[发明专利]一种顾及邻近波形信息的机载激光波形数据分解算法

说明书

技术领域

本发明涉及测绘科学与技术领域，涉及一种顾及邻近波形信息的机载激光波形数据分解算法，该方法能对波形数据中微弱的脉冲信号进行有效检测，以获取更加完整的点云，非常适用于植被覆盖严重的地区。

背景技术

机载LiDAR(Light Detection And Ranging)，又称机载激光扫描技术，作为一种三维空间信息的实时获取手段，可以快速、精确的获取大范围区域的地表信息。根据回波记录方式的不同，机载激光雷达系统可以分为离散激光雷达系统和全波形激光雷达系统。前者记录有限个离散的回波信号，而后者以很小的采样间隔对来自目标的激光反射信号进行采样记录，形成一个随时间变化的回波信号。相对于离散激光雷达而言，全波形雷达可以提供更多的细节信息，具有更强的地物区分能力和更优的植被穿透特性等。同时，也给数据处理和信息提取提出了更高的要求。

如何从波形采样数据中提取出高质量的点云是数据处理中的一个关键问题。Hofton等提出机载激光雷达波形数据高斯分解算法，Wagner等从理论角度阐述了机载全波形激光雷达的成像机理，并使用高斯模型提取波形数据峰值点。这些方法大多数情况下可以获取较好结果，但是由于各种干扰因素，回波信息并不是高斯函数的精确表达。Chauve等提出利用广义高斯模型来拟合波形数据，并通过迭代的方式实现波形数据的分解。马洪超等采用Expectation-Maximization算法(EM)进行机载雷达波形数据高斯混合模型参数的最大似然估计，取得较好结果但计算量较大。通过分析发现，目前算法中主要存在如下几点缺陷：

第一，噪声阈值难以确定。目前，为排除信号噪声的影响，大多算法采用经验取值的方法，并指定为较高的数值。

第二，微弱信号难以可靠检测。当利用较高阈值对波形数据进行预处理后，一些微弱脉冲信号由于信号强度不够而无法得到考虑，从而不能进行检测。这种现象在植被茂密地区尤为严重，由于植被遮挡造成地面点反射脉冲信号比较微弱，给地面信息的提取造成较大挑战。

发明内容

本发明的目的是在于针对现有技术存在的上述问题，提供一种顾及邻近波形信息的机载激光波形数据分解方法，利用高、低双阈值数据预处理，同时通过顾及邻近波形显著脉冲波峰信号所提供的信息，对比较微弱的脉冲信息进行分析，融入区域生长策略，最终实现波形数据中脉冲波峰信号的完整提取，可以得到更加精确、完整的点云数据。

本发明的上述目的通过以下技术方案实现：

一种顾及邻近波形信息的机载激光波形数据分解方法，包括以下步骤：

步骤1、波形数据的预处理：利用一维高斯模板对原始波形数据进行平滑处理；利用一阶微分算子计算经过平滑处理后的波形数据的一阶导数；计算每一个波形数据对应的近似物方平面坐标，并根据近似物方平面坐标建立k-d树索引；

步骤2、波形数据的脉冲波峰探测：通过计算步骤1中得到的一阶导数零交叉点，确定波形的脉冲波峰中心的初始位置，采用高、低双阈值对波峰强度进行分析，确定出显著脉冲波峰和候选脉冲波峰，并剔除伪脉冲波峰；

步骤3、基于广义高斯模型的显著脉冲波峰提取：对当前所确定的显著脉冲波峰，采用广义高斯模型和非线性最小二乘Levenburg-Marquardt算法进行波形数据的拟合，提取显著脉冲波峰的参数，并统计波形数据拟合的单位权中误差；

步骤4、顾及邻近波形的候选脉冲波峰提取：以含有候选脉冲波峰的波形为中心，通过k-d树索引搜索设定半径范围内的邻近波形，并计算邻近波形的显著脉冲波峰提供的高程值与设置为中心的波形的候选脉冲波峰的高程值的高程差，若高程差小于给定阈值，则认为该候选脉冲波峰与邻域环境相容，将该候选脉冲波峰重新认定为显著脉冲波峰，采用广义高斯模型和非线性最小二乘Levenburg-Marquardt算法进行重新认定的显著脉冲波峰的参数的提取，并将重新认定为显著脉冲波峰的对应的波形加入到已更新波形列表中；

步骤5、基于区域生长策略的待分析波形列表生成：以已更新波形列表中的波形为中心，通过k-d树搜索设定半径范围内的邻近波形，如果邻近波形中含有候选脉冲波峰，将该邻近波形加入到待分析波形列表中，当待分析波形列表不为空时，返回步骤4；当待分析波形列表为空时，则进入步骤6；

步骤6、波形分解结果输出：利用所获取的显著脉冲波峰的参数，计算其对应激光点的三维空间坐标，输出点云。

如上所述的步骤1中一维高斯模板，其连续情况下的数字形式如下：