CN110888147A - 一种扫描激光雷达探测数据网格化可视化方法 - Google Patents

Abstract

本发明公开了一种扫描激光雷达探测数据网格化可视化方法，具体为：1、根据扫描激光雷达探测数据的探测扫描距离和探测角度；2、将扫描激光雷达探测数据的极坐标进行坐标转换，转换成笛卡尔积坐标形式V(m,n)；3、采用归一化方法标准化处理数据V(m,n)得到U(m,n)；4、利用垂直水平插值方法对U(m,n)中的数据缺失位置处进行插值填补；5、创建与可视化图形尺寸m和n对应的二维空间颜色矩阵数据C(m,n)并初始化，将数据G(m,n)映射到表示数值强度的C(m,n)中；6、利用像素与C(m,n)的对应关系，通过程序可视化方法将C(m,n)的数值绘制到像素位置。该方法提高了数据插值的准确性。

Description

一种扫描激光雷达探测数据网格化可视化方法

技术领域

本发明属于大气探测激光雷达测量数据处理技术领域，具体涉及一种扫描激光雷达探测数据网格化可视化方法。

背景技术

大气气溶胶引起的颗粒物污染问题是当前影响我国大气环境质量问题的主要因素，气溶胶的观测技术和研究方法很多。激光雷达作为主动式光学遥感监测新技术的发展改变了传统大气气溶胶探测方法由点到线再到面的演绎方法，为大气环境研究提供了一个新的技术与探测手段，克服了传统大气环境研究中的诸多局限性，实现了大空间、长时间、多尺度、多参数的遥感遥测，已被广泛应用于大气特征参量探测、大气传输规律、全球气候预测、大气环境监测等研究领域。

激光雷达通过接收大气气溶胶的回波信号测量大气气溶胶的时空分布和光学特性参量。激光雷达通常的垂直探测方式，存在几何重叠因子，造成探测盲区。扫描激光雷达是激光雷达的一种特殊工作形式，可实现低层大气气溶胶的水平或者垂直扫描，克服系统几何重叠因子给大气探测带来的困难，通过变换角度能够获得不同扫描区域的气溶胶空间分布信息。

国内多数研究单位的探测方法依然停留在区域单点测量方法，仅对激光雷达系统设备所在的小范围区域的大气气溶胶时空分布特性进行了测量，对大尺度区域内大气气溶胶的时空演变特性的研究帮助有限。且各研究单位使用的激光雷达系统的参数(激光脉冲数、数据采样频率、望远镜口径，激光源类型，激光波长等)和测量方法(探测方位、空间角度、探测距离、探测时间等)不尽相同。此外，研制过程中所使用到的关键技术如几何重叠因子设计、信号压缩技术、背景光的抑制技术与信号采集技术都会影响激光雷达系统的探测性能，最终导致同步测量的不同激光雷达的探测数据在时空结构、信号强度、表征方式等方面也会出现异构性。随着大气探测领域的数据积累越来越多，探测粒度越来越密，大气激光雷达实时探测数据体积日益增长，这种数据的异构性，阻碍了大尺度区域气溶胶的时空特性分析与研究。

目前，针对扫描大气激光雷达探测数据的处理与可视化图形绘制的过程中，需要对离散探测数据进行插值，完成网格化处理，并将数据值映射为表示数据强度的彩色值，实现可视化图形的绘制。传统激光雷达数据可视化方法，主要针对的是垂直探测方式的探测数据，对于扫描探测数据，仅在垂直方向进行数据插值，很少考虑探测角度引起的数据插值准确性的问题，此外，扫描激光雷达数据的可视化过程，大多数方法直接使用数据处理软件生成图像，绘图效率较低；且目前的方法在数据规模较小的情况下，进行处理与可视化的速度尚可接受，但在数据量较大的情况下，其准确性与数据处理效率表现欠佳。

发明内容

本发明的目的是提供一种扫描激光雷达探测数据网格化可视化方法，能够有效简化了数据缺失位置填补方法的复杂性，提高了数据插值的准确性。

本发明所采用的技术方案是，一种扫描激光雷达探测数据网格化可视化方法，具体按照以下步骤实施：

步骤1、根据扫描激光雷达探测数据的探测扫描距离和探测角度，定义尺寸为m×n的可视化图形区域，m为宽，n为高，这里以计算机屏幕像素为单位；

步骤2、设扫描激光雷达探测数据的极坐标表示形式为D(R,Θ)，定义数据V(m,n)，并用0值初始化；对D(R,Θ)进行坐标转换，转换成笛卡尔积坐标形式，根据坐标得到网格化扫描激光雷达矩阵数据V(m,n)；其中，R为扫描激光雷达探测采样点与激光雷达设备之间的径向距离集合，Θ是扫描激光雷达探测仰角集合；

