CN110703227B - 一种基于TerraSolid参数阈值自动选择的地面点云滤波方法 - Google Patents
一种基于TerraSolid参数阈值自动选择的地面点云滤波方法 Download PDFInfo
- Publication number
- CN110703227B CN110703227B CN201910889698.XA CN201910889698A CN110703227B CN 110703227 B CN110703227 B CN 110703227B CN 201910889698 A CN201910889698 A CN 201910889698A CN 110703227 B CN110703227 B CN 110703227B
- Authority
- CN
- China
- Prior art keywords
- points
- filtering
- ground
- point cloud
- parameter threshold
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/487—Extracting wanted echo signals, e.g. pulse detection
- G01S7/4876—Extracting wanted echo signals, e.g. pulse detection by removing unwanted signals
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于TerraSolid参数阈值自动选择的地面点云滤波方法,包括:1)点云数据预处理,去除点云中的噪声点,包括多次回波的首次回波和中间回波点、低点和空中点;2)参数阈值自动选择,包括对最大房屋尺寸、迭代角、迭代距离三个关键滤波参数进行均匀采样,编辑并运行TerraSolid宏命令,获取不同滤波参数阈值所得到的地面点数,然后对地面点数进行Logistic曲线拟合,计算斜率最大点,最后得到滤波参数推荐阈值;3)根据推荐阈值,执行地面点滤波算法,分离地面点。本发明的方法能够自动选择滤波参数阈值,减少人工工作量,提高地面点云滤波的效率。
Description
技术领域
本发明属于测绘遥感领域,具体涉及一种基于TerraSolid参数阈值自动选择的地面点云滤波方法。
背景技术
机载激光雷达(Light Detection and Ranging,简称LIDAR)是一种主要集成了激光测距、全球定位、惯性导航等技术的新型遥感设备,可直接获取测量编码的三维坐标点集。利用LIDAR来获取高精度三维数字地面模型,已经广泛应用于基础测绘、数字城市、森林资源调查等领域。通过LIDAR技术所获取的点云数据包含地面点云数据和非地面点云数据。为获取数字高程模型(DEM),需要通过滤波方法将地面点云和非地面点云进行分离。地面点云滤波是LIDAR点云数据处理的必要步骤,也是后续应用的基础。
TerraSolid系列软件是一套广泛应用的商业化LIDAR点云数据处理软件,由TerraSolid公司基于MicroStation开发的插件系统,主要包括TerraScan、TerraModel、TerraPhoto等模块。TerraSolid的滤波分类原理基于Axelsson于2000年提出的一种基于不规则三角网(TIN)的渐进加密方法,该方法由初始种子点生成稀疏的TIN,通过迭代处理,将符合设定阈值条件的点逐步添加到三角网中,具体文献如下:
Vosselman George.Slope based filtering of laser altimetry data[J].International Archives of Photogrammetry&Remote Sensing,2000,xxxiii,935–942.
这种方法的关键在于滤波参数阈值的选取,主要的滤波参数有最大房屋尺寸、迭代角度和迭代距离,需要根据经验去选择合适的阈值。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往往需要反复试验,导致点云滤波工作量增加,处理效率低下。因此,如何利用已获取的数据信息自动选择相应滤波参数阈值、减少人工主观经验干预仍然是急需解决的问题。
发明内容
本发明所要解决的技术问题在于,提供一种基于TerraSolid参数阈值自动选择的地面点云滤波方法,针对人工参数阈值设定效率低、主观性强的问题,根据采样数据计算结果,自动选择相应的滤波参数阈值,提高地面点云滤波的效率和精度。
为此,本发明的技术方案如下:
一种基于TerraSolid参数阈值自动选择的地面点云滤波方法,包括以下步骤:
S1,点云数据预处理,包括以下步骤:
S1-1,分离多次回波的首次回波和中间回波点;
S1-2,分离低点,把较低的点从与其相邻的点中分离出来,剔除明显低于地面的并且可能是错误的点;
S1-3,分离空中点,剔除明显高于周围点平均高程的点;
S2,参数阈值自动选择,包括以下步骤:
S2-1,数据采样,对滤波算法中的最大房屋尺寸、迭代角、迭代距离三个关键滤波参数的阈值进行均匀采样,样本数量分别为N1,N2,N3,得到N=N1×N2×N3组滤波参数阈值;
S2-2,编辑TerraSolid宏(Macro)命令,对于步骤S2-1所得的每组滤波参数阈值,针对步骤S1中所得预处理后点云数据,自动顺序执行地面点云滤波算法,得到不同滤波参数阈值所对应的地面点数s1,s2,...,sN;
S2-3,Logistic曲线拟合,包括:
