CN110120070A - 基于机载激光雷达点云体元连续性分析的滤波方法 - Google Patents

Abstract

本发明提出的是一种基于机载激光雷达点云体元连续性分析的滤波方法，包括如下步骤：（1）体素化点云；（2）“地面基准层”的确立；（3）“待分类”体元的标注；（4）“待定地面点”、“地面点体元”和“非地面点”体元间的连通性分析；（5）剔除插值结果，完成数据滤波。优点：（1）减少了计算量，节省计算时间；（2）无需设定复杂的阈值参数，所涉及的参数更容易选择；（3）对于山区的滤波效果尤为显著；（4）对高的局外点不敏感，减弱了离值点对滤波结果的干扰，比现有的点云滤波算法更稳健。

Description

基于机载激光雷达点云体元连续性分析的滤波方法

技术领域

本发明涉及的是一种基于机载激光雷达点云体元连续性分析的滤波方法，属于雷达监测数据分析术领域。

背景技术

当今时代数字化程度越来越高，由实时动态(RTK)测量、全站仪测量等传统单点测量手段获取的数据已无法完全满足工程建设和日常应用的数据需求。机载激光雷达（ALS）技术，以其空间数据获取速度快、精度高、主动性强等特点，日益成为遥感数据采集的一种重要方式。机载激光雷达数据获取机制决定了ALS点云包括测区地面及地表物体所有信息，譬如地形表面信息，植被表面信息，建筑屋顶信息等，故在利用ALS点云数据如生成数字高程模型（DEM）前，需将原始的点云按照属性分为地面点集和非地面点集。人工判别的方法虽然能够取得极高的分类精度，但由于点云数据量巨大，处理起来费时费力，因此研究和开发利用计算机快速高效处理的滤波算法已成为现有技术的的研究重点。

目前基于ALS点云数据的滤波算法主要包括： 1）基于形态学的滤波算法；2）基于坡度变化的滤波算法；3）基于内插的滤波算法；4）基于分割的滤波算法；等等。上述算法经过长期实际运用与数据反馈，其存在缺陷也日益明显：

1）机载激光雷达点云数据量大，完全依靠人工判别的方法会占用大量人力物力，消耗大量时间成本。现有的算法往往直接对原始点云逐点进行运算，计算量大计算耗时久，但如果将点云栅格化后操作，又将损失原始点云的精度。另外，点云数据的质量也在一定程度上影响着一些算法的滤波精度。

（2）现有算法往往只针对特定或较为简单的地形才能达到一定的滤波精度或者滤波效果往往过度依赖某些阈值的选取，对不同测区需要选择特定的阈值输入算法，但是如何选取合适的阈值来保证滤波效果是十分困难的。

（3）由于现有算法本身模型复杂，许多算法在处理大量数据时需要消耗大量计算时间和存储空间，制约着数据的应用。

（4）现有算法对数据质量依赖性较强，当点云密度变化较大时，甚至出现部分数据缺失时，算法滤波效果不理想。

发明内容

本发明的目的在于克服上述现有ALS点云数据的滤波算法存在的缺陷，提出一种基于机载激光雷达点云体元连续性分析的滤波方法，直接基于原始点云数据进行体元之间的连续性分析，算法逻辑清晰，效果显著，输入参数较少且不敏感，运算高效，且无需做栅格化处理，极大地保留了原始点云的精度。

本发明的技术解决方案：基于机载激光雷达点云体元连续性分析的滤波方法，具体包括如下步骤：

（1）体素化点云；

（2）“地面基准层”的确立；

（3）“待分类”体元的标注；

（4）“待定地面点”、“地面点体元”和“非地面点”体元间的连通性分析；

（5）剔除插值结果，完成数据滤波。

所述的步骤（1）体素化点云，具体包括如下内容：

①对点云进行二维空间的格网划分：设点云数据坐标X的最大值和最小值分别为：X_max和X_min，坐标Y的最大值和最小值分别Y_max 和Y_min，坐标Z的最大值和最小值分别为：Z_max和Z_min，给定的二维网格尺寸C，输入点云依据公式（1）划分为M行N列：

