。
结合第一方面的第三种可能的实施方式,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述三角网还包括更新三角网,所述将所述种子点构建三角网还包括:
渐进加密所述第一类低点,将满足所述迭代角与所述迭代距离阈值的所述第一类低点标记为所述第零类低点;
将所述第零类低点构建所述更新三角网。
结合第一方面的第四种可能的实施方式,本发明实施例提供了第一方面的第五种可能的实施方式,其中,所述三角网还包括初始山脊三角网,所述将所述种子点构建三角网还包括:
判断所述更新三角网中三角形顶点的区域方差与预设方差阈值的关系;
当所述三角形顶点的区域方差小于所述预设方差阈值时,为平坦地区三角形;
当所述三角形顶点的区域方差大于所述预设方差阈值,且三角形的边长小于边长阈值时,为可疑三角形;
当互相连接的所述可疑三角形的数量大于个数阈值时,为山脊三角形;
将落在所述山脊三角形中的所述第零类低点构建所述初始山脊三角网。
结合第一方面的第五种可能的实施方式,本发明实施例提供了第一方面的第六种可能的实施方式,其中,所述三角网还包括更新山脊三角网,所述将所述种子点构建三角网还包括:
优先渐进加密落在所述山脊三角形中的所述多尺度低点,构建所述更新山脊三角网。
结合第一方面的第六种可能的实施方式,本发明实施例提供了第一方面的第七种可能的实施方式,其中,所述三角网还包括平坦地区三角网,所述将所述种子点构建三角网还包括:
将落在所述平坦地区三角形中所述多尺度低点构建所述平坦地区三角网。
结合第一方面的第七种可能的实施方式,本发明实施例提供了第一方面的第八种可能的实施方式,其中,所述种子点还包括第二种子点,所述三角网还包括稳定三角网,所述将所述种子点构建三角网还包括:
选取所述更新山脊三角网和所述平坦地区三角网中的低点为所述第二种子点;
以所述第二种子点为起始点,以四邻域区域增长,将满足高差阈值的点作为区域增长点;
将所述第二种子点和所述区域增长点构建所述稳定三角网。
结合第一方面的第八种可能的实施方式,本发明实施例提供了第一方面的第九种可能的实施方式,其中,所述区域增长点包括平坦增长点和山区增长点。
本发明提供的一种山区点云滤波方法,包括:根据高程反转对原始点云进行处理,去除极低噪声点;划分多尺度虚拟网格,选取种子点并记录种子点的类别;种子点包括第一种子点,将第一种子点中的第零类低点构建初始三角网,渐进加密第一类低点构建更新三角网,对更新三角网中的三角形进行判断,分为平坦地区三角形和山脊三角形,并以此为依据构建平坦地区三角网和初始山脊三角网;优先渐进加密落在山脊三角形中的多尺度低点,构建更新山脊三角网;选取更新山脊三角网和平坦地区三角网中的低点为第二种子点,以第二种子点增长区域增长点;将第二种子点和区域增长点构建稳定三角网;根据稳定三角网搜索并选取满足迭代角与迭代距离阈值的非噪声点作为地面点,并将地面点标记为第二种子点;判断第二种子点的迭代次数是否到达迭代阈值;当第二种子点的迭代次数未达到迭代阈值时,继续执行将第二种子点和和区域增长点构建稳定三角网;当第二种子点的迭代次数已达到迭代阈值时,把第二种子点和区域增长点标记为地面点,输出滤波结果。本发明数据结构简单,方便管理与调用,使用多尺度虚拟格网来获得更多的精确初始地面点。统计种子点区域方差分割初始三角网,设置多尺度种子点的加密优先级,优先加密山脊三角形中的多尺度种子点,提高了三角网渐进加密滤波对地形的适用性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的一种山区点云滤波方法流程图。
图2为本发明实施例所提供的一种山区点云滤波方法中步骤S101的流程图;
图3为本发明实施例所提供的一种山区点云滤波方法中步骤S102的流程图;
图4为本发明实施例所提供的一种山区点云滤波方法中步骤S103的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
图1为本发明实施例提供的一种山区点云滤波方法流程图。
参照图1,一种山区点云滤波方法包括:
步骤S101,根据高程反转对原始点云进行处理,去除极低噪声点;
具体地,用3*3模板,遍历格网化点云,记录3*3模板中的地面最低点;并以地面最低点为地面种子点,进行四邻域区域增长,满足高差阈值点标记为地面区域增长点;高程反转,用3*3模板遍历地面最低点和地面区域增长点,标记3*3模板中的最高点为极低噪声点,并去除极低噪声点。
步骤S102,划分多尺度虚拟网格,在非噪声点中选取种子点并记录种子点的类别;
具体地,为了保证最大尺度格网内的最低点为地面点,把测区内最大建筑物尺寸边长Max-Size作为多尺度虚拟格网的最大尺度,然后以最大尺度为基准成倍数级别递减构成下级尺度。用户输入最大格网尺寸Max-Size,以Max-Size*(1/2n)依次计算不同级别格网尺寸Diff-Size,(n为低点类别,n=0、1、…);以Diff-Size*Diff-Size为模板,遍历非噪声点,标记模板中的最低点为种子点,重复该过程;模板的尺寸由低到高,记录种子点类别:最大建筑物尺寸第零类低点、第一类低点、……,模板尺寸越小,低点级别越低。保证高级别低点不会被低级别低点覆盖。
步骤S103,将种子点构建三角网;
具体地,种子点包括第一种子点,将第一种子点的类别中的第零类低点构建初始三角网;渐进加密第一类低点,构建更新三角网;对更新三角网中的三角形进行判断,分为平坦地区三角形山脊三角形,并以此为依据构建平坦地区三角网和初始山脊三角网;优先渐进加密落在山脊三角形中的多尺度低点,构建更新山脊三角网;选取更新山脊三角网和平坦地区三角网中的低点作为第二种子点并以第二种子点为起始点,四邻域区域增长,将满足高差阈值的点作为区域增长点;将第二种子点和区域增长点构建稳定三角网。
步骤S104,根据三角网,搜索并选取满足迭代角与迭代距离阈值的非噪声点做为地面点,并将地面点标记为第二种子点;
具体地,根据稳定三角网,搜索并选取满足迭代角与迭代距离阈值的非噪声点做为地面点,并将地面点标记为第二种子点;此时第二种子点进行了更新。
步骤S105,判断第二种子点的迭代次数是否到达迭代阈值;
当第二种子点的迭代次数未达到迭代阈值时,继续执行步骤S103;
当第二种子点的迭代次数已达到迭代阈值时,则执行步骤S106;
具体地,判断第二种子点参与重新构建稳定三角网的迭代次数是否到达迭代阈值,迭代阈值可设置为10次。当第二种子点的迭代次数未达到10次的迭代次数时,则执行步骤S103,即将更新后的第二种子点和区域增长点重新构建稳定三角网;另外,区域增长点分为平坦增长点和山区增长点,其中平坦增长点只在前三次迭代过程中参与重新构建稳定三角网,山区增长点全程参与重新构建稳定三角网。当第二种子点的迭代次数已达到10次的迭代次数时,则执行步骤S106。
步骤S106,输出滤波结果。
具体地,滤波结果是将原始点云中的点分类为地面点和非地面点,其中第二种子点和区域增长点标记为地面点。
根据本发明的示例性实施例,如图2所示,上述实施例山区点云滤波方法中,步骤S101可采用如下步骤实现,包括:
步骤S201,输入3*3网格,遍历格网化原始点云,标记地面最低点;
步骤S202,以地面最低点为地面种子点,对地面种子点进行四邻域增长,满足高差阈值点标记为地面区域增长点;
步骤S203,以3*3网格,遍历地面最低点和地面区域增长点,高程反转标记最高点为极低噪声点,并去除极低噪声点。
根据本发明的示例性实施例,如图3所示,上述实施例山区点云滤波方法中,步骤S102可采用如下步骤实现,包括:
步骤S301,以最大网格尺寸为基准成倍数级别依次递减计算不同级别格网尺寸;
步骤S302,将不同级别格网尺寸作为模板,遍历非噪声点,标记模板中的最低点,并将模板中的最低点作为种子点;
步骤S303,根据模板的尺寸,记录种子点的类别,种子点的类别为多尺度低点,多尺度低点包括第零类低点、第一类低点、…、第n类低点。
根据本发明的示例性实施例,如图4所示,上述实施例基于山区点云滤波方法方法中,步骤S103可采用如下步骤实现,包括:
步骤S401,将第一种子点的类别中的第零类低点构建初始三角网;
这里,种子点包括第一种子点,将第一种子点的类别中的第零类低点构建初始三角网。
步骤S402,渐进加密第一类低点,将满足迭代角与迭代距离阈值的第一类低点标记为第零类低点;
这里,对第零类低点进行了更新。
步骤S403,将第零类低点构建更新三角网;
步骤S404,判断更新三角网中三角形顶点的区域方差与预设方差阈值的关系;
这里,统计一定区域最大建筑物尺寸第零类低点的方差,记录每个第零类低点所在区域的方差,然后判断更新三角网中三角形顶点的区域方差与预设方差阈值的关系。
步骤S405,当三角形顶点的区域方差小于预设方差阈值时,为平坦地区三角形;当三角形顶点的区域方差大于预设方差阈值,且三角形的边长小于边长阈值时,为可疑三角形;
这里,如果三角形任意一顶点方差小于方差阈值,判断为平坦地区三角形,如果三角形三个顶点方差都大于方差阈值,由于测区边缘容易出现超大三角形,设置边长阈值对三角形边长进行判断,小于边长阈值的判断为可疑三角形。此时,三角形被分为两种类型:平坦地区三角形、可疑三角形。
步骤S406,当互相连接的可疑三角形的数量大于个数阈值时,为山脊三角形;