a)将N组滤波参数阈值按照地面点数s值从小到大进行排序,并按自然数序列i=1,2,...,N编号;
b)对地面点数据si以及自然数序列i=1,2,...,N,利用如下公式进行归一化:
式中a,b为待拟合参数。
对(2)式做线性变换,得到:
利用最小二乘法对(3)式进行线性拟合,得到拟合参数a,b;
S2-4,最佳滤波参数阈值选取,包括:
1)计算过Logistic曲线上点到原点的直线斜率,计算公式为
S3,分离地面点,根据步骤S2-4得到的推荐滤波参数阈值,采用TerraSolid宏命令,执行地面点滤波算法,分离地面点和非地面点。
本发明的地面点云滤波算法具有以下有益结果:
(1)现有基于TerraSolid软件的滤波操作中,关键滤波参数的取值往往根据人工经验选择,需要反复进行试验,导致点云滤波工作量增加,处理效率低下。本发明的方法利用已获取的采样数据信息自动选择最佳滤波参数阈值,减少了人工主观经验干预,提高了地面点云滤波的效率。
(2)对于不同地形大范围点云数据,取单一滤波参数阈值进行滤波显然已无法满足精度要求。本发明的方法有自动性强、计算速度快的特点,因此可以将不同地形进行分块,对于每个分块选取一个窗口数据,利用本发明的方法选取滤波参数阈值,然后进行分块滤波,提高了地面点云滤波的精度。
附图说明
图1是本发明的基于TerraSolid参数自动选择地面点云滤波方法的流程图;
图2是本发明实施例中ISPRS测试点云数据;
图3是本发明实施例中TerraSolid点云预处理命令;
图4是本发明实施例中TerraSolid地面点滤波命令;
图5是本发明实施例中Macro宏文件;
图6是本发明实施例中Logistic曲线拟合示意图;
图7是本发明实施例中最大斜率选取示意图;
图8是本发明实施例中地面点滤波结果;
图9是本发明实施例中误差精度分析示意图。
具体实施方式
以下结合附图和具体实施例对本发明的技术方案作具体说明。
实施例一
实验数据采用国际摄影测量与遥感学会(ISPRS)测试数据filter-samples22,包含32706个点,点间距1-1.5m,样本区域包含有多种复杂地形、地物。软件操作以基于MicroStationV8开发的TerraSolid软件为平台展开。如图1所示,本发明的具体实施步骤如下:
S1.点云数据预处理
加载TerraScan模块,由“read points”命令读取测试点云数据,数据如图2所示。
1)分离多次回波的首次回波和中间回波点。由于激光光斑有一定的半径大小,同一束激光脉冲可能有多个回波信号被接受系统所接收,导致激光回波信号具有多值性的特点。因此,能够肯定多次回波中的首次回波和中间回波是激光波束打到植被的树叶或树枝、树干上返回的回波点而不是地面点,进而将其分离出去。TerraSolid中具体操作命令为“Classify→Routine→by echo”,如图3所示。
2)分离低点。分离低点是把较低的点从与其相邻的点中分离出来,用来剔除明显低于地面的并且可能是错误的点。TerraSolid中具体操作命令为“Classify→Routine→byLow points”。
3)分离空中点。空中点是指那些明显高于周围点平均高程的点,这些可能是激光脉冲打到飞鸟或者回波错误造成的。TerraSolid中具体操作命令为“Classify→Routine→by Air points”。
S2.参数阈值的选择
1)数据采样。TerraSolid的滤波分类原理基于Axelsson提出的渐进三角网加密方法,关键在于滤波参数阈值的选取,主要的滤波参数有最大房屋尺寸(Max buildingsize)、迭代角度(Iteration angle)、迭代距离(Iteration distance),如图4所示。通常情况下,最大房屋尺寸在10m~100m之间,迭代角度在2~12度,迭代距离在0.8m~1.8m之间。对此三个滤波参数进行均匀采样,样本数量分别为10,11,11,得到N=10×11×11=1210组滤波参数阈值;
2)编辑TerraSolid宏(Macro)命令,对于每组滤波参数阈值,自动顺序执行地面点云滤波算法,宏命令如图5所示,由此得到不同滤波参数阈值所对应的地面点数s1,s2,...,s1210;
3)Logistic曲线拟合,将1210组滤波参数阈值按照地面点数s值从小到大进行排序,并按自然数序列n=1,2,...,1210编号;对地面点数据si以及自然数序列i=1,2,...,1210,利用公式(1)进行归一化;将与进行Logistic曲线拟合,拟合曲线如图6所示,由此得到拟合公式为:
4)推荐滤波参数阈值选取,根据公式(4)计算Logistic曲线上点到原点的直线斜率;如图7所示,计算斜率k最大时相应的s值,并选取距离s值最近的所对应的一组滤波参数阈值作为推荐滤波参数阈值,结果见表1:
表1.Logistic曲线所得到的推荐滤波参数阈值
S3.分离地面点
根据步骤S2中4)所求得的最佳滤波参数阈值,采用TerraSolid宏命令,执行地面点滤波算法,分离地面点和非地面点,如图8所示,深灰色为地面点,白色为非地面点。为验证本方法发明的有效性,定义整体误差如下:
其中a代表误分为非地面点的地面点数,b代表误分为地面点的非地面点数,c代表点云总数。如图9所示,可以绘出不同滤波参数阈值下的整体误差。由图9可以看出,通过本发明的方法所选取的滤波参数阈值,可以获得较低的整体误差4%,因此该方法具有可行性。
Claims (7)
1.一种基于TerraSolid参数阈值自动选择的地面点云滤波方法,包括以下步骤:
S1,点云数据预处理:去除点云中的噪声点,包括分离多次回波的首次回波和中间回波点以及分离低点和空中点;
S2,参数阈值自动选择,包括以下步骤:
