CN116486268A - 一种激光点云地面滤波方法及装置 - Google Patents

一种激光点云地面滤波方法及装置 Download PDF

Info

Publication number
CN116486268A
CN116486268A CN202310499793.5A CN202310499793A CN116486268A CN 116486268 A CN116486268 A CN 116486268A CN 202310499793 A CN202310499793 A CN 202310499793A CN 116486268 A CN116486268 A CN 116486268A
Authority
CN
China
Prior art keywords
grid
terrain
point cloud
filtering
ground
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.)
Pending
Application number
CN202310499793.5A
Other languages
English (en)
Inventor
孙士凯
刘�文
史明志
艾云飞
李奥
张雨泽
白天
余芳
祁钰茜
赵鹏志
孙雨萌
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.)
Cccc Information Technology National Engineering Laboratory Co ltd
Original Assignee
Cccc Information Technology National Engineering Laboratory Co ltd
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 Cccc Information Technology National Engineering Laboratory Co ltd filed Critical Cccc Information Technology National Engineering Laboratory Co ltd
Priority to CN202310499793.5A priority Critical patent/CN116486268A/zh
Publication of CN116486268A publication Critical patent/CN116486268A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
    • 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)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Nonlinear Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种激光点云地面滤波方法及装置，对待测区域地形图像进行聚类分析去除噪点，构建规则格网；对空白格网进行插值，得到初始地面模型；基于初始地面模型的初始格网合并得到大尺度格网；使用滑动窗口遍历所述多个格网生成特征格网；将地形分类为坡地地形和平地地形；对于坡地地形，根据二维剖面曲线拟合的方法获取阈值进行滤波；对于平地地形，根据三维布料模拟的方法获取阈值进行滤波。本发明方案通过整合不同层次的地形细节差异作为定权依据，对多尺度格网特征值进行加权计算，使其准确反映地形变化程度。将地形分类为坡地和平地，分别对两种地形进行滤波，实现了针对道路复杂地形的高精度地面滤波效果。