（1）

②对于不存在数据的格网单元采用克里金插值方法，弥补格网高程数据的缺失；最终滤波结果分析完毕之后，插值格网单元所包含的数据将会被剔除，以保证原始点云数据的完整性。

③在高程维度对格网化后的点云根据公式（2）以分层高度值h均匀划分为T层：

（2）

设定h满足关系为：两倍的分层高度应小于测区内最小建筑物高度。

点云体素化后，即可保存两类映射关系：a) 体素之间的邻接关系；b) 特定体素与对应包含原始点云之间的映射关系，因此，通过确定包含点云的体元的属性然后借助点云与体元间的映射关系达到分类点云的目的；不同属性的点云经过步骤-被划分到其坐标对应的体元，将这些体元称为“待分类”体元。

所述的步骤（2）“地面基准层”的确立准则如下：a) 往往包含的含有点云的体元数目最多；b) 往往地面基准层体元包含的点云平均高程较低。具体包括如下内容：

从第一层L ₁ 开始，逐层向上统计每层含有点云体元的个数N _L1 ，N _L2, … _, N _LT ，将T个N按照层数高低，按照从低到高排列，取值含有点云体元数据最多的层即为“地面基准层体元”。地面基准层体元一般位于最低层，如果地面基准层体元不是最低层，则认为该基准层及其以下的层所对应的含有点云的体元为地面点体元，该基准层以上为含有点云的体元为“待分类”体元。

所述的步骤（3）“待分类”体元的标注，具体包括如下内容：

如果当前“待分类”体元e（m, n, t）其下层9邻域体元中包含“地面点”体元或“待定地面点”体元，则将当前“待分类”体元标记为“待定地面点” 体元；否则，则将当前“待分类”体元标记为“非地面点”体元；

从近邻“地面基准层”的上一层开始，执行 操作，直至该层所有体元标注完成；

对于剩余未被标注层的体元，执行步骤 -，直至所有层体元标注完成。

所述的步骤（4）“待定地面点”、“地面点体元”和“非地面点”体元间的连通性分析，具体包括如下内容：

①如果“待定地面点”体元与“地面点体元”相互连接，即具有连通性，则将“待定地面点”体元转化为“地面点”体元，通过该区域增长过程，实现部分“待定地面点”体元的标注。如果“待定地面点”体元与“地面点体元”不具有连通性，那么该“待定地面点”体元转化为“非地面点”体元。如果“待定地面点”体元与“非地面点”体元具有连通性，则“待定地面点”体元自动转化为“非地面点”体元。

②增加如下判断处理条件：假设当前待分类体元（m1,n1,t1）的下层邻域体元为地面点体元，将其判别为地面体元后，标记当前网格的位置后续分析将直接将体元（m1,n1,tq）（t1<tq<T）分类为“非地面点”体元。

所述的步骤（5）剔除插值结果，完成数据滤波，具体包括如下内容：

执行步骤（2）-（4）之后，所有的“待分类”体元即被标注为：“地面点” 体元和“非地面点”体元。再此基础之上剔除的插值结果，以保留数据的真实度；由于体元和点云之间是一对多的映射关系，体元的语义标注完成之后即可传递给其所包含的点云，同时完成三维离散点的标注两部分，从而实现了点云数据的滤波。

本发明的优点：（1）本发明分析的对象为点云所处的体元，减少了计算量，节省计算时间。同时算法不对原始点云栅格化，保留了数据的精度。除此之外，算法对体元分析不受点云数据密度的影响，相对于现有算法对数据质量要求更低。

（2）无需设定复杂的阈值参数，避免了因为阈值选择不当造成滤波精度低的问题，在对点云数据处理时，仅仅需要输入一个网格尺寸参数C，体元分层高度h，相对于其他现有算法，所涉及的参数更容易选择。