S2-1,数据采样,对滤波算法中的最大房屋尺寸、迭代角、迭代距离三个关键滤波参数的阈值进行均匀采样,样本数量分别为N1,N2,N3,得到N=N1×N2×N3组滤波参数阈值;
S2-2,编辑宏命令,采用步骤S2-1所得的各组滤波参数阈值,针对步骤S1中所得预处理后点云数据,自动顺序执行地面点云滤波算法,得到不同滤波参数阈值所对应的地面点数s1,s2,...,sN;
S2-3,Logistic曲线拟合,包括:
a)将所述N组滤波参数阈值按照地面点数s值从小到大进行排序,并按自然数序列i=1,2,...,N编号;
b)对地面点数据si以及自然数序列i=1,2,...,N,进行归一化处理;
c)对步骤b)归一化处理后的数据进行Logistic曲线拟合,包括对拟合公式做线性变换,然后利用最小二乘法进行线性拟合,得到拟合参数;
S2-4,最佳滤波参数阈值选取:计算过Logistic曲线上点到原点的直线斜率;计算斜率最大时对应的地面点数,并以此选取推荐滤波参数阈值;
S3,分离地面点,根据步骤S2-4得到的推荐滤波参数阈值执行地面点滤波算法,分离出地面点和非地面点。
2.根据权利要求1所述的地面点云滤波方法,其特征在于,步骤S1所述的分离低点为把较低的点从与其相邻的点中分离出来,剔除明显低于地面的点。
3.根据权利要求2所述的地面点云滤波方法,其特征在于,步骤S1所述的分离空中点为剔除明显高于周围点平均高程的点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910889698.XA CN110703227B (zh) | 2019-09-20 | 2019-09-20 | 一种基于TerraSolid参数阈值自动选择的地面点云滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910889698.XA CN110703227B (zh) | 2019-09-20 | 2019-09-20 | 一种基于TerraSolid参数阈值自动选择的地面点云滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110703227A CN110703227A (zh) | 2020-01-17 |
CN110703227B true CN110703227B (zh) | 2023-01-24 |
Family
ID=69195667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910889698.XA Active CN110703227B (zh) | 2019-09-20 | 2019-09-20 | 一种基于TerraSolid参数阈值自动选择的地面点云滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110703227B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745441A (zh) * | 2014-01-08 | 2014-04-23 | 河海大学 | 一种机载LiDAR点云滤波方法 |
CN105488770A (zh) * | 2015-12-11 | 2016-04-13 | 中国测绘科学研究院 | 一种面向对象的机载激光雷达点云滤波方法 |
CN105740464A (zh) * | 2016-03-03 | 2016-07-06 | 中国国土资源航空物探遥感中心 | 一种基于dem的河谷形态参数自动提取方法 |
CN106157309A (zh) * | 2016-07-04 | 2016-11-23 | 南京大学 | 一种基于虚拟种子点的机载LiDAR地面点云滤波方法 |
CN106340061A (zh) * | 2016-08-31 | 2017-01-18 | 中测新图(北京)遥感技术有限责任公司 | 一种山区点云滤波方法 |
CN106529469A (zh) * | 2016-11-08 | 2017-03-22 | 华北水利水电大学 | 基于自适应坡度的无人机载LiDAR点云滤波方法 |
CN108256446A (zh) * | 2017-12-29 | 2018-07-06 | 百度在线网络技术(北京)有限公司 | 用于确定道路中的车道线的方法、装置和设备 |
CN110119438A (zh) * | 2019-04-23 | 2019-08-13 | 东华理工大学 | 基于主动学习的机载LiDAR点云滤波方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI482043B (zh) * | 2013-01-11 | 2015-04-21 | Univ Nat Central | Housing roof search and establishment of roof structure |
-
2019
- 2019-09-20 CN CN201910889698.XA patent/CN110703227B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745441A (zh) * | 2014-01-08 | 2014-04-23 | 河海大学 | 一种机载LiDAR点云滤波方法 |
CN105488770A (zh) * | 2015-12-11 | 2016-04-13 | 中国测绘科学研究院 | 一种面向对象的机载激光雷达点云滤波方法 |