Description

一种激光点云地面滤波方法及装置
技术领域
本发明涉及道路信息处理技术领域，特别涉及一种激光点云地面滤波方法及装置。
背景技术
近年来，国家大力推动数字城市和智慧城市的发展，传统的测绘手段已无法满足现代信息获取的需求，而三维激光扫描技术因其快速、主动的优势成为了空间信息获取与数字化发展的一种有效途径。在通过扫描获取点云数据后，需要对其进行后处理，而将地面点与地物点分离的滤波操作是后处理的关键步骤。滤波结果既可以进一步生成DEM等专题产品，也可以为点云分类提供辅助信息，因此，如何高效准确地获取地面点引起了国内外众多学者的关注和研究。
现有技术中，存在如下不足：三维激光点云离散无序，数据内插规则化的方法会影响滤波精度，而直接基于点云进行计算的方法影响滤波速度。此外，过于复杂的阈值参数需要对点云处理和算法原理具有一定了解的专业人员进行设置才能达到较好的滤波效果。虽然学者们已经研究出多种地面滤波方法，但方法的适用性始终不足，大多只针对某种特定地形有效，难以满足地形复杂区域的地面滤波需求。
发明内容
本发明提供一种激光点云地面滤波方法及装置，用于解决复杂地形地面滤波的问题。
根据本发明的一个方面，提供了一种激光点云地面滤波方法，包括以下步骤：
对待测区域地形图像利用点云空间分布规律进行聚类分析去除噪点，根据点云坐标最值构建规则格网；点云投影后使用反距离加权插值IDW方法对空白格网进行插值，得到初始地面模型；
基于所述初始地面模型的初始格网进行小范围坡度计算，并记录坡度方向的插值格网个数；合并初始格网得到大尺度格网；使用滑动窗口遍历所述大尺度格网和初始格网，分析窗口内格网的分布特征，生成反映地形变化的特征格网；根据最大类间方差原理计算特征阈值，将地形分类为坡地地形和平地地形；
对于坡地地形，根据二维剖面曲线拟合的方法获取阈值进行滤波；对于平地地形，根据三维布料模拟的方法获取阈值进行滤波；完成对整个待测区域不同地形的滤波，提取到高精度的地面点。
所述对待测区域地形图像利用点云空间分布规律进行聚类分析去除噪点，包括利用点云空间分布规律进行聚类分析去除噪点，其中，
任选一点，新建点集SP，并搜索该点邻域内未被聚类的点加入SP；
遍历点集SP，重复上述操作，若无新点加入，则建立下一个点集；
统计各点集SP包含的点数Ni，若小于阈值NT，则去除所述点集SP中各点。
所述初始地面模型，根据如下方式构建：
根据点云坐标最值和区域内最大地物宽度，构建规则格网，边长c；
计算点云所属格网的行列号，格网值为内部最低点的高程值；
使用IDW方法对空白区域进行插值，得到完整的初始地面模型。
所述生成反映地形变化的特征格网，包括：
将小尺度格网合并为大尺度格网，后者的格网边长C＝3c；
位置相对的小尺度格网高程值分别为zi、zi+4，间距为格网边长的两倍，分别计算0°、45°、90°、135°四个方向的坡度值S，选择最大坡度值作为所述格网的主坡度，并统计所述方向的插值格网个数：
根据平面距离确定邻域格网的权重由邻域格网到中心格网的距离ΔC与阈值/>决定：
根据坡度差异确定邻域格网的权重由邻域格网坡度Si与中心格网坡度S的差值和后者之比决定：
根据插值格网个数确定邻域格网的权重由邻域格网主坡度方向的小尺度插值格网个数N决定：
采用滑动窗口遍历格网，根据相对位置的邻域格网坡度值Si、Si+4，加权计算中心格网的特征值F；
所述将地形分为坡地地形和平地地形，具体包括：
对格网进行特征值统计，计算最大坡度并划分多个区间，统计每个区间内的格网个数；
以固定间隔将特征值F分为F1和F2两部分，计算F1的平均值μ1与格网数量ω1，F2的平均值μ2与格网数量ω2，整个区域的特征平均值为μ，计算类间方差v，最大v对应的阈值Ft即为地形分类的特征阈值：
v＝ω1(μ1-μ)2+ω2(μ2-μ)2。
所述对于坡地地形，根据二维剖面曲线拟合的方法获取阈值进行滤波，包括：
根据二维剖面曲线拟合法进行坡地地形的滤波；
获取点云的三维坐标最小值，通过旋转偏移的坐标转换获取坡地点云与初始地面模型的剖面信息；