步骤3、采用归一化方法标准化处理数据V(m,n)得到扫描激光雷达标准化矩阵数据U(m,n)；

步骤4、利用垂直水平插值方法对U(m,n)中的数据缺失位置处进行插值填补，将U(m,n)中相应位置的0值数值替换为插值数值，得到数据G(m,n)；

步骤5、创建与可视化图形尺寸m和n对应的二维空间颜色矩阵数据C(m,n)并初始化，构建数据映射方法，将数据G(m,n)映射到表示数值强度的C(m,n)中；

步骤6、利用像素与C(m,n)的对应关系，通过程序可视化方法将C(m,n)的数值绘制到像素位置，最终将C(m,n)的每一个数值绘制为表征大气垂直结构的剖面图形。

本发明的特点还在于，

步骤1中：

m＝r_p·cosθ_q，n＝r_p·sinθ_q

其中，r_p为扫描激光雷达探测仰角方向上的第p个采样点距离，p为扫描激光雷达探测仰角方向上的最大采样点数，θ_q表示为扫描激光雷达探测的第q个仰角，q为最大探测仰角数。

步骤2中对数据V(m,n)进行定义，并用0值初始化，具体如下所示：

对D(R,Θ)进行坐标转换，转换成笛卡尔积坐标形式得到扫描激光雷达矩阵数据V(m,n)，R、Θ、D(R,Θ)与V(m,n)如下表示：

R＝(r₁ r₂ … r_p)，

Θ＝(θ₁ θ₂ … θ_q)，

转换的具体方法为：

将D(R,Θ)中的元素d(r_s,θ_t)的极坐标形式转换为笛卡尔积坐标形式，V(m,n)为由d(r_s,θ_t)的极坐标形式转换为笛卡尔积坐标形式后的v(i,j)元素集合，具体转化方式如下：

其中，

表示向下取整，r_s表示为扫描激光雷达探测的第s个数据采样点，s＝1,2,…,p，θ_t表示为扫描激光雷达探测的第t个仰角，t＝1,2,…,q，0≤i≤n，0≤j≤m，即有：

v(i,j)＝d(r_s,θ_t)

转换完成后，V(m,n)的形式为：

步骤3中采用归一化方法标准化处理数据V(m,n)得到扫描激光雷达标准化矩阵数据U(m,n)的方法为：

将V(m,n)中的元素v(i,j)采用归一化方法标准化处理得到u(i,j)，v(i,j)与u(i,j)的关系如下式：

U(m,n)＝{u(i,j)}

＝V(m,n)/(d_max-d_min)

＝{v(i,j)}/(d_max-d_min)

其中，u(i,j)为U(m,n)的元素，0≤i≤n，0≤j≤m，u(i,j)为v(i,j)标准化处理以后的数值，d_max和d_min分别为V(m,n)中的最大值和最小值，最终使1≥u(i,j)≥0；

转换完成后，U(m,n)的形式为：

步骤4具体按照以下步骤实施：

步骤4.1、令扫描激光雷达距离分辨率对应为可视化图形中的像素点，即长度为1个单位；

步骤4.2、通过m和n遍历U(m,n)中的元素u(i,j)，若u(i,j)为0且在扫描探测区域内，则u(i,j)为待插值数据，转换成对应的极坐标系下的θ和r，获得d(r,θ)，利用垂直水平线性插值法，计算d(r,θ)值，赋值给u(i,j)，这样就填补了U(m,n)中的缺失数据，得到数据G(m,n)，完成扫描激光雷达探测数据的缺失数据填补。

步骤4.2具体按照以下步骤实施：

步骤4.2.1、具体确定插值参数数据：从U(m,n)的元素u(i,j)进行遍历，若u(i,j)>0，则跳过，若u(i,j)＝0，则为待插值填补数据，0≤i≤n，0≤j≤m，u(i,j)转换成极坐标形式表示为d(r,θ)，对于d(r,θ)，该数据位于扫描范围内，即r≤r_q，其中，

θ＝arctan(i/j)，r＝j/cosθ

遍历D(R,Θ)的探测角度集Θ，查找θ_t和θ_t+1，使得θ_t≥θ≥θ_t+1，其中t＝1,2,…,q，θ_t，θ_t+1∈Θ，则，在垂直方向上，θ_t+1角度的探测方向上的参考数据点的探测距离r_a，通过如下计算获得：

r_a＝j/cosθ_t+1，

同理，垂直方向上的θ_t角度探测方向上的参考数据点极坐标r_b，通过如下计算获得：

r_b＝j/cosθ_t

那么，可得在水平方向上的参考数据点为，r_d＝i/sinθ_t+1和r_e＝i/sinθ_t，这样，获取插值数据参考数据为d(r_b,θ_t)，d(r_a,θ_t+1)，d(r_e,θ_t)，d(r_d,θ_t+1)；

步骤4.2.2、通过垂直水平方向上进行插值数据d(r,θ)的计算，计算方法为：

d(r,θ)＝[ω_b·d(r_b,θ_t)+ω_a·d(r_a,θ_t+1)+ω_e·d(r_e,θ_t)+ω_d·d(r_d,θ_t+1)]/(ω_b+ω_a+ω_e+ω_d)

这里，ω_b，ω_a，ω_e，ω_d分别为d(r_b,θ_t)，d(r_a,θ_t+1)，d(r_e,θ_t)，d(r_d,θ_t+1)的权重，具体计算方法如，

ω_b＝(r_a·sinθ_t+1-i)/(r_a·sinθ_t+1-r_b·sinθ_t)

ω_a＝(i-r_a·sinθ_t)/(r_a·sinθ_t+1-r_b·sinθ_t)

ω_e＝(j-r_d·cosθ_t+1)/(r_e·cosθ_t-r_d·cosθ_t+1)

ω_d＝(r_e·cosθ_t-j)/(r_e·cosθ_t-r_d·cosθ_t+1)

即可获得u(i,j)对应的d(r,θ)的计算值，根据以上计算方法，对r<r_q的数据缺失位置数据进行插值填补；

步骤4.2.3、将填补的d(r,θ)替换数据U(m,n)在i行j列的数据u(i,j)，获得G(m,n)，即

g(i,j)＝d(r,θ)

对于待插值数据d(r,θ)位于扫描范围外，即r>r_q基的数据点保持0值数据直接复制，即

g(i,j)＝u(i,j)。

步骤5具体按照以下步骤实施：

步骤5.1、设初始的C(m,n)每个元素的数值为0；

步骤5.2、确定颜色表示范围，采用HIS颜色模型，其色调H的色度范围为[0,2π]，起始点选用蓝色，使用连续颜色区域为蓝色-青色-绿色-黄色-红色-品红的连续段，色度范围为[0,5π/3]；

步骤5.3、将G(m,n)转换为表示数值强度色度值储入对应的颜色矩阵数据C(m,n)中，具体为：因G(m,n)的数值介于0和1之间，因此需将数值映射为色调的范围内，其映射规则如下，

c(i,j)＝g(i,j)·5π/3

其中，c(i,j)为C(m,n)中第i行j列的元素，0≤i≤n，0≤j≤m，这样即获得了完整的表示数值强度的数据C(m,n)，完成数据与颜色的映射。

步骤6具体按照以下步骤实施：

在可视化图形m×n区域中，通过遍历颜色矩阵数据C(m,n)，循环读取C(m,n)中的元素c(i,j)，并在计算机图像坐标系中的第i行j列位置，利用GDI+编程技术，描绘出该像素点的颜色值，最终完成扫描激光雷达探测数据可视化图形的绘制。

本发明的有益效果是：

(1)解决了大规模数据量下扫描激光雷达探测数据处理与可视化过程中复杂的数据插值与数据映射，减少数据计算量，有效简化了数据缺失位置填补方法的复杂性，提高了数据插值的准确性，利用网格化方法提高了图像处理效率，为大规模的扫描探测激光雷达探测数据的处理与可视化提供了新的思路。

(2)对于不同的扫描激光雷达探测数据，本发明方法能够减少数据网格化处理与可视化过程中的计算量，有效的实现二维颜色数据的构建，保证可视化图形的快速绘制。

附图说明

图1是本发明一种扫描激光雷达探测数据网格化可视化方法的整体实现流程图；

图2是本发明可视化方法中扫描激光雷达探测数据可视化图形构建示意图；

图3是本发明可视化方法中扫描激光雷达探测数据网格化示意图；

图4是本发明可视化方法中数据插值填补方法示意图；

图5是本发明可视化方法中可视化图形颜色表示范围示意图；

图6是本发明可视化方法实验得到的扫描激光雷达探测数据的可视化图形。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明提供一种扫描激光雷达探测数据网格化可视化方法，如图1所示，具体按照以下步骤实施：

步骤1、构建可视化图形尺寸，由于扫描激光雷达探测仰角的最大值一般不会超过45°，根据扫描激光雷达探测数据的探测扫描距离和探测角度，定义尺寸为m×n的可视化图形区域(如图2所示)，m为宽，n为高，这里以计算机屏幕像素为单位；

步骤1中：

m＝r_p·cosθ_q，n＝r_p·sinθ_q

其中，r_p为扫描激光雷达探测仰角方向上的第p个采样点距离，p为扫描激光雷达探测仰角方向上的最大采样点数，θ_q表示为扫描激光雷达探测的第q个仰角，q为最大探测仰角数。

步骤2、设扫描激光雷达探测数据的极坐标表示形式为D(R,Θ)，定义数据V(m,n)，并用0值初始化；对D(R,Θ)进行坐标转换，转换成笛卡尔积坐标形式，根据坐标得到网格化扫描激光雷达矩阵数据V(m,n)(如图3所示)；其中，R为扫描激光雷达探测采样点与激光雷达设备之间的径向距离集合，Θ是扫描激光雷达探测仰角集合；

步骤2中，对数据V(m,n)进行定义，并用0值初始化，具体如下所示：

对D(R,Θ)进行坐标转换，转换成笛卡尔积坐标形式得到扫描激光雷达矩阵数据V(m,n)，R、Θ、D(R,Θ)与V(m,n)如下表示：

R＝(r₁ r₂ … r_p)，

Θ＝(θ₁ θ₂ … θ_q)，

转换的具体方法为：

将D(R,Θ)中的元素d(r_s,θ_t)的极坐标形式转换为笛卡尔积坐标形式，V(m,n)为由d(r_s,θ_t)的极坐标形式转换为笛卡尔积坐标形式后的v(i,j)元素集合，具体转化方式如下：

其中，

表示向下取整，r_s表示为扫描激光雷达探测的第s个数据采样点，s＝1,2,…,p，θ_t表示为扫描激光雷达探测的第t个仰角，t＝1,2,…,q，0≤i≤n，0≤j≤m，即有：

v(i,j)＝d(r_s,θ_t)

转换完成后，V(m,n)的形式为：

步骤3、采用归一化方法标准化处理数据V(m,n)得到扫描激光雷达标准化矩阵数据U(m,n)；

步骤3中，采用归一化方法标准化处理数据V(m,n)得到扫描激光雷达标准化矩阵数据U(m,n)的方法为：

将V(m,n)中的元素v(i,j)采用归一化方法标准化处理得到u(i,j)，v(i,j)与u(i,j)的关系如下式：

U(m,n)＝{u(i,j)}

＝V(m,n)/(d_max-d_min)

＝{v(i,j)}/(d_max-d_min)

其中，u(i,j)为U(m,n)的元素，0≤i≤n，0≤j≤m，u(i,j)为v(i,j)标准化处理以后的数值，d_max和d_min分别为V(m,n)中的最大值和最小值，最终使1≥u(i,j)≥0；

转换完成后，U(m,n)的形式为：

步骤4、利用垂直水平插值方法对U(m,n)中的数据缺失位置处进行插值填补，将U(m,n)中相应位置的0值数值替换为插值数值，得到数据G(m,n)；

步骤4具体按照以下步骤实施：

步骤4.1、令扫描激光雷达距离分辨率对应为可视化图形中的像素点，即长度为1个单位；

步骤4.2、通过m和n遍历U(m,n)中的元素u(i,j)，若u(i,j)为0且在扫描探测区域内，则u(i,j)为待插值数据，转换成对应的极坐标系下的θ和r，获得d(r,θ)，利用垂直水平线性插值法，计算d(r,θ)值，赋值给u(i,j)，这样就填补了U(m,n)中的缺失数据，得到数据G(m,n)，完成扫描激光雷达探测数据的缺失数据填补(如图4所示)；

步骤4.2具体按照以下步骤实施：

步骤4.2.1、具体确定插值参数数据：从U(m,n)的元素u(i,j)进行遍历，若u(i,j)>0，则跳过，若u(i,j)＝0，则为待插值填补数据，0≤i≤n，0≤j≤m，u(i,j)转换成极坐标形式表示为d(r,θ)，对于d(r,θ)(如图4所示)，该数据位于扫描范围内，即r≤r_q，其中，

θ＝arctan(i/j)，r＝j/cosθ

遍历D(R,Θ)的探测角度集Θ，查找θ_t和θ_t+1，使得θ_t≥θ≥θ_t+1，其中t＝1,2,…,q，θ_t，θ_t+1∈Θ，则，在垂直方向上，θ_t+1角度的探测方向上的参考数据点的探测距离r_a，通过如下计算获得：

r_a＝j/cosθ_t+1，

同理，垂直方向上的θ_t角度探测方向上的参考数据点极坐标r_b，通过如下计算获得：

r_b＝j/cosθ_t

那么，可得在水平方向上的参考数据点为，r_d＝i/sinθ_t+1和r_e＝i/sinθ_t，这样，获取插值数据参考数据为d(r_b,θ_t)，d(r_a,θ_t+1)，d(r_e,θ_t)，d(r_d,θ_t+1)；

步骤4.2.2、通过垂直水平方向上进行插值数据d(r,θ)的计算，计算方法为：

d(r,θ)＝[ω_b·d(r_b,θ_t)+ω_a·d(r_a,θ_t+1)+ω_e·d(r_e,θ_t)+ω_d·d(r_d,θ_t+1)]/(ω_b+ω_a+ω_e+ω_d)

这里，ω_b，ω_a，ω_e，ω_d分别为d(r_b,θ_t)，d(r_a,θ_t+1)，d(r_e,θ_t)，d(r_d,θ_t+1)的权重，具体计算方法如，

ω_b＝(r_a·sinθ_t+1-i)/(r_a·sinθ_t+1-r_b·sinθ_t)

ω_a＝(i-r_a·sinθ_t)/(r_a·sinθ_t+1-r_b·sinθ_t)

ω_e＝(j-r_d·cosθ_t+1)/(r_e·cosθ_t-r_d·cosθ_t+1)

ω_d＝(r_e·cosθ_t-j)/(r_e·cosθ_t-r_d·cosθ_t+1)

即可获得u(i,j)对应的d(r,θ)的计算值，根据以上计算方法，可以对r<r_q的数据缺失位置数据进行插值填补；

步骤4.2.3、将填补的d(r,θ)替换数据U(m,n)在i行j列的数据u(i,j)，获得G(m,n)，即

g(i,j)＝d(r,θ)

对于待插值数据d(r,θ)位于扫描范围外，即r>r_q基的数据点保持0值数据直接复制，即

g(i,j)＝u(i,j)。

步骤5、创建与可视化图形尺寸m和n对应的二维空间颜色矩阵数据C(m,n)并初始化，构建数据映射方法，将数据G(m,n)映射到表示数值强度的C(m,n)中；

步骤5具体按照以下步骤实施：

步骤5.1、当获得可视化区域的完整的扫描激光雷达标准化矩阵数据后，需要将这些数据用颜色表示数据强度，并绘制成可视化图形。本发明将扫描激光雷达标准化矩阵数据G(m,n)，根据其数值大小，映射为表示强度信息的颜色矩阵数据C(m,n)；设初始的C(m,n)每个元素的数值为0；

步骤5.2、确定颜色表示范围，采用HIS(Hue-Saturation-Intensity)颜色模型，其色调H的色度范围为[0,2π]，本发明起始点选用蓝色，使用连续颜色区域为蓝色-青色-绿色-黄色-红色-品红的连续段，色度范围为[0,5π/3](如图5所示)；