CN105740464A (zh) * | 2016-03-03 | 2016-07-06 | 中国国土资源航空物探遥感中心 | 一种基于dem的河谷形态参数自动提取方法 |
CN106157309A (zh) * | 2016-07-04 | 2016-11-23 | 南京大学 | 一种基于虚拟种子点的机载LiDAR地面点云滤波方法 |
CN106340061A (zh) * | 2016-08-31 | 2017-01-18 | 中测新图(北京)遥感技术有限责任公司 | 一种山区点云滤波方法 |
CN106529469A (zh) * | 2016-11-08 | 2017-03-22 | 华北水利水电大学 | 基于自适应坡度的无人机载LiDAR点云滤波方法 |
CN108256446A (zh) * | 2017-12-29 | 2018-07-06 | 百度在线网络技术(北京)有限公司 | 用于确定道路中的车道线的方法、装置和设备 |
CN110119438A (zh) * | 2019-04-23 | 2019-08-13 | 东华理工大学 | 基于主动学习的机载LiDAR点云滤波方法 |
Non-Patent Citations (5)
Title |
---|
基于 TerraSolid 的平原地区点云数据滤波方法;宇超群 等;《测绘与空间地理信息》;20170630;第40卷(第6期);181-183 * |
基于最小二乘拟合 LiDAR 点云滤波改进算法;周长江 等;《科技咨询》;20170531;240-242 * |
机载 LiDAR 点云滤波综述;惠振阳 等;《激光与光电子学进展》;20180630;7-15 * |
窗口迭代的克里金法过滤机载LiDAR点云;李峰 等;《科技导报》;20120930;24-29 * |
融合强阈值三角网与总体最小二乘曲面拟合滤波;刘志青 等;《红外与激光工程》;20160430;135-142 * |
Also Published As
Publication number | Publication date |
---|---|
CN110703227A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529469B (zh) | 基于自适应坡度的无人机载LiDAR点云滤波方法 | |
CN108921885B (zh) | 一种综合三类数据源联合反演森林地上生物量的方法 | |
Solberg et al. | Single tree segmentation using airborne laser scanner data in a structurally heterogeneous spruce forest | |
CN109031344B (zh) | 一种全波形激光雷达和高光谱数据联合反演森林结构参数的方法 | |
CN110119438B (zh) | 基于主动学习的机载LiDAR点云滤波方法 | |
Aschoff et al. | Describing forest stands using terrestrial laser-scanning | |
CN108896021B (zh) | 基于航空摄影测量点云提取人工林林分结构参数的方法 | |
CN107085710A (zh) | 一种基于多光谱LiDAR数据的单木自动提取方法 | |
CN110223386A (zh) | 一种基于多源无人机遥感数据融合的数字地形建模方法 | |
CN103390169A (zh) | 一种车载激光扫描点云数据的城市地物分类方法 | |
CN107479045B (zh) | 基于全波形激光雷达点云数据剔除低矮植被的方法及系统 | |
CN111832506B (zh) | 一种基于长时序植被指数的重建植被遥感判别方法 | |
CN110717496B (zh) | 基于神经网络的复杂场景树木检测方法 | |
CN114463403A (zh) | 一种基于点云数据和图像识别技术的树木碳汇量计算方法 | |
CN101672915A (zh) | 一种高空间分辨率遥感影像树冠轮廓勾绘系统及方法 | |
CN112166457A (zh) | 点云分割方法、系统和可移动平台 | |
CN102981160B (zh) | 一种确定空中目标航迹的方法及装置 | |
CN113269825A (zh) | 基于地基激光雷达技术林木胸径值提取的方法 | |
CN116881812A (zh) | 基于多源遥感数据和随机森林法估测森林碳储量的方法 | |
CN110703227B (zh) | 一种基于TerraSolid参数阈值自动选择的地面点云滤波方法 | |
Xu et al. | On-the-fly extraction of polyhedral buildings from airborne LiDAR data | |
CN111080536A (zh) | 一种机载激光雷达点云的自适应滤波方法 | |
CN116433846A (zh) | 一种基于大小和局部混乱距离的林地点云枝叶分离方法 | |
Gonçalves-Seco et al. | Digital terrain model generation using airborne LiDAR in a forested area Galicia, Spain | |
CN112381029B (zh) | 一种基于欧氏距离的机载LiDAR数据建筑物提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |