CN113672571B - 一种面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法 - Google Patents

一种面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法 Download PDF

Info

Publication number
CN113672571B
CN113672571B CN202110803275.9A CN202110803275A CN113672571B CN 113672571 B CN113672571 B CN 113672571B CN 202110803275 A CN202110803275 A CN 202110803275A CN 113672571 B CN113672571 B CN 113672571B
Authority
CN
China
Prior art keywords
point cloud
las
layer
data storage
laser radar
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
Application number
CN202110803275.9A
Other languages
English (en)
Other versions
CN113672571A (zh
Inventor
张迎春
方淑燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Institute of Radio Wave Propagation CETC 22 Research Institute
Original Assignee
China Institute of Radio Wave Propagation CETC 22 Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Institute of Radio Wave Propagation CETC 22 Research Institute filed Critical China Institute of Radio Wave Propagation CETC 22 Research Institute
Priority to CN202110803275.9A priority Critical patent/CN113672571B/zh
Publication of CN113672571A publication Critical patent/CN113672571A/zh
Application granted granted Critical
Publication of CN113672571B publication Critical patent/CN113672571B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/172—Caching, prefetching or hoarding of files
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法，包括如下步骤：步骤1，建立点云分块式las文件：步骤2，构建点云金字塔。本发明所公开的方法，以机载圆形扫描激光雷达获取点云为基础，以辅助建筑物目标的快速识别为目标，重点关注点云数据的存储及金字塔构建方法，针对圆形扫描激光雷达采集数据的特点，对通用的数据存储、构建点云金字塔的方法进行了改进，为后续建筑物目标的快速、有效识别奠定了基础。

Description

一种面向建筑物快速识别的基于圆形扫描机载激光雷达点云 的数据存储管理方法
技术领域
本发明属于激光雷达点云的数据管理及点云金字塔构建方法领域，特别涉及该领域中的一种基于圆形扫描机载激光获取的点云数据，面向快速识别建筑物目标的数据存储和金字塔构建方法。
背景技术
机载激光雷达以有人、无人飞行器为载体，在搭载于飞行器的飞行过程中对地面进行探测，采集地物的反射回波，并与定位、定姿数据联合解算为激光点云。激光雷达设备按照飞行作业的顺序获取并存储激光点，地理位置相邻但在不同时间采集的激光点在原始数据的存储关系上毫无关联。多个航带共同采集的建筑物点云具有以下特征：(1)每个航带上采集的建筑物点在存储位置上相对连续、集中；(2)不同航带间采集的建筑物点集在存储位置上是独立的、离散的。
由于建筑物目标的长、宽等尺寸较大，低空飞行时一条航带中采集的数据无法覆盖整个建筑物，需要对探测区域内多航带采集的数据统一处理后再展开建筑物的识别。而目前常用的可生成点云las文件的商用软件(如Global Mapper、Cloud Compare等)，在接收到按时间顺序输入的激光点集后，输出的las文件中激光点也是按照采集时间连续存储，无法为地理位置临近的点建立联系。而激光雷达在获取点云时采用了360°圆式扫描，使得飞行方向上相邻位置的激光点之间夹杂了更多扫描圆上的其它数据，进一步离散了同一航带上采集的建筑物点集之间的存储顺序。
发明内容
本发明所要解决的技术问题就是提供一种面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法。
本发明采用如下技术方案：
一种面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法，其改进之处包括如下步骤：
步骤1，建立点云分块式las文件：
步骤11，确定探测区域的地理空间大小；
步骤12，将探测区域按照地理坐标划分为若干个大小相等的矩形空间，并为每个空间建立一个独立的las文件，确定各分块式las文件对应的X、Y坐标起、止值；
步骤13，激光探测波形、定位、定姿联合解算，解算数据按X、Y坐标位置装入分块式las文件；
步骤2，构建点云金字塔：
步骤21，读取las文件的X、Y坐标最大值、最小值、点云数量；
步骤22，确定金字塔的逐层抽稀比例K；
步骤23，把las文件对应的地理区域划分为N×M个上层矩形小空间，确定矩形小空间M、N的数值；
步骤24，确定抽稀后每个小空间内的点云数量；
步骤25，加载点云文件，按照点云数据的存储顺序对相邻点云进行等间隔抽稀；
步骤26，按照分块式las文件的地理坐标关联所有las文件的抽稀结果；如上层矩形小空间内的点云数已满足抽稀要求，则后续不再将点加入该空间内，直至所有矩形小空间都被填满则认为第二层点云构建完毕；
步骤27，逐层抽稀构建高层点云结构，直至所有las文件中的点均被构建到一层中时，完成点云金字塔构建。
进一步的，在步骤12中，las文件采用行号+列号的方式命名，同一行号的las文件按照列号递增的顺序在地理位置上相邻，同一列号的文件按照行号递增的方式在地理位置中相邻，若干个名称相关的文件共同构建采集区域的全景点云模型。
进一步的，在步骤13中，同一las文件内的激光点仍按采集顺序存储。
进一步的，使用的数据由圆形扫描的激光雷达设备搭载低空飞行器采集，该设备对地观测角为20°。
本发明的有益效果是：
本发明所公开的方法，以机载圆形扫描激光雷达获取点云为基础，以辅助建筑物目标的快速识别为目标，重点关注点云数据的存储及金字塔构建方法，针对圆形扫描激光雷达采集数据的特点，对通用的数据存储、构建点云金字塔的方法进行了改进，为后续建筑物目标的快速、有效识别奠定了基础。
附图说明
图1是理论上的点云金字塔存储结构示意图；
图2是圆形扫描激光雷达数据采集方式示意图；
图3是分块式las文件存储方式示意图；
图4是分块式存储点云文件内的数据组织方式示意图；
图5是构建金字塔时的抽稀效果示意图；
图6是原始点云图；
图7是快速识别效果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例1，本实施例公开了一种面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法，包括如下步骤：
步骤1，建立点云分块式las文件：
步骤11，确定探测区域的地理空间大小；
步骤12，采用分块式las文件存储方式，在解析激光雷达采集原始数据、构建点云存储结构时将飞行探测区域按照地理坐标划分为多个大小相等的矩形空间，并为每个空间建立一个独立的las文件，确定各分块式las文件对应的X、Y坐标起、止值，使得las文件中包括了目标区域在多个航带、多次扫描中的激光点集。这种分块式las文件存储点云的数据组织方式在las文件内部实现了临近位置激光点之间的关联；
las文件采用行号+列号的方式命名，同一行号的las文件按照列号递增的顺序在地理位置上相邻，同一列号的文件按照行号递增的方式在地理位置中相邻，多个名称相关的文件共同构建采集区域的全景点云模型。
步骤13，激光探测波形、定位、定姿联合解算，解算数据按X、Y坐标位置装入分块式las文件；
由于本方法中使用的试验采集数据密度较大，为节省数据处理时间，同一las文件内的激光点仍按采集顺序存储。
步骤2，构建点云金字塔：
理论上构建点云金字塔的方法是首先根据点云的整体空间范围，将空间划分为多个大小一致的方格，再依据坐标将每个点放入对应的方格，实现原始点云(第一层)与空间的对应。第二层中的点云由第一层等比例抽稀得到，第三层的点云由第二层等比例抽稀得到，依次类推，直至抽稀后的全部点云都在某一层的同一个方格内部，金字塔构建完成。
上述构建点云金字塔的方法首先要求将全部激光点云按照行、列顺序(对应地理坐标的X、Y)进行排序，由于激光点云数据量大，在对一次作业采集的全部点云数据按照地理坐标排列时，将面临巨大的计算复杂度和时间复杂度。为了克服上述缺点，本方法构建点云金字塔的步骤如下：
步骤21，读取las文件的X、Y坐标最大值、最小值、点云数量；
步骤22，确定金字塔的逐层抽稀比例K；
步骤23，把las文件对应的地理区域划分为N×M个上层矩形小空间，确定矩形小空间M、N的数值；
步骤24，确定抽稀后每个小空间内的点云数量；
步骤25，加载点云文件，按照点云数据的存储顺序对相邻点云进行等间隔抽稀；
步骤26，按照分块式las文件的地理坐标关联所有las文件的抽稀结果；如上层矩形小空间内的点云数已满足抽稀要求，则后续不再将点加入该空间内，直至所有矩形小空间都被填满则认为第二层点云构建完毕；
步骤27，按照上述方法逐层进行点云抽稀构建高层点云结构，直至所有las文件中的点均被构建到一层中时，完成点云金字塔构建。
由于圆形扫描的激光雷达设备在对地观测时具有一定的倾斜角度，更容易获取建筑物的立面信息，因而本实施例中使用的数据由圆形扫描的激光雷达设备搭载低空飞行器采集，该设备对地观测角为20°。
图1是理论上的点云金字塔存储结构示意图；图2是圆形扫描激光雷达数据采集方式示意图；图3是分块式las文件存储方式示意图；图4是分块式存储点云文件内的数据组织方式示意图；图5是构建金字塔时的抽稀效果示意图；图6是原始点云图；图7是快速识别效果图。
加载约14.2GB机载激光雷达点云数据(200m航高)，采用前述方法进行数据存储并构建点云金字塔后，依次使用点云滤波、平面分割、区域特征识别等方法进行建筑物目标的识别，识别时间约10分钟，主要的建筑物都能被识别，虽然有建筑物的边缘无法识别以及少量在建筑物周围的植被点被错误识别为建筑物的情况，但并不影响整体的识别效果。

Claims (4)

1.一种面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法，其特征在于，包括如下步骤：
步骤1，建立点云分块式las文件：
步骤11，确定探测区域的地理空间大小；
步骤12，将探测区域按照地理坐标划分为若干个大小相等的矩形空间，并为每个空间建立一个独立的las文件，确定各分块式las文件对应的X、Y坐标起、止值；
步骤13，激光探测波形、定位、定姿联合解算，解算数据按X、Y坐标位置装入分块式las文件；
步骤2，构建点云金字塔：
步骤21，读取las文件的X、Y坐标最大值、最小值、点云数量；
步骤22，确定金字塔的逐层抽稀比例K；
步骤23，把las文件对应的地理区域划分为N×M个上层矩形小空间，确定矩形小空间M、N的数值；
步骤24，确定抽稀后每个小空间内的点云数量；
步骤25，加载点云文件，按照点云数据的存储顺序对相邻点云进行等间隔抽稀；
步骤26，按照分块式las文件的地理坐标关联所有las文件的抽稀结果；如上层矩形小空间内的点云数已满足抽稀要求，则后续不再将点加入该空间内，直至所有矩形小空间都被填满则认为第二层点云构建完毕；
步骤27，逐层抽稀构建高层点云结构，直至所有las文件中的点均被构建到一层中时，完成点云金字塔构建。
2.根据权利要求1所述面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法，其特征在于：在步骤12中，las文件采用行号+列号的方式命名，同一行号的las文件按照列号递增的顺序在地理位置上相邻，同一列号的文件按照行号递增的方式在地理位置中相邻，若干个名称相关的文件共同构建采集区域的全景点云模型。
3.根据权利要求1所述面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法，其特征在于：在步骤13中，同一las文件内的激光点仍按采集顺序存储。
4.根据权利要求1所述面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法，其特征在于：使用的数据由圆形扫描的激光雷达设备搭载低空飞行器采集，该设备对地观测角为20°。
CN202110803275.9A 2021-07-15 2021-07-15 一种面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法 Active CN113672571B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110803275.9A CN113672571B (zh) 2021-07-15 2021-07-15 一种面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110803275.9A CN113672571B (zh) 2021-07-15 2021-07-15 一种面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法

Publications (2)

Publication Number Publication Date
CN113672571A CN113672571A (zh) 2021-11-19
CN113672571B true CN113672571B (zh) 2023-01-24

Family

ID=78539307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110803275.9A Active CN113672571B (zh) 2021-07-15 2021-07-15 一种面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法

Country Status (1)

Country Link
CN (1) CN113672571B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102693319A (zh) * 2012-05-31 2012-09-26 北京拓维思科技有限公司 基于金字塔的海量激光雷达点云存储方法
CN111337030A (zh) * 2020-05-19 2020-06-26 北京数字绿土科技有限公司 一种基于背负式的激光雷达扫描系统、导航定位方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102693319A (zh) * 2012-05-31 2012-09-26 北京拓维思科技有限公司 基于金字塔的海量激光雷达点云存储方法
CN111337030A (zh) * 2020-05-19 2020-06-26 北京数字绿土科技有限公司 一种基于背负式的激光雷达扫描系统、导航定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
阵列推扫式机载激光雷达三维点云解算方法研究;黎荆梅等;《遥感技术与应用》;20131215(第06期);全文 *

Also Published As

Publication number Publication date
CN113672571A (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
JPS61112276A (ja) デ−タ処理装置
US20100241406A1 (en) Geospatial modeling system providing building roof type identification features and related methods
CN114706933A (zh) 基于无人机作业的喷洒区域确定方法及装置
CN103969656A (zh) 基于机载激光雷达的建筑物建模方法和装置
CN107273902A (zh) 一种从机载LiDAR数据自动提取电塔点云的方法
CN109814405B (zh) 一种测控布站方案综合量化评估方法
CN113537141B (zh) 一种堤坝管涌和滑坡病害快速检测方法及系统
CN115410104A (zh) 一种获取飞行器的图像采集点的数据处理系统
CN115840463B (zh) 一种用于无人机集群协同侦察的数据处理方法及装置
CN110927685A (zh) 一种搜索雷达发现概率的评估方法
CN113672571B (zh) 一种面向建筑物快速识别的基于圆形扫描机载激光雷达点云的数据存储管理方法
CN114564049A (zh) 一种基于深度学习的无人机广域搜索的装置及方法
CN114519712A (zh) 一种点云数据处理方法、装置、终端设备及存储介质
CN111895907B (zh) 一种电塔点云提取方法、系统及设备
CN113190723A (zh) 一种基于网格化的点云数据检索方法
CN110084120B (zh) 海岛环境下的植被调查方法、装置、系统、设备和介质
Sarıtaş et al. Enhancing Ground Point Extraction in Airborne LiDAR Point Cloud Data Using the CSF Filter Algorithm
CN116540760A (zh) 一种监拍设备与无人机联动对隐患环绕巡航的方法
CN110163880A (zh) 一种在Unity中获取点云路面高度的方法
Wang et al. Recognition and locating of damaged Poles in distribution network through images shot by unmanned aerial vehicle (UA V)
CN115830234A (zh) 一种输电线路建模用点云处理方法及处理系统
CN106996789B (zh) 一种多机载雷达协同探测的航路规划方法
CN115493598A (zh) 运动过程中的目标定位方法、装置及存储介质
CN115268488A (zh) 一种电力巡检无人机起降点自动生成方法及系统
KR101115489B1 (ko) 항공 라이다 자료를 이용한 격자 기반의 고해상도 수치모델링 입력자료 생성 방법 및 시스템

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