步骤5.3、将G(m,n)转换为表示数值强度色度值储入对应的颜色矩阵数据C(m,n)中，具体为：因G(m,n)的数值介于0和1之间，因此需将数值映射为色调的范围内，其映射规则如下，

c(i,j)＝g(i,j)·5π/3

其中，c(i,j)为C(m,n)中第i行j列的元素，0≤i≤n，0≤j≤m，这样即获得了完整的表示数值强度的数据C(m,n)，完成数据与颜色的映射。

步骤6、利用像素与C(m,n)的对应关系，通过程序可视化方法将C(m,n)的数值绘制到像素位置，最终将C(m,n)的每一个数值绘制为表征大气垂直结构的剖面图形；

步骤6具体按照以下步骤实施：

在可视化图形m×n区域中，通过遍历颜色矩阵数据C(m,n)，循环读取C(m,n)中的元素c(i,j)，并在计算机图像坐标系中的第i行j列位置，利用GDI+(Graphics DeviceInterface plus)编程技术，描绘出该像素点的颜色值，最终完成扫描激光雷达探测数据可视化图形的绘制。

本发明的效果可以通过实验具体说明：

1.实验条件与数据

实验所用微机CPU为Intel Core i7-6700 3.40GHz，内存16.0GB，编程平台是Visual Studio 2010，.Net Framework 4.0。实验中采用的扫描激光雷达数据来自斯洛文尼亚诺瓦戈里奇大学(University of Nova Gorica)的奥特里卡激光雷达观测站，探测目标为大气边界层，数据探测仰角间隔角度为0.5°，最小探测仰角为0°，最大探测仰角为20°，距离分辨率为18.75米，采样点为3255个，探测距离约为61公里，。

2.实验内容

首先，读取扫描激光雷达探测数据，根据探测数据中的最大探测仰角20°，可得可视化图形的尺寸，取整后高度m＝1125，宽度n＝3090。创建矩阵数据D(1125,3090)，以零值初始化。对极坐标表示的数据D(R,Θ)的元素数据d(r_i,θ_j)转为为笛卡尔坐标系的矩阵数据d(x,y)，如探测仰角为10°，探测距离点为第100个点的数据表示为d(100,10)，其映射为笛卡尔积的矩阵数据V(1125,3090)，其横坐标m，纵坐标n，如下计算冰取整：

x＝100·cos(10°)＝98，y＝100·sin(10°)＝17

可得，其笛卡尔积矩阵数据为v(98,17)，v_max＝23.8，v_min＝0。对V(1125,3090)进行归一化处理。

其次，对数据V(1125,3090)进行缺失数据插值填补，具体计算方法，对于遍历笛卡尔积矩阵数据V(1125,3090)，其中v(99,16)＝0，则为待插值填补数据，转换成极坐标形式表示为d(100,9.1)，表名其探测距离点为100，探测仰角为9.1°，其相邻的两个探测仰角为9.5°和9.0°，则其垂直方向上的参考数据点为d(100,9.5)，d(100,9.0)，在水平方向上的参考数据点为d(97,9.5)，d(103,9.0)，其权重分别为0.41，0.59，0.55，0.45，那么可得d(100,9.1)，即v(99,16)的值约为0.84。同理，可得其他待插值填补的数据值。

然后，构建扫描数据颜色映射矩阵C(1125,3090)并初始化。C(1125,3090)表示的颜色范围取自HIS颜色模型的H分量，即色调，其范围为一个线性函数，范围为[0,5π/3]，由于数据V(1125,3090)是归一化数据，范围为[0,1]，v(99,16)对应的颜色映射数据c(99,16)＝4.40。同理可将矩阵数据V(1125,3090)中的每一个数据映射为C(1125,3090)中对应的颜色值。

最后，利用计算机可视化编程语言，将C(1125,3090)中对应的颜色值绘制成图。

3.实验结果

图6是本发明实验得到的扫描激光雷达探测数据的可视化图形。从图6可以看出，在8公里处，有明显的大气逆温层，表示为此时的大气边界层，整个图像在8.4公里以下，水平48公里以内，图像过渡平滑，准确的显示了探测时刻的大气气溶胶参数的空间分布特性。

实验证明，本发明对扫描激光雷达探测数据可以准确、快速、高校的进行缺失数据填补，并实现可视化图形的快速绘制。

Claims (8)

1.一种扫描激光雷达探测数据网格化可视化方法，其特征在于，具体按照以下步骤实施：

步骤1、根据扫描激光雷达探测数据的探测扫描距离和探测角度，定义尺寸为m×n的可视化图形区域，m为宽，n为高，这里以计算机屏幕像素为单位；

步骤2、设扫描激光雷达探测数据的极坐标表示形式为D(R,Θ)，定义数据V(m,n)，并用0值初始化；对D(R,Θ)进行坐标转换，转换成笛卡尔积坐标形式，根据坐标得到网格化扫描激光雷达矩阵数据V(m,n)；其中，R为扫描激光雷达探测采样点与激光雷达设备之间的径向距离集合，Θ是扫描激光雷达探测仰角集合；