根据剖面内的点云进行拟合；在拟合过程中，通过对数据分块拟合来提高拟合精度，拟合多项式最高次项n＝5，多项式系数ai，拟合曲线Pn(x)：
在初次拟合后，将距离曲线距离小于阈值的点作为下一次拟合的基础，进行若干次拟合；
计算曲线所在格网内点云到曲线的距离，若距离小于阈值，则该点属于地面点。
所述对于平地地形，根据三维布料模拟的方法获取阈值进行滤波，包括：
将平地地形的点云倒置，将规则节点构成的布料置于点云的正上方；
布料分辨率设置为点云间距的3倍；
计算节点在重力作用和拉力作用下到达的位置，并与关联点云的位置进行比较；若节点位置较低，则上调到关联点云处，不再移动；
计算点云与下落停止后的布料之间的距离，若小于设定阈值，则确认所述点属于地面点。
根据本发明的另一个方面，提供了一种激光点云地面滤波装置，包括：
初始地面模型生成单元，用于对待测区域地形图像利用点云空间分布规律进行聚类分析去除噪点，根据点云坐标最值构建规则格网；点云投影后使用反距离加权插值IDW方法对空白格网进行插值，得到初始地面模型；
地形分类单元，用于基于所述初始地面模型的初始格网进行小范围坡度计算，并记录坡度方向的插值格网个数；合并初始格网得到大尺度格网；使用滑动窗口遍历所述大尺度格网，分析窗口内格网的分布特征，生成反映地形变化的特征格网；根据最大类间方差原理计算特征阈值，将地形分类为坡地地形和平地地形；
地面点提取单元，用于对于坡地地形，根据二维剖面曲线拟合的方法获取阈值进行滤波；对于平地地形，根据三维布料模拟的方法获取阈值进行滤波；完成对整个待测区域不同地形的滤波，提取到高精度的地面点。
所述初始地面模型生成单元包括：
聚类分析去噪模块，用于利用点云空间分布规律进行聚类分析去除噪点；
规则格网插值模块，用于反距离加权插值IDW方法对空白格网进行插值，得到初始地面模型；
所述地形分类单元包括：
多尺度格网特征计算模块，用于构建多尺度格网并计算特征值；
最大类间方差分类模块，用于根据最大类间方差原理将地形分为坡地地形和平地地形两类。
所述地面点提取单元包括：
曲线拟合坡地滤波模块，用于根据二维剖面曲线拟合法进行坡地地形的滤波；
布料模拟平地滤波模块，用于根据三维布料模拟方法进行平地地形的滤波。
采用本发明的技术方案，提出了一种激光点云地面滤波方案，对待测区域地形图像利用点云空间分布规律进行聚类分析去除噪点，根据点云坐标最值构建规则格网；点云投影后使用反距离加权插值IDW方法对空白格网进行插值，得到初始地面模型；基于所述初始地面模型的初始格网进行小范围坡度计算，并记录坡度方向的插值格网个数；合并初始格网得到大尺度格网；使用滑动窗口遍历所述大尺度格网和初始格网，分析窗口内格网的分布特征，生成反映地形变化的特征格网；根据最大类间方差原理计算特征阈值，将地形分类为坡地地形和平地地形；对于坡地地形，根据二维剖面曲线拟合的方法获取阈值进行滤波；对于平地地形，根据三维布料模拟的方法获取阈值进行滤波；完成对整个待测区域不同地形的滤波，提取到高精度的地面点。
本发明方案与传统的单尺度格网计算坡度获取局部地形特征相比，能够构建多尺度特征格网，通过整合不同层次的地形细节差异作为定权依据，对多尺度格网特征值进行加权计算，使其准确反映地形变化程度。现有的滤波方法往往只针对某种特定地形有效，对于存在复杂地形的道路场景难以保证滤波精度，而本发明利用最大类间方差原理将地形分类为坡地和平地，分别使用二维剖面曲线拟合和三维布料模拟的方法对两种地形进行滤波，实现了针对道路复杂地形的高精度地面滤波效果。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中激光点云地面滤波原理流程图；
图2为本发明实施例中激光点云地面滤波数据处理过程示意图；
图3为本发明实施例中激光点云地面滤波装置结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
图1为本发明实施例中激光点云地面滤波流程图。如图1所示，该激光点云地面滤波流程包括以下步骤：
