[发明专利]基于区域预测的LiDAR点云数据形态学滤波方法

说明书

技术领域

本发明属于机载LiDAR数据处理技术领域，更进一步涉及机载LiDAR数据滤波技术领域中基于区域预测的形态学点云数据滤波算法。可应用于机载LiDAR扫描地面得到的点云数据，可以有效的将点云数据滤波并提取DEM。

背景技术

机载LiDAR是一种主动式遥感技术，能够扫描大面积区域直接获取地面三维信息，其数据具有高精度、高密度、离散不规则等特点。

LiDAR点云数据包含有真实地面、建筑物和植被等多种信息，对点云数据进行滤波得到真实地面点，形成数字高程模型(DEM)具有重要意义。目前许多点云滤波算法采用基于形态学的滤波方法。

赵明波等人在文献“赵明波，何峻，田军生，付强，‘基于改进的渐进多尺度数学形态学的激光雷达数据滤波方法’[J]，光学学报，33(3)，292-301(2013)”中提出了改进的基于渐进形态学的激光雷达数据滤波算法。该方法的通过改进形态学开运算来处理大面积空白区域的点云数据，改进的开运算具体是腐蚀运算时把当前网格邻域内的空白区域高程值用最大高程值替代，同理，膨胀运算则是用最小高程值替代。该方法首先将原始激光雷达点云数据进行格网化并剔除粗差，然后使用窗口尺寸混合增长的方式和改进的开运算对格网进行迭代的形态学滤波，最终得到原始点云数据的分类。此算法中需人工设置大量参数，自适应性不强。

隋立春等人在文献“隋立春，张熠斌，柳艳等，‘基于改进的数学形态学算法的LiDAR点云数据滤波’[J]，测绘学报，39(4)，390-396(2010)” 中提出了改进的形态学LiDAR数据滤波方法。此方法对形态学算法进行扩展和改进，提出了针对不同地形特点的自适应滤波算法，具体的是在数学形态学“开”算子的基础上,提出了增加一个“带宽”参数用于点云数据滤波的方法，最后对再山包地形和山坡地形进行了判别和处理。该方法提出的动态滤波结合“带宽”参数的改进的数学形态学算法可以有效地用于LiDAR点云数据的滤波，并在一定程度上避免和降低了地面存在山包时错误滤波的后果。但是此算法没有对ISPRS提供的测试数据进行实验，无法与其他算法比较，并且算法在不同地形、不同高度和不同形状山包情况下还要进行进一步试验和完善。

综上所述，基于形态学的点云滤波方法在点云滤波方面虽然获得了较好的效果，但是一般来说，基于形态学的点云滤波方法中开运算后的高差阈值的确定需要许多参数，这些参数需根据不同地形设置，并且假设地形坡度恒定，针对复杂场景这是不合理的，导致算法自适应性不强，给对不同地形的区域滤波带来困难。

发明内容

本发明的目的是针对现有技术基于形态学的点云数据滤波方法中需人工设置滤波阈值导致自适应不强的缺点，提出了基于区域预测的形态学LiDAR点云数据滤波算法。

在本发明中，对点云数据的基于区域预测的滤波原理包括了四部分：点云数据格网化、去除粗差点、滤波准则和地面点的确定。

本发明充分利用形态学滤波算法自下而上、从局部出发扩展到全局的特点和速度快、效率较高的优点，同时利用标准差代表地形的起伏情况的特点，使用分块区域的标准差来预测地形坡度参数的取值以进行滤波。最终得到较 好的滤波结果，又能最大限度地保留实验区域的地形特征。

为此，本发明提供的基于区域预测的LiDAR点云数据形态学滤波方法包括以下步骤：

步骤一，构建滤波初始表面模型；

步骤二，去除初始表面模型的粗差点，得到滤波表面模型；

步骤三，对滤波表面模型进行分块：

按适当尺寸对滤波表面模型进行分块，其中分块n记为R_n，n＝1,2,3,…,N，N为分块的总数；该分块R_n中包含M个点云数据，其中点云数据m记为r_mn，m＝1,2,3,…,M；

步骤四，滤波处理：

对各分块分别进行滤波处理，其中对分块R_n，n＝1,2,3,…,N的处理过程如下：

从最小结构元素窗口尺寸开始执行以下操作，之后结构元素窗口的半径每增加一米，执行一次以下操作直至最大结构元素窗口尺寸：

分别对分块R_n中所有点云数据进行开运算，得到各点云数据开运算后的高程值，