步骤3、采用归一化方法标准化处理数据V(m,n)得到扫描激光雷达标准化矩阵数据U(m,n)；

步骤4、利用垂直水平插值方法对U(m,n)中的数据缺失位置处进行插值填补，将U(m,n)中相应位置的0值数值替换为插值数值，得到数据G(m,n)；

步骤5、创建与可视化图形尺寸m和n对应的二维空间颜色矩阵数据C(m,n)并初始化，构建数据映射方法，将数据G(m,n)映射到表示数值强度的C(m,n)中；

步骤6、利用像素与C(m,n)的对应关系，通过程序可视化方法将C(m,n)的数值绘制到像素位置，最终将C(m,n)的每一个数值绘制为表征大气垂直结构的剖面图形。

2.根据权利要求1所述的一种扫描激光雷达探测数据网格化可视化方法，其特征在于，步骤1中：

m＝r_p·cosθ_q，n＝r_p·sinθ_q

其中，r_p为扫描激光雷达探测仰角方向上的第p个采样点距离，p为扫描激光雷达探测仰角方向上的最大采样点数，θ_q表示为扫描激光雷达探测的第q个仰角，q为最大探测仰角数。

3.根据权利要求2所述的一种扫描激光雷达探测数据网格化可视化方法，其特征在于，步骤2中对数据V(m,n)进行定义，并用0值初始化，具体如下所示：

对D(R,Θ)进行坐标转换，转换成笛卡尔积坐标形式得到扫描激光雷达矩阵数据V(m,n)，R、Θ、D(R,Θ)与V(m,n)如下表示：

R＝(r₁ r₂ … r_p)，

Θ＝(θ₁ θ₂ … θ_q)，

转换的具体方法为：

将D(R,Θ)中的元素d(r_s,θ_t)的极坐标形式转换为笛卡尔积坐标形式，V(m,n)为由d(r_s,θ_t)的极坐标形式转换为笛卡尔积坐标形式后的v(i,j)元素集合，具体转化方式如下：

其中，

表示向下取整，r_s表示为扫描激光雷达探测的第s个数据采样点，s＝1,2,…,p，θ_t表示为扫描激光雷达探测的第t个仰角，t＝1,2,…,q，0≤i≤n，0≤j≤m，即有：

v(i,j)＝d(r_s,θ_t)

转换完成后，V(m,n)的形式为：

4.根据权利要求3所述的一种扫描激光雷达探测数据网格化可视化方法，其特征在于，步骤3中采用归一化方法标准化处理数据V(m,n)得到扫描激光雷达标准化矩阵数据U(m,n)的方法为：

将V(m,n)中的元素v(i,j)采用归一化方法标准化处理得到u(i,j)，v(i,j)与u(i,j)的关系如下式：

U(m,n)＝{u(i,j)}

＝V(m,n)/(d_max-d_min)

＝{v(i,j)}/(d_max-d_min)

其中，u(i,j)为U(m,n)的元素，0≤i≤n，0≤j≤m，u(i,j)为v(i,j)标准化处理以后的数值，d_max和d_min分别为V(m,n)中的最大值和最小值，最终使1≥u(i,j)≥0；

转换完成后，U(m,n)的形式为：

5.根据权利要求4所述的一种扫描激光雷达探测数据网格化可视化方法，其特征在于，步骤4具体按照以下步骤实施：

步骤4.1、令扫描激光雷达距离分辨率对应为可视化图形中的像素点，即长度为1个单位；

步骤4.2、通过m和n遍历U(m,n)中的元素u(i,j)，若u(i,j)为0且在扫描探测区域内，则u(i,j)为待插值数据，转换成对应的极坐标系下的θ和r，获得d(r,θ)，利用垂直水平线性插值法，计算d(r,θ)值，赋值给u(i,j)，这样就填补了U(m,n)中的缺失数据，得到数据G(m,n)，完成扫描激光雷达探测数据的缺失数据填补。

6.根据权利要求5所述的一种扫描激光雷达探测数据网格化可视化方法，其特征在于，步骤4.2具体按照以下步骤实施：

步骤4.2.1、具体确定插值参数数据：从U(m,n)的元素u(i,j)进行遍历，若u(i,j)>0，则跳过，若u(i,j)＝0，则为待插值填补数据，0≤i≤n，0≤j≤m，u(i,j)转换成极坐标形式表示为d(r,θ)，对于d(r,θ)，该数据位于扫描范围内，即r≤r_q，其中，

θ＝arctan(i/j)，r＝j/cosθ

遍历D(R,Θ)的探测角度集Θ，查找θ_t和θ_t+1，使得θ_t≥θ≥θ_t+1，其中t＝1,2,…,q，θ_t，θ_t+1∈Θ，则，在垂直方向上，θ_t+1角度的探测方向上的参考数据点的探测距离r_a，通过如下计算获得：

r_a＝j/cosθ_t+1，

同理，垂直方向上的θ_t角度探测方向上的参考数据点极坐标r_b，通过如下计算获得：

r_b＝j/cosθ_t

那么，可得在水平方向上的参考数据点为，r_d＝i/sinθ_t+1和r_e＝i/sinθ_t，这样，获取插值数据参考数据为d(r_b,θ_t)，d(r_a,θ_t+1)，d(r_e,θ_t)，d(r_d,θ_t+1)；

步骤4.2.2、通过垂直水平方向上进行插值数据d(r,θ)的计算，计算方法为：

d(r,θ)＝[ω_b·d(r_b,θ_t)+ω_a·d(r_a,θ_t+1)+ω_e·d(r_e,θ_t)+ω_d·d(r_d,θ_t+1)]/(ω_b+ω_a+ω_e+ω_d)

这里，ω_b，ω_a，ω_e，ω_d分别为d(r_b,θ_t)，d(r_a,θ_t+1)，d(r_e,θ_t)，d(r_d,θ_t+1)的权重，具体计算方法如，

ω_b＝(r_a·sinθ_t+1-i)/(r_a·sinθ_t+1-r_b·sinθ_t)

ω_a＝(i-r_a·sinθ_t)/(r_a·sinθ_t+1-r_b·sinθ_t)

ω_e＝(j-r_d·cosθ_t+1)/(r_e·cosθ_t-r_d·cosθ_t+1)

ω_d＝(r_e·cosθ_t-j)/(r_e·cosθ_t-r_d·cosθ_t+1)

即可获得u(i,j)对应的d(r,θ)的计算值，根据以上计算方法，对r<r_q的数据缺失位置数据进行插值填补；

步骤4.2.3、将填补的d(r,θ)替换数据U(m,n)在i行j列的数据u(i,j)，获得G(m,n)，即

g(i,j)＝d(r,θ)

对于待插值数据d(r,θ)位于扫描范围外，即r>r_q基的数据点保持0值数据直接复制，即

g(i,j)＝u(i,j)。

7.根据权利要求6所述的一种扫描激光雷达探测数据网格化可视化方法，其特征在于，步骤5具体按照以下步骤实施：

步骤5.1、设初始的C(m,n)每个元素的数值为0；

步骤5.2、确定颜色表示范围，采用HIS颜色模型，其色调H的色度范围为[0,2π]，起始点选用蓝色，使用连续颜色区域为蓝色-青色-绿色-黄色-红色-品红的连续段，色度范围为[0,5π/3]；

步骤5.3、将G(m,n)转换为表示数值强度色度值储入对应的颜色矩阵数据C(m,n)中，具体为：因G(m,n)的数值介于0和1之间，因此需将数值映射为色调的范围内，其映射规则如下，

c(i,j)＝g(i,j)·5π/3

其中，c(i,j)为C(m,n)中第i行j列的元素，0≤i≤n，0≤j≤m，这样即获得了完整的表示数值强度的数据C(m,n)，完成数据与颜色的映射。

8.根据权利要求7所述的一种扫描激光雷达探测数据网格化可视化方法，其特征在于，步骤6具体按照以下步骤实施：

在可视化图形m×n区域中，通过遍历颜色矩阵数据C(m,n)，循环读取C(m,n)中的元素c(i,j)，并在计算机图像坐标系中的第i行j列位置，利用GDI+编程技术，描绘出该像素点的颜色值，最终完成扫描激光雷达探测数据可视化图形的绘制。

Images