步骤101、对待测区域地形图像利用点云空间分布规律进行聚类分析去除噪点，根据点云坐标最值构建规则格网；点云投影后使用反距离加权插值IDW方法对空白格网进行插值，得到初始地面模型。
本发明实施例中，利用点云空间分布规律进行聚类分析去除噪点，根据点云坐标最值构建规则格网，点云投影后使用IDW(Inverse Distance Weighted，反距离加权插值)方法对空白区域进行插值，得到初始地面模型。
1)聚类分析去噪。
首先任选一点P作为聚类中心，建立点云集合SP，搜索点P一定半径范围ε内的邻域点Pi加入SP，并将邻域点作为新的聚类中心重复进行聚类操作，当SP中不再有新点加入时停止该点集的聚类，然后从其它未被聚类的点云中选择一点重新聚类，最终点云被聚类为多个点集，统计各点集包含的点数Ni，设置数量阈值NT，去除Ni＜NT的点集。
2)将局部最低点投影到规则格网并进行空洞插值，构建初始地面模型。
通过水平方向点云的坐标最值确定格网范围，格网边长c大于区域内最大地物宽度，在构建初始地面模型时，每个格网保留内部最低点作为地面种子点，对于空洞区域的格网，采用IDW方法进行插值，该方法认为距离待插值点越近的地面种子点对其影响越大，为避免插值精度过低，应保证待插值点一定范围邻域内的地面种子点数大于4个，因此需进行循环插值，直到所有格网插值完成。
步骤102，基于所述初始地面模型的初始格网进行小范围坡度计算，并记录坡度方向的插值格网个数；合并初始格网得到大尺度格网；使用滑动窗口遍历所述大尺度格网和初始格网，分析窗口内格网的分布特征，生成反映地形变化的特征格网；根据最大类间方差原理计算特征阈值，将地形分类为坡地地形和平地地形。
本发明实施例中，基于初始格网进行小范围坡度计算，并记录坡度方向的插值格网个数，通过合并初始格网得到大尺度格网，使用滑动窗口遍历格网，分析窗口内格网的分布特征生成反映地形变化的特征格网，利用最大类间方差原理计算特征阈值，将地形分类为坡地和平地。
1)多尺度格网特征计算
在小尺度格网储存地面种子点高程z的基础上，将中心格网与邻域格网合并为大尺度格网，格网边长C＝3c，分别计算0°、45°、90°、135°四个方向的坡度值S，选择最大坡度值作为该格网的主坡度
在大尺度格网储存局部地形坡度s的基础上，采用滑动窗口遍历格网，利用邻域格网的坡度值加权计算中心格网的特征值F，该特征值由该窗口内格网的空间分布特征(平面距离、坡度差异、插值格网个数等)决定。
中心格网与邻域格网之间的距离不同，平面距离越小越能反应中心格网的坡度情况，因此基于平面距离定权，在包含3×3格网的窗口内，格网权重由邻域格网到中心格网的距离ΔC与阈值/>决定。
中心格网与邻域格网之间的坡度不同，坡度差异越小越能反应中心格网的坡度情况，因此基于坡度差异定权，格网权重由邻域格网坡度Si与中心格网坡度S的差值和后者之比决定。
邻域格网的小尺度插值格网个数不同，插值格网越少越能反映中心格网的坡度情况，因此基于插值格网个数定权，格网权重由邻域格网主坡度方向的小尺度插值格网个数N决定。
根据上述定义的邻域格网权重公式，可以计算出中心格网的特征值F。
2)利用最大类间方差原理将地形分类为坡地和平地。
对格网进行特征值统计，计算最大坡度并划分多个区间，统计每个区间内的格网个数，整体统计结果存在两个峰值，可以利用OTSU算法进行分割，具体的分割算法为：以固定间隔将特征值F分为F1和F2两部分，计算F1的平均值μ1与格网数量ω1，F2的平均值μ2与格网数量ω2，整个区域的特征平均值为μ，计算类间方差v，最大v对应的阈值Ft即为地形分类的特征阈值。
v＝ω1(μ1-μ)2+ω2(μ2-μ)2。
步骤103，对于坡地地形，根据二维剖面曲线拟合的方法获取阈值进行滤波；对于平地地形，根据三维布料模拟的方法获取阈值进行滤波；完成对整个待测区域不同地形的滤波，提取到高精度的地面点。
本发明实施例中，对于坡地地形，采用二维剖面曲线拟合的方法获取阈值进行滤波，对于平地地形，使用三维布料模拟的方法获取阈值进行滤波，从而完成对整个区域不同地形区域的滤波，提取到高精度的地面点。
1)采用二维剖面曲线拟合的方法对坡地地形进行滤波。
获取点云的三维坐标最小值，通过旋转偏移的坐标转换，获取坡地点云与初始地面模型的剖面信息，利用剖面内的点云进行拟合，在拟合过程中，对坡地数据进行分块拟合来提高拟合精度，拟合多项式最高次项n＝5，求得对应的多项式系数ai，即可得到拟合曲线Pn(x)。
由于拟合过程易受到噪点的影响，因此在初次拟合之后，将距离曲线距离小于阈值的点作为下一次拟合的基础，通过多次拟合来避免噪点影响，获取更加准确的拟合曲线，最后计算曲线所在格网内点云到曲线的距离，当距离小于阈值时，认为该点属于地面点。
2)采用三维布料模拟的方法对平地地形进行滤波。
将平地地形的点云倒置，将规则节点构成的布料置于点云的正上方，布料分辨率设置为点云间距的3倍，模拟节点受力位移的过程，首先节点受到自身重力的作用开始下落，然后根据节点与相邻节点之间的高差对节点进行垂直方向的位置调整，模拟节点受拉力作用位移的过程，在迭代过程中，需要将节点与关联点云进行比较，若节点相对较低，则将节点上移到关联点云的位置固定。
当迭代次数达到设置数目，或者节点位移小于一定距离时，布料模拟结束，此时布料形状近似为地形形状，计算点云到布料的距离，若距离小于阈值，则将该点云作为地面点保留，否则反之，最终得到高精度的地面点。
本发明实施例的具体实现过程可参见图2。
本发明的技术方案，提出了一种激光点云地面滤波方案，对待测区域地形图像利用点云空间分布规律进行聚类分析去除噪点，根据点云坐标最值构建规则格网；点云投影后使用反距离加权插值IDW方法对空白格网进行插值，得到初始地面模型；基于所述初始地面模型的初始格网进行小范围坡度计算，并记录坡度方向的插值格网个数；合并初始格网得到大尺度格网；使用滑动窗口遍历所述大尺度格网和初始格网，分析窗口内格网的分布特征，生成反映地形变化的特征格网；根据最大类间方差原理计算特征阈值，将地形分类为坡地地形和平地地形；对于坡地地形，根据二维剖面曲线拟合的方法获取阈值进行滤波；对于平地地形，根据三维布料模拟的方法获取阈值进行滤波；完成对整个待测区域不同地形的滤波，提取到高精度的地面点。
本发明方案与传统的单尺度格网计算坡度获取局部地形特征相比，能够构建多尺度特征格网，通过整合不同层次的地形细节差异作为定权依据，对多尺度格网特征值进行加权计算，使其准确反映地形变化程度。现有的滤波方法往往只针对某种特定地形有效，对于存在复杂地形的道路场景难以保证滤波精度，而本发明利用最大类间方差原理将地形分类为坡地和平地，分别使用二维剖面曲线拟合和三维布料模拟的方法对两种地形进行滤波，实现了针对道路复杂地形的高精度地面滤波效果。
为了实现上述流程，本发明技术方案还提供激光点云地面滤波装置，如图3所示，该激光点云地面滤波装置包括：
初始地面模型生成单元21，用于对待测区域地形图像利用点云空间分布规律进行聚类分析去除噪点，根据点云坐标最值构建规则格网；点云投影后使用反距离加权插值IDW方法对空白格网进行插值，得到初始地面模型；
地形分类单元22，用于基于所述初始地面模型的初始格网进行小范围坡度计算，并记录坡度方向的插值格网个数；合并初始格网得到大尺度格网；使用滑动窗口遍历所述大尺度格网，分析窗口内格网的分布特征，生成反映地形变化的特征格网；根据最大类间方差原理计算特征阈值，将地形分类为坡地地形和平地地形；
地面点提取单元23，用于对于坡地地形，根据二维剖面曲线拟合的方法获取阈值进行滤波；对于平地地形，根据三维布料模拟的方法获取阈值进行滤波；完成对整个待测区域不同地形的滤波，提取到高精度的地面点。
所述初始地面模型生成单元21包括：
聚类分析去噪模块，用于利用点云空间分布规律进行聚类分析去除噪点；
规则格网插值模块，用于反距离加权插值IDW方法对空白格网进行插值，得到初始地面模型；
所述地形分类单元22包括：
多尺度格网特征计算模块，用于构建多尺度格网并计算特征值；
最大类间方差分类模块，用于根据最大类间方差原理将地形分为坡地地形和平地地形两类。
所述地面点提取单元23包括：
曲线拟合坡地滤波模块，用于根据二维剖面曲线拟合法进行坡地地形的滤波；
布料模拟平地滤波模块，用于根据三维布料模拟方法进行平地地形的滤波。
综上所述，本发明的技术方案，提出了一种激光点云地面滤波方案，对待测区域地形图像利用点云空间分布规律进行聚类分析去除噪点，根据点云坐标最值构建规则格网；点云投影后使用反距离加权插值IDW方法对空白格网进行插值，得到初始地面模型；基于所述初始地面模型的初始格网进行小范围坡度计算，并记录坡度方向的插值格网个数；合并初始格网得到大尺度格网；使用滑动窗口遍历所述大尺度格网和初始格网，分析窗口内格网的分布特征，生成反映地形变化的特征格网；根据最大类间方差原理计算特征阈值，将地形分类为坡地地形和平地地形；对于坡地地形，根据二维剖面曲线拟合的方法获取阈值进行滤波；对于平地地形，根据三维布料模拟的方法获取阈值进行滤波；完成对整个待测区域不同地形的滤波，提取到高精度的地面点。
本发明方案与传统的单尺度格网计算坡度获取局部地形特征相比，能够构建多尺度特征格网，通过整合不同层次的地形细节差异作为定权依据，对多尺度格网特征值进行加权计算，使其准确反映地形变化程度。现有的滤波方法往往只针对某种特定地形有效，对于存在复杂地形的道路场景难以保证滤波精度，而本发明利用最大类间方差原理将地形分类为坡地和平地，分别使用二维剖面曲线拟合和三维布料模拟的方法对两种地形进行滤波，实现了针对道路复杂地形的高精度地面滤波效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种激光点云地面滤波方法，其特征在于，包括以下步骤：
对待测区域地形图像利用点云空间分布规律进行聚类分析去除噪点，根据点云坐标最值构建规则格网；点云投影后使用反距离加权插值IDW方法对空白格网进行插值，得到初始地面模型；
基于所述初始地面模型的初始格网进行小范围坡度计算，并记录坡度方向的插值格网个数；合并初始格网得到大尺度格网；使用滑动窗口遍历所述大尺度格网和初始格网，分析窗口内格网的分布特征，生成反映地形变化的特征格网；根据最大类间方差原理计算特征阈值，将地形分类为坡地地形和平地地形；
对于坡地地形，根据二维剖面曲线拟合的方法获取阈值进行滤波；对于平地地形，根据三维布料模拟的方法获取阈值进行滤波；完成对整个待测区域不同地形的滤波，提取到高精度的地面点。
2.根据权利要求1所述的一种激光点云地面滤波方法，其特征在于，所述对待测区域地形图像利用点云空间分布规律进行聚类分析去除噪点，包括利用点云空间分布规律进行聚类分析去除噪点，其中，
任选一点，新建点集SP，并搜索该点邻域内未被聚类的点加入SP；
遍历点集SP，重复上述操作，若无新点加入，则建立下一个点集；
统计各点集SP包含的点数Ni，若小于阈值NT，则去除所述点集SP中各点。
3.根据权利要求2所述的一种激光点云地面滤波方法，其特征在于，所述初始地面模型，根据如下方式构建：
根据点云坐标最值和区域内最大地物宽度，构建规则格网，边长c；
计算点云所属格网的行列号，格网值为内部最低点的高程值；
使用IDW方法对空白区域进行插值，得到完整的初始地面模型。
4.根据权利要求1所述的一种激光点云地面滤波方法，其特征在于，所述生成反映地形变化的特征格网，包括：
将小尺度格网合并为大尺度格网，后者的格网边长C＝3c；
位置相对的小尺度格网高程值分别为zi、zi+4，间距为格网边长的两倍，分别计算0°、45°、90°、135°四个方向的坡度值S，选择最大坡度值作为所述格网的主坡度，并统计所述方向的插值格网个数：
根据平面距离确定邻域格网的权重由邻域格网到中心格网的距离ΔC与阈值/>决定：
根据坡度差异确定邻域格网的权重由邻域格网坡度Si与中心格网坡度S的差值和后者之比决定：
根据插值格网个数确定邻域格网的权重由邻域格网主坡度方向的小尺度插值格网个数N决定：
采用滑动窗口遍历格网，根据相对位置的邻域格网坡度值Si、Si+4，加权计算中心格网的特征值F；
5.根据权利要求4所述的一种激光点云地面滤波方法，其特征在于，所述将地形分为坡地地形和平地地形，具体包括：
对格网进行特征值统计，计算最大坡度并划分多个区间，统计每个区间内的格网个数；
以固定间隔将特征值F分为F1和F2两部分，计算F1的平均值μ1与格网数量ω1，F2的平均值μ2与格网数量ω2，整个区域的特征平均值为μ，计算类间方差v，最大v对应的阈值Ft即为地形分类的特征阈值：
v＝ω1(μ1-μ)2+ω2(μ2-μ)2。
6.根据权利要求1所述的一种激光点云地面滤波方法，其特征在于，所述对于坡地地形，根据二维剖面曲线拟合的方法获取阈值进行滤波，包括：
根据二维剖面曲线拟合法进行坡地地形的滤波；
获取点云的三维坐标最小值，通过旋转偏移的坐标转换获取坡地点云与初始地面模型的剖面信息；
根据剖面内的点云进行拟合；在拟合过程中，通过对数据分块拟合来提高拟合精度，拟合多项式最高次项n＝5，多项式系数ai，拟合曲线Pn(x)：
在初次拟合后，将距离曲线距离小于阈值的点作为下一次拟合的基础，进行若干次拟合；
计算曲线所在格网内点云到曲线的距离，若距离小于阈值，则该点属于地面点。
7.根据权利要求6所述的一种激光点云地面滤波方法，其特征在于，所述对于平地地形，根据三维布料模拟的方法获取阈值进行滤波，包括：
将平地地形的点云倒置，将规则节点构成的布料置于点云的正上方；
布料分辨率设置为点云间距的3倍；
计算节点在重力作用和拉力作用下到达的位置，并与关联点云的位置进行比较；若节点位置较低，则上调到关联点云处，不再移动；
计算点云与下落停止后的布料之间的距离，若小于设定阈值，则确认所述点属于地面点。
8.一种激光点云地面滤波装置，其特征在于，包括：
初始地面模型生成单元，用于对待测区域地形图像利用点云空间分布规律进行聚类分析去除噪点，根据点云坐标最值构建规则格网；点云投影后使用反距离加权插值IDW方法对空白格网进行插值，得到初始地面模型；
地形分类单元，用于基于所述初始地面模型的初始格网进行小范围坡度计算，并记录坡度方向的插值格网个数；合并初始格网得到大尺度格网；使用滑动窗口遍历所述大尺度格网，分析窗口内格网的分布特征，生成反映地形变化的特征格网；根据最大类间方差原理计算特征阈值，将地形分类为坡地地形和平地地形；
地面点提取单元，用于对于坡地地形，根据二维剖面曲线拟合的方法获取阈值进行滤波；对于平地地形，根据三维布料模拟的方法获取阈值进行滤波；完成对整个待测区域不同地形的滤波，提取到高精度的地面点。
9.根据权利要求8所述的一种激光点云地面滤波装置，其特征在于，所述初始地面模型生成单元包括：
聚类分析去噪模块，用于利用点云空间分布规律进行聚类分析去除噪点；
规则格网插值模块，用于反距离加权插值IDW方法对空白格网进行插值，得到初始地面模型；
所述地形分类单元包括：
多尺度格网特征计算模块，用于构建多尺度格网并计算特征值；
最大类间方差分类模块，用于根据最大类间方差原理将地形分为坡地地形和平地地形两类。
10.根据权利要求9所述的一种激光点云地面滤波装置，其特征在于，所述地面点提取单元，包括：
曲线拟合坡地滤波模块，用于根据二维剖面曲线拟合法进行坡地地形的滤波：
布料模拟平地滤波模块，用于根据三维布料模拟方法进行平地地形的滤波。
CN202310499793.5A 2023-05-05 2023-05-05 一种激光点云地面滤波方法及装置 Pending CN116486268A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310499793.5A CN116486268A (zh) 2023-05-05 2023-05-05 一种激光点云地面滤波方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310499793.5A CN116486268A (zh) 2023-05-05 2023-05-05 一种激光点云地面滤波方法及装置

Publications (1)

Publication Number Publication Date
CN116486268A true CN116486268A (zh) 2023-07-25

Family

ID=87213699

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310499793.5A Pending CN116486268A (zh) 2023-05-05 2023-05-05 一种激光点云地面滤波方法及装置

Country Status (1)

Country Link
CN (1) CN116486268A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117408913A (zh) * 2023-12-11 2024-01-16 浙江托普云农科技股份有限公司 待测物体点云去噪方法、系统及装置
CN117953174A (zh) * 2024-03-26 2024-04-30 山东观和集团有限公司 一种地质调查过程中三维建模方法
CN118522004A (zh) * 2024-06-13 2024-08-20 大连慕泽科技有限公司 一种多功能道路检测车

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117408913A (zh) * 2023-12-11 2024-01-16 浙江托普云农科技股份有限公司 待测物体点云去噪方法、系统及装置
CN117408913B (zh) * 2023-12-11 2024-02-23 浙江托普云农科技股份有限公司 待测物体点云去噪方法、系统及装置
CN117953174A (zh) * 2024-03-26 2024-04-30 山东观和集团有限公司 一种地质调查过程中三维建模方法
CN118522004A (zh) * 2024-06-13 2024-08-20 大连慕泽科技有限公司 一种多功能道路检测车

Similar Documents

Publication Publication Date Title
CN116486268A (zh) 一种激光点云地面滤波方法及装置
Chen et al. A multiresolution hierarchical classification algorithm for filtering airborne LiDAR data
CN111696210A (zh) 一种基于三维点云数据特征轻量化的点云重构方法及系统
CN111598780B (zh) 一种适用于机载LiDAR点云的地形自适应插值滤波方法
CN114998338B (zh) 一种基于激光雷达点云的矿山开采量计算方法
CN107392875A (zh) 一种基于k近邻域划分的点云数据去噪方法
CN115222625A (zh) 一种基于多尺度噪声的激光雷达点云去噪方法
CN110335352B (zh) 一种机载激光雷达点云的双基元多分辨率层次滤波方法
CN102169581A (zh) 一种基于特征向量的快速高精度鲁棒性匹配方法
CN112180433B (zh) 地震初至波拾取方法及装置
CN114663373A (zh) 一种用于零件表面质量检测的点云配准方法及装置
CN115601574A (zh) 一种改进akaze特征的无人机影像匹配方法
CN109658477A (zh) 一种基于lidar数据的dem生成算法
CN116824379A (zh) 一种基于多维特征的激光点云建筑物轮廓渐进优化方法
CN111861946B (zh) 自适应多尺度车载激光雷达稠密点云数据滤波方法
CN114998419B (zh) 一种基于地形点云的沟壑体积变化切片方法
CN113177897A (zh) 一种无序3d点云的快速无损滤波方法
CN110458938B (zh) 一种散货料堆实时三维重建方法及系统
CN116385282A (zh) 一种点云滤波方法、装置、系统以及存储介质
CN117949920A (zh) 一种基于激光雷达的地形测绘方法
CN113836484A (zh) 基于路径点邻近域与地面滤波的自适应点云抽稀方法
CN117788735A (zh) 基于栅格划分的动态点云去除方法
CN115797423A (zh) 基于描述子特征优化矿山点云临近迭代的配准方法、系统
CN116012737A (zh) 基于无人机激光和视觉融合的高速施工监测方法和系统
CN106652032B (zh) 一种基于Linux集群平台的DEM并行等高线生成方法

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