（3）不仅可以应用于地形坡度变化不大的城区，同时该发明由于基于体素的连续性分析，使得该算法对于山区的滤波效果尤为显著，能够较好的区分山区茂密的植被点和植被点下的地面点。

（4）在处理数据时可直接避免底部局外点对滤波效果的影响，并且算法本身对高的局外点并不敏感，因此极大程度上减弱了离值点对滤波结果的干扰，比现有的点云滤波算法更稳健。

附图说明

附图1是基于机载激光雷达点云体元连续性分析的滤波方法流程图。

附图2是含有点云的“待分类”体元结构示意图。

附图3是“地面点”体元和“待分类”体元的结构示意图。

附图4是“待分类”体元e（m, n, t）及其下层9邻域体元的结构示意图。

附图5是地面基准层以上的“待分类”体元的语义标注过程图，其中图5（a）是“待分类”体元标注为“待定地面点”体元结构图；图5（b）是“待分类”体元标注为“非地面点”体元结构图；图5（c）是完成标注过程的最终结果图。

附图6（a）减小建筑立面点云类误差示意图，附图6（b）是连通性分析的结果图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明。

基于机载激光雷达点云体元连续性分析的滤波方法总体架构如图1所示。

（1）体素化点云

对点云进行二维空间的格网划分

假设点云数据坐标X的最大值和最小值分别为：X_max 和X_min，坐标Y的最大值和最小值分别Y_max 和Y_min，坐标Z的最大值和最小值分别为：Z_max和Z_min，给定的二维网格尺寸C，输入点云依据公式（1）划分为M行N列。为了提高后续分类的精度，二维格网的尺寸应保证将落入到同一格网的大部分点云属性保持一致，因此这里设置格网的尺寸应足够小可设置为C=0.5m。

（1）

对于不存在数据的格网单元采用克里金插值方法，弥补格网高程数据的缺失。

此处点云数据的插值操作，仅仅是为了辅助点云滤波分析过程，待最终滤波结果分析完毕之后，插值格网单元所包含的数据将会被剔除，以保证原始点云数据的完整性。

在高程维度对格网化后的点云根据公式（2）以分层高度值h均匀划分为T层。

（2）

分层高度h的大小直接影响了在后续分析分类的结果（参考（3）-1），故设定h应满足关系为：两倍的分层高度应小于测区内最小建筑物高度，因此这里可取h= 0.5 m。

点云体素化后，即可保存两类映射关系：a) 体素之间的邻接关系；b) 特定体素与对应包含原始点云之间的映射关系。因此，我们可以通过确定包含点云的体元的属性然后借助点云与体元间的映射关系达到分类点云的目的。如示意图2所示，不同属性的点云经过步骤-被划分到其坐标对应的体元，我们将这些体元称为“待分类”体元，即示意图2中用粗线条标记的方格，这些“待分类”体元也就是后续的分析对象。

（2）“地面基准层”的确立

分析过程开始之前首先需要确定一定数量包含地面点云数据的体元，即“地面点”体元作为分析过程的“种子”体元。通过分析属性未知的“待分类”体元与“地面点”体元的连续性达到分类体元的目的。因此，首先要确定一层包含地面点体元数目最多的体元层，即“地面基准层”。“地面基准层”的确立准则如下：a) 往往包含的含有点云的体元数目最多；b) 往往地面基准层体元包含的点云平均高程较低。

从第一层L ₁ 开始，逐层向上统计每层含有点云体元的个数N _L1 ，N _L2, … _, N _LT ，将T个N按照层数高低，按照从低到高排列，取值含有点云体元数据最多的层即为“地面基准层体元”。地面基准层体元一般位于最低层，如果地面基准层体元不是最低层，则认为该基准层及其以下的层所对应的含有点云的体元为地面点体元，该基准层以上为含有点云的体元为“待分类”体元。如示意图3所示，图中第i层为确定的地面基准层，该层含有点云的体元用包含对角线的加粗方格表示；i层以上含点云的体元即为“待分类”体元。后续对体元的标注是对基准层以上的“待分类”体元的标注。

（3）“待分类”体元的标注

基于大部分非地面点，如建筑点云，高大的树木点云等体元与“地面点”体元的边界通常存在“不连续”的现象，如示意图2数据中部分地面点所处的第i层和建筑点云所处的i+5层，我们可以通过分析这种“不连续”情况来标注不同语义体元。如示意图4所示，如果当前“待分类”体元e（m, n, t）其下层9邻域体元中包含“地面点”体元或“待定地面点”体元，则将当前“待分类”体元标记为“待定地面点” 体元。否则，则将当前“待分类”体元标记为“非地面点”体元。这样的分析过程要求地面点和建筑之间最少存在一层空白的体元高度才能达到分类的目的，即从地面的高程到建筑屋顶高程所分的层数应大于两层，也就是说分层高度应小于测区最小建筑高度的1/2。

从近邻“地面基准层”的上一层开始，执行 操作，直至该层所有体元标注完成。

对于剩余未被标注层的体元，执行步骤 -，直至所有层体元标注完成。如示意图5所示，“待分类”体元逐步标注为“待定地面点”体元（图5（a）所示）和“非地面点”体元（图5（b）所示），完成标注过程的最终结果如图5（c）所示。

（4）“待定地面点”、“地面点体元”和“非地面点”体元间的连通性分析

在图5（c）标注结果之上进一步分析：如果“待定地面点”体元与“地面点体元”相互连接，即具有连通性，则将“待定地面点”体元转化为“地面点”体元，通过该区域增长过程，实现部分“待定地面点”体元的标注。如果“待定地面点”体元与“地面点体元”不具有连通性，那么该“待定地面点”体元转化为“非地面点”体元。如果“待定地面点”体元与“非地面点”体元具有连通性，则“待定地面点”体元自动转化为“非地面点”体元。

但这种连通性分析时容易将建筑立面点云落入的体元错分为“地面点”体元，为了减小这类误差，基于建筑立云面点云通常在位于同一格网的体元且竖直连续分布（如图6（a）中第n1列体元）的特点，我们在（4）-过程增加如下判断处理条件：假设当前待分类体元（m ₁ ,n ₁ ,t ₁ ）的下层邻域体元为地面点体元，将其判别为地面体元后，标记当前网格的位置后续分析将直接将体元（m ₁ ,n ₁ ,t _q ）（t₁<t _q <T）分类为“非地面点”体元。

（5）剔除插值结果，完成数据滤波

执行步骤（2）-（4）之后，所有的“待分类”体元即被标注为：“地面点” 体元和“非地面点”体元。再此基础之上剔除（1）-b的插值结果，以保留数据的真实度。又由于体元和点云之间是一对多的映射关系，体元的语义标注完成之后即可传递给其所包含的点云，同时也就完成了三维离散点的标注（被标注为地面点和非地面点）两部分，从而实现了点云数据的滤波。

本发明通过结合点云体素化和索引技术，利用体素化过程无点云精度的损耗的特征，同时利用点云体素之间的索引技术保证了邻接点云体素的搜索和查找，极大的提高了后续体素之间拓扑关系的分析效率；通过分层策略，确定“地面基准层”，而后结合体元的连通性分析和先验约束，将“待定地面点体元”标注为“地面点”和“非地面点”体元。算法直接且有效，无需过多的输入参数，对点云的密度不敏感，对测区类型（城区、山区）适应性强。

Claims (6)

1.基于机载激光雷达点云体元连续性分析的滤波方法，其特征是具体包括如下步骤：

（1）体素化点云；

（2）“地面基准层”的确立；

（3）“待分类”体元的标注；

（4）“待定地面点”、“地面点体元”和“非地面点”体元间的连通性分析；

（5）剔除插值结果，完成数据滤波。

2.根据权利要求1所述的基于机载激光雷达点云体元连续性分析的滤波方法，其特征是所述的步骤（1）体素化点云，具体包括如下内容：

①对点云进行二维空间的格网划分：设点云数据坐标X的最大值和最小值分别为：X_max和X_min，坐标Y的最大值和最小值分别Y_max 和Y_min，坐标Z的最大值和最小值分别为：Z_max和Z_min，给定的二维网格尺寸C，输入点云依据公式（1）划分为M行N列：

②对于不存在数据的格网单元采用克里金插值方法，弥补格网高程数据的缺失；最终滤波结果分析完毕之后，插值格网单元所包含的数据将会被剔除，以保证原始点云数据的完整性。

③在高程维度对格网化后的点云根据公式（2）以分层高度值h均匀划分为T层：

（2）

设定h满足关系为：两倍的分层高度应小于测区内最小建筑物高度。

点云体素化后，即可保存两类映射关系：a) 体素之间的邻接关系；b) 特定体素与对应包含原始点云之间的映射关系，因此，通过确定包含点云的体元的属性然后借助点云与体元间的映射关系达到分类点云的目的；不同属性的点云经过步骤-被划分到其坐标对应的体元，将这些体元称为“待分类”体元。

3.根据权利要求1所述的基于机载激光雷达点云体元连续性分析的滤波方法，其特征是所述的步骤（2）“地面基准层”的确立准则如下：a) 往往包含的含有点云的体元数目最多；b) 往往地面基准层体元包含的点云平均高程较低。具体包括如下内容：

从第一层L ₁ 开始，逐层向上统计每层含有点云体元的个数N _L1 ，N _L2, … _, N _LT ，将T个N按照层数高低，按照从低到高排列，取值含有点云体元数据最多的层即为“地面基准层体元”。地面基准层体元一般位于最低层，如果地面基准层体元不是最低层，则认为该基准层及其以下的层所对应的含有点云的体元为地面点体元，该基准层以上为含有点云的体元为“待分类”体元。

4.根据权利要求1所述的基于机载激光雷达点云体元连续性分析的滤波方法，其特征是所述的步骤（3）“待分类”体元的标注，具体包括如下内容：

如果当前“待分类”体元e（m, n, t）其下层9邻域体元中包含“地面点”体元或“待定地面点”体元，则将当前“待分类”体元标记为“待定地面点” 体元；否则，则将当前“待分类”体元标记为“非地面点”体元；

从近邻“地面基准层”的上一层开始，执行 操作，直至该层所有体元标注完成；

对于剩余未被标注层的体元，执行步骤 -，直至所有层体元标注完成。

5.根据权利要求1所述的基于机载激光雷达点云体元连续性分析的滤波方法，其特征是所述的步骤（4）“待定地面点”、“地面点体元”和“非地面点”体元间的连通性分析，具体包括如下内容：

①如果“待定地面点”体元与“地面点体元”相互连接，即具有连通性，则将“待定地面点”体元转化为“地面点”体元，通过该区域增长过程，实现部分“待定地面点”体元的标注。如果“待定地面点”体元与“地面点体元”不具有连通性，那么该“待定地面点”体元转化为“非地面点”体元。如果“待定地面点”体元与“非地面点”体元具有连通性，则“待定地面点”体元自动转化为“非地面点”体元。

②增加如下判断处理条件：假设当前待分类体元（m1,n1,t1）的下层邻域体元为地面点体元，将其判别为地面体元后，标记当前网格的位置后续分析将直接将体元（m1,n1,tq）（t1<tq<T）分类为“非地面点”体元。

6.根据权利要求1所述的基于机载激光雷达点云体元连续性分析的滤波方法，其特征是所述的步骤（5）剔除插值结果，完成数据滤波，具体包括如下内容：

执行步骤（2）-（4）之后，所有的“待分类”体元即被标注为：“地面点” 体元和“非地面点”体元。再此基础之上剔除的插值结果，以保留数据的真实度；由于体元和点云之间是一对多的映射关系，体元的语义标注完成之后即可传递给其所包含的点云，同时完成三维离散点的标注两部分，从而实现了点云数据的滤波。