这里,由于山脊是连续的,在同一个山脊上,可疑三角形之间也是相互连接的。根据此特点,把相互连接的可疑三角形归为山脊三角形。如果存在山脊,则山脊上三角形个数应满足阈值。计算同一类可疑三角形的个数,设置个数阈值,若同一类可疑三角形个数大于个数阈值,此类可疑三角形为标记为山脊三角形,山脊三角形的顶点标记为山脊点。
步骤S407,将落在山脊三角形中的第零类低点构建初始山脊三角网;
这里,多尺度低点中包含平坦地区种子点和山区种子点,同时加密可能会导致地形丢失,所以先对原始点云进行大致分类:遍历所有点云,定位点所在三角形,落在山脊三角形中的点标记为山区点,落在平坦地区三角形的点标记为平坦点。将落在山脊三角形中的第零类低点构建初始山脊三角网。
步骤S408,优先渐进加密落在山脊三角形中的多尺度低点,构建更新山脊三角网;
步骤S409,将落在平坦地区三角形中多尺度低点构建平坦地区三角网;
步骤S410,选取更新山脊三角网和平坦地区三角网中的低点为第二种子点;
这里,种子点还包括第二种子点;选取更新山脊三角网和平坦地区三角网中的低点为第二种子点。
步骤S411,以第二种子点为起始点,以四邻域区域增长,将满足高差阈值的点作为区域增长点;
这里,为了可以保证完整的地形信息,对区域增长点进行为类:平坦区域增长出来的平坦增长点和山区增长出来的山区增长点。
步骤S412,将第二种子点和区域增长点构建稳定三角网。
这里,第二种子点是持续更新的,区域增长点固定不变。在步骤S104中,搜索并选取满足迭代角与迭代距离阈值的非噪声点做为地面点,并将地面点标记为第二种子点,这就是对第二种子点的更新。
简单来说,本发明以规则格网的方式对点云进行组织管理,进行预处理剔除极低噪声,使用多尺度虚拟格网选择不同尺度下的种子点,提高了种子点为地面点的可靠性。通过统计种子点区域方差,划分山脊三角形与平坦地区三角形,定位多尺度种子点所在的三角形,根据三角形类型把种子点划分成山区点和平坦点,设定加密顺序,优先选择山区点中的多尺度种子点进行加密构网,保证了初始三角网中有更多的地形特征点,提高了初始三角网的可靠性,滤除地物的同时也保证山区地形的完整性。
本发明提供的一种山区点云滤波方法,包括:根据高程反转对原始点云进行处理,去除极低噪声点;划分多尺度虚拟网格,选取种子点并记录种子点的类别;种子点包括第一种子点,将第一种子点中的第零类低点构建初始三角网,渐进加密第一类低点构建更新三角网,对更新三角网中的三角形进行判断,分为平坦地区三角形山脊三角形,并以此为依据构建平坦地区三角网和初始山脊三角网;优先渐进加密落在山脊三角形中的多尺度低点,构建更新山脊三角网;选取更新山脊三角网和平坦地区三角网中的低点为第二种子点,以第二种子点增长区域增长点;将第二种子点和区域增长点构建稳定三角网;根据稳定三角网搜索并选取满足迭代角与迭代距离阈值的非噪声点做为地面点,并将地面点标记为第二种子点;判断第二种子点的迭代次数是否到达迭代阈值;当第二种子点的迭代次数未达到迭代阈值时,继续执行将第二种子点和和区域增长点构建稳定三角网;当第二种子点的迭代次数已达到迭代阈值时,把第二种子点和区域增长点标记为地面点,输出滤波结果。本发明数据结构简单,方便管理与调用,使用多尺度虚拟格网来获得更多的精确初始地面点。统计种子点区域方差分割初始三角网,设置多尺度种子点的加密优先级,优先加密山脊三角形中的多尺度种子点,提高了三角网渐进加密滤波对地形的适用性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种山区点云滤波方法,其特征在于,所述方法包括:
根据高程反转对原始点云进行处理,去除极低噪声点;
划分多尺度虚拟网格,在非噪声点中选取种子点并记录所述种子点的类别;
将所述种子点构建三角网;
根据所述三角网,搜索并选取满足迭代角与迭代距离阈值的所述非噪声点作为地面点,并将所述地面点标记为第二种子点;
判断所述第二种子点的迭代次数是否到达迭代阈值;
当所述第二种子点的迭代次数未达到所述迭代阈值时,继续所述将所述种子点构建三角网;
当所述第二种子点的迭代次数已达到所述迭代阈值时,输出滤波结果。
2.根据权利要求1所述的一种山区点云滤波方法,其特征在于,所述根据高程反转对原始点云进行处理,去除极低噪声点包括:
输入3*3网格,遍历格网化所述原始点云,标记地面最低点;
以所述地面最低点为地面种子点,对所述地面种子点进行四邻域增长,满足高差阈值的点标记为地面区域增长点;
以所述3*3网格,遍历所述地面最低点和所述地面区域增长点,高程反转标记最高点为所述极低噪声点,并去除所述极低噪声点。
3.根据权利要求1所述的一种山区点云滤波方法,其特征在于,所述划分多尺度虚拟网格,在非噪声点中选取种子点并记录所述种子点的类别包括:
以最大网格尺寸为基准成倍数级别依次递减计算不同级别格网尺寸;
将所述不同级别格网尺寸作为模板,遍历所述非噪声点,标记所述模板中的最低点,并将所述模板中的最低点作为所述种子点;
根据所述模板的尺寸,记录所述种子点的类别,所述种子点的类别为多尺度低点,所述多尺度低点包括第零类低点、第一类低点、…、第n类低点。
4.根据权利要求3所述的一种山区点云滤波方法,其特征在于,所述种子点包括第一种子点,所述三角网包括初始三角网,所述将所述种子点构建三角网包括:
将所述第一种子点的类别中的所述第零类低点构建所述初始三角网。
5.根据权利要求4所述的一种山区点云滤波方法,其特征在于,所述三角网还包括更新三角网,所述将所述种子点构建三角网还包括:
渐进加密所述第一类低点,将满足所述迭代角与所述迭代距离阈值的所述第一类低点标记为所述第零类低点;
将所述第零类低点构建所述更新三角网。
6.根据权利要求5所述的一种山区点云滤波方法,其特征在于,所述三角网还包括初始山脊三角网,所述将所述种子点构建三角网还包括:
判断所述更新三角网中三角形顶点的区域方差与预设方差阈值的关系;
当所述三角形顶点的区域方差小于所述预设方差阈值时,为平坦地区三角形;
当所述三角形顶点的区域方差大于所述预设方差阈值,且三角形的边长小于边长阈值时,为可疑三角形;
当互相连接的所述可疑三角形的数量大于个数阈值时,为山脊三角形;
将落在所述山脊三角形中的所述第零类低点构建所述初始山脊三角网。
7.根据权利要求6所述的一种山区点云滤波方法,其特征在于,所述三角网还包括更新山脊三角网,所述将所述种子点构建三角网还包括:
优先渐进加密落在所述山脊三角形中的所述多尺度低点,构建所述更新山脊三角网。
8.根据权利要求7所述的一种山区点云滤波方法,其特征在于,所述三角网还包括平坦地区三角网,所述将所述种子点构建三角网还包括:
将落在所述平坦地区三角形中所述多尺度低点构建所述平坦地区三角网。
9.根据权利要求8所述的一种山区点云滤波方法,其特征在于,所述种子点还包括第二种子点,所述三角网还包括稳定三角网,所述将所述种子点构建三角网还包括:
选取所述更新山脊三角网和所述平坦地区三角网中的低点为所述第二种子点;
以所述第二种子点为起始点,以四邻域区域增长,将满足高差阈值的点作为区域增长点;
将所述第二种子点和所述区域增长点构建所述稳定三角网。
10.根据权利要求9所述的一种山区点云滤波方法,其特征在于,所述区域增长点包括平坦增长点和山区增长点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610799917.1A CN106340061B (zh) | 2016-08-31 | 2016-08-31 | 一种山区点云滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610799917.1A CN106340061B (zh) | 2016-08-31 | 2016-08-31 | 一种山区点云滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106340061A true CN106340061A (zh) | 2017-01-18 |
CN106340061B CN106340061B (zh) | 2019-09-10 |
Family
ID=57823758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610799917.1A Active CN106340061B (zh) | 2016-08-31 | 2016-08-31 | 一种山区点云滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106340061B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818550A (zh) * | 2017-10-27 | 2018-03-20 | 广东电网有限责任公司机巡作业中心 | 一种基于LiDAR的点云顶部噪点剔除方法 |
CN107832849A (zh) * | 2017-11-01 | 2018-03-23 | 广东电网有限责任公司电力科学研究院 | 一种基于知识库的电力线廊道三维信息提取方法及装置 |
CN107958485A (zh) * | 2017-12-08 | 2018-04-24 | 南京师范大学 | 一种伪山顶点剔除方法 |
CN110109142A (zh) * | 2019-04-04 | 2019-08-09 | 深圳市速腾聚创科技有限公司 | 点云滤波方法、装置、计算机设备和存储介质 |
CN110349092A (zh) * | 2019-05-27 | 2019-10-18 | 香港理工大学深圳研究院 | 一种点云滤波方法及设备 |
CN110703227A (zh) * | 2019-09-20 | 2020-01-17 | 中国铁路设计集团有限公司 | 一种基于TerraSolid参数阈值自动选择的地面点云滤波方法 |
CN112241661A (zh) * | 2019-07-17 | 2021-01-19 | 临沂大学 | 一种结合机载LiDAR点云数据和航空影像的城市地物精细化分类方法 |
CN112435344A (zh) * | 2020-11-27 | 2021-03-02 | 广东电网有限责任公司肇庆供电局 | 一种点云数据处理方法、装置及终端设备 |
CN114266987A (zh) * | 2022-03-03 | 2022-04-01 | 水利部长江勘测技术研究所 | 一种无人机高边坡危岩体智能识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930509A (zh) * | 2012-09-18 | 2013-02-13 | 广州建通测绘技术开发有限公司 | 一种机载激光点云数据的智能化滤波方法 |
CN103679655A (zh) * | 2013-12-02 | 2014-03-26 | 河海大学 | 一种基于坡度与区域生长的LiDAR点云滤波方法 |
CN103745441A (zh) * | 2014-01-08 | 2014-04-23 | 河海大学 | 一种机载LiDAR点云滤波方法 |
CN104240251A (zh) * | 2014-09-17 | 2014-12-24 | 中国测绘科学研究院 | 一种基于密度分析的多尺度点云噪声检测方法 |
CN105118090A (zh) * | 2015-05-19 | 2015-12-02 | 西南交通大学 | 一种自适应复杂地形结构的点云滤波方法 |
-
2016
- 2016-08-31 CN CN201610799917.1A patent/CN106340061B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930509A (zh) * | 2012-09-18 | 2013-02-13 | 广州建通测绘技术开发有限公司 | 一种机载激光点云数据的智能化滤波方法 |
CN103679655A (zh) * | 2013-12-02 | 2014-03-26 | 河海大学 | 一种基于坡度与区域生长的LiDAR点云滤波方法 |
CN103745441A (zh) * | 2014-01-08 | 2014-04-23 | 河海大学 | 一种机载LiDAR点云滤波方法 |
CN104240251A (zh) * | 2014-09-17 | 2014-12-24 | 中国测绘科学研究院 | 一种基于密度分析的多尺度点云噪声检测方法 |
CN105118090A (zh) * | 2015-05-19 | 2015-12-02 | 西南交通大学 | 一种自适应复杂地形结构的点云滤波方法 |
Non-Patent Citations (1)
Title |
---|
管海燕: "LiDAR与影像结合的地物分类及房屋重建研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818550A (zh) * | 2017-10-27 | 2018-03-20 | 广东电网有限责任公司机巡作业中心 | 一种基于LiDAR的点云顶部噪点剔除方法 |
CN107832849A (zh) * | 2017-11-01 | 2018-03-23 | 广东电网有限责任公司电力科学研究院 | 一种基于知识库的电力线廊道三维信息提取方法及装置 |
CN107832849B (zh) * | 2017-11-01 | 2021-03-12 | 广东电网有限责任公司电力科学研究院 | 一种基于知识库的电力线廊道三维信息提取方法及装置 |
CN107958485A (zh) * | 2017-12-08 | 2018-04-24 | 南京师范大学 | 一种伪山顶点剔除方法 |
