[发明专利]一种依据反射强度与地形形态的激光扫描点云植被过滤方法

说明书

技术领域

本发明涉及遥感监测，三维激光点云过滤领域。

背景技术

随着三维激光扫描测量技术、三维建模的研究以及计算机硬件环境的不断发展，地面型三维激光扫描仪的应用领域日益广泛，如制造业、文物保护、逆向工程、电脑游戏业、电影特技、数字城市建设、工程变形监测等。激光扫描点云是三维激光扫描仪采集的原始数据。点云数据是海量、杂乱的，所有激光束到达的地方，不管是地表、建筑物、设施、植被，都会揽入扫描点云数据当中。为了方便模型建立、数据处理分析，需对点云数据进行一些过滤处理。点云的过滤不仅可以把点云中的噪音点过滤，而且还可以把点云密度降低或增加。目前常用的过滤方法原理主要有以下两种。

（1）基于数学形态学的滤波方法。该类方法先由一整片水平分布窗口来获取一个初始地面，将离该初始地面一定距离范围内的全部点普遍看成地面点，然后利用自回归过程检验并进一步优化此类地面点。自回归算法对于有序的Lidar数据非常有效。

（2）基于移动窗口的滤波方法。该方法是事先定义一个窗口（Cell)，该窗口中的最低点可以作为地形点，找出最低点，把窗口移动到下一个区域再找出最低点，直到遍历完所有的数据。综合找出的最低点，拟合出一个曲面或TIN来作为初步的地形模型，并且利用这个DEM与所有测量点之间的残差作为一个判断条件，将不需要的点剔除掉，然后把窗口的尺寸和判断的阀值调小，遍历所有的数据来生成新的DTM从而进行数据的过滤，重复几次后可以得到的很逼近的DEM。

在平常情况下，点云中点的滤波的方法有曲率滤波、中值或平均和高斯方法。其中高斯滤波方法就是把指定的区域内的权重看做高斯分布，它的平均效果比较小，所以在滤波的时候还能比较好的把原数据的形貌保持下来。平均滤波法就是取滤波窗口中的各个数据点的平均值。中值滤波将相邻的3个点取平均值来取代原始点，实施滤波。中值滤波法采用的是点的取值滤波窗口内各个数据点的统计中值，所以此法在消除数据毛刺方面可以得到很好的效果。曲率滤波是根据曲率的变化来决定各个点的取舍与否，在曲率变化大的地方可以保留较多的点，相反在曲率变化小的地方，可以过滤掉相对较多的点。对散乱点云数据，可以采用随机采样方法;对扫描线的点云数据，可以采用的方法有等间距缩减、倍率缩减、等量缩减和弦偏差等等；网格化的点云可利用等分布密度法和最小包围区域法来达到数据精简的目的。而数据精简仅仅将数据量进行了相应的缩减，而对数据本身其实根本没有做过任何修改。

以上多数对点云数据的过滤方法多较为复杂，对于杂乱海量的点云数据精简过滤效率较低。为此，本发明中考虑了另一个激光扫描点云数据特征——反射强度，使用了一种新方法对点云中的植被信息进行过滤。考虑通过反射强度差异过滤，如何建立适当、准确的地表与植被的反射强度的判据是本发明的关键。本发明为有植被遮挡情况下的构筑物建模、变形监测提供了方法过滤植被点云，达到更合理的过滤效果。

发明内容

（一）要解决的技术问题。

针对点云数据测量精度高，可直接提供目标三维坐标，但数据量大、杂乱，包含很多植被点云信息的特点，本发明的目的主要在于：提供了一种基于反射强度与地形形态的过滤方法，对用于构筑物建模、变形监测的激光点云数据进行过滤植被处理，达到更合理的建模、监测效果。

（二）技术方案。

为达到上述目的，本发明采用的技术方案如下。

三维激光扫描仪所采集点云数据中的地表数据，过滤植被点云数据的方法，包括以下内容。

（1）通过室内试验标定三维激光扫描仪的RR关系。

（2）建立地表点云与植被点云的反射强度差异的关系。

（3）依据该关系过滤植被点云。

（4）考虑地形形态，进一步过滤异常点。

（5）调整点云密度以达最佳表现水平。