CN110109142A (zh) * | 2019-04-04 | 2019-08-09 | 深圳市速腾聚创科技有限公司 | 点云滤波方法、装置、计算机设备和存储介质 |
CN110109142B (zh) * | 2019-04-04 | 2021-04-02 | 深圳市速腾聚创科技有限公司 | 点云滤波方法、装置、计算机设备和存储介质 |
CN110349092A (zh) * | 2019-05-27 | 2019-10-18 | 香港理工大学深圳研究院 | 一种点云滤波方法及设备 |
CN112241661A (zh) * | 2019-07-17 | 2021-01-19 | 临沂大学 | 一种结合机载LiDAR点云数据和航空影像的城市地物精细化分类方法 |
CN110703227A (zh) * | 2019-09-20 | 2020-01-17 | 中国铁路设计集团有限公司 | 一种基于TerraSolid参数阈值自动选择的地面点云滤波方法 |
CN110703227B (zh) * | 2019-09-20 | 2023-01-24 | 中国铁路设计集团有限公司 | 一种基于TerraSolid参数阈值自动选择的地面点云滤波方法 |
CN112435344A (zh) * | 2020-11-27 | 2021-03-02 | 广东电网有限责任公司肇庆供电局 | 一种点云数据处理方法、装置及终端设备 |
CN114266987A (zh) * | 2022-03-03 | 2022-04-01 | 水利部长江勘测技术研究所 | 一种无人机高边坡危岩体智能识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106340061B (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106340061A (zh) | 一种山区点云滤波方法 | |
CN102930509B (zh) | 一种机载激光点云数据的智能化滤波方法 | |
CN106815847B (zh) | 基于激光雷达点云的树木分割方法及单棵树提取方法 | |
CN106408604A (zh) | 一种点云数据的滤波方法及装置 | |
CN103177417B (zh) | 基于GPGPU的数学形态学LiDAR点云快速滤波方法 | |
CN105513127A (zh) | 基于密度峰值聚类的杆状物规则化三维建模方法及系统 | |
CN108648271B (zh) | 一种基于gis数据生成复杂地形网格模型的插值方法 | |
CN106384081A (zh) | 一种基于高分辨率遥感影像的坡耕地提取方法和系统 | |
CN103196368A (zh) | 基于车载激光扫描数据的单株树三维绿量自动估算方法 | |
CN104077326A (zh) | 一种道路数据的处理方法及装置 | |
CN111611664B (zh) | 一种输电线路路径选择方法及系统 | |
CN110046213A (zh) | 一种顾及路径失真纠正与交叉跨越纠正的电力选线方法 | |
CN103871102A (zh) | 一种基于高程点和道路轮廓面的道路三维精细建模方法 | |
CN107918953B (zh) | 基于三维空间的激光扫描电力线点云的提取方法及装置 | |
CN108286976A (zh) | 一种点云数据的融合方法和装置、以及混合导航系统 | |
CN107103603A (zh) | 一种倾斜测量场景的地物提取方法 | |
CN109992923A (zh) | 一种基于变分辨率成本表面的分阶段输电线路路径规划方法 | |
CN107832849A (zh) | 一种基于知识库的电力线廊道三维信息提取方法及装置 | |
CN109839119B (zh) | 跨路桥梁桥面区域的获取方法及装置 | |
CN109213763B (zh) | 车载激光扫描点云的组织管理方法及系统 | |
CN109631818A (zh) | 用于输电线路的净空分析方法及装置、存储介质 | |
CN102915560A (zh) | 一种阈值无关的机载激光雷达点云滤波方法及装置 | |
CN103500278B (zh) | 基于最短路径算法的路径相似台风分析方法 | |
CN115205690A (zh) | 基于mls点云数据的行道树单体化提取方法及装置 | |
CN110335329B (zh) | 一种基于dem获取电力线路断面图的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |