[发明专利]一种适用于城市区域的自动化形态学滤波方法

说明书

本发明公开了一种适用于城市区域的自动化形态学滤波方法，包括：S1，将点云转换为深度图像，获取二维格网数据；S2，采用中值去噪法去除深度图像中的噪声数据；S3，设定滤波窗口尺度范围，采用形态学高帽运算对格网数据进行尺寸标记；S4，设定面积和粗糙度约束条件，对最大建筑物尺寸进行探测，同时确定最优滤波窗口；S5，依据形态学滤波结果计算各局部地形区域梯度变化，将滤波阈值设定为梯度变化的线性函数；S6，根据自适应变化的滤波阈值，按点基元逐点进行滤波实现。本发明能够实现最优滤波窗口的自动化确定，提升自动化程度。采用基于梯度变化的阈值设定，此阈值能够根据实际地形进行自适应更新，提高了对于复杂地形区域的鲁棒性及滤波精度。

技术领域

本发明涉及地理空间信息系统技术领域，特别是涉及一种适用于城市区域的自动化形态学滤波方法。

背景技术

随着数字城市和智慧城市的快速发展，迫切需要我们对周围所处的城市地形环境有一个更准确的理解。近年来，机载LiDAR(Light Detection And Ranging)技术已经逐渐成为获取空间地理信息的一种遥感新技术。通过集成三维激光扫描仪、惯性导航系统以及全球定位系统，机载LiDAR能够获取来自地面目标物体的方位、距离以及表面特性。与传统的遥感方法相比，机载LiDAR受外界影响较小，能够24小时全天候地进行数据采集。此外，机载LiDAR系统发射的激光脉冲能够穿透植被，获取植被遮挡下的地形数据。此特点也有利于在城市区域进行道路信息采集。现如今，机载LiDAR技术已经广泛应用于城市规划的各个领域，例如三维城市建模、道路提取、电力线提取等。

为实现以上机载LiDAR后处理应用，一个非常重要的步骤便是要从点云数据中去除地物点而保留地形点，此过程通常称之为点云滤波。近年来，关于点云滤波的研究有很多。这些滤波算法按照滤波原理的不同，可以分为以下几类：基于坡度的点云滤波算法、基于曲面拟合的点云滤波算法、基于不规则三角网(TIN)的点云滤波算法以及基于形态学的滤波算法。

基于坡度的点云滤波算法通常都基于以下假设，即非地面点与地面点间的坡度值要大于地面点间的坡度值。因此，通过设置合理的坡度阈值可以将地面点与非地面点进行分离。但是此类算法的滤波结果过度依赖于坡度阈值的设定，如果阈值设置不合理就难以获得良好的滤波结果。基于曲面拟合的点云滤波算法是通过采用一定的插值拟合方法建立一地形曲面，通过设定一些滤波准则，例如点到曲面的距离，来渐进地将非地面点进行剔除。基于TIN的点云滤波算法通常采用渐进迭代的方式进行滤波实现。首先，获取地形各局部区域的最低点，然后利用这些种子点建立一个粗略的TIN。通过计算各个点到对应三角形的反复角以及反复距离，将符合阈值条件的点不断的加入到TIN 中。此过程一直迭代直到没有符合条件的点可加入TIN为止。

形态学滤波算法主要涉及到一系列的形态学运算，例如开运算、闭运算、膨胀运算、腐蚀运算。与以上三种滤波算法相比，形态学滤波算法原理简单、实现效率高，因此广泛应用于点云滤波中。对于形态学滤波算法，滤波窗口尺寸对滤波结果有直接的影响。小的滤波窗口只能滤除小的地物，而大的滤波窗口却容易削平地形。为解决此问题，不少形态学滤波算法采用渐进迭代地方式进行实现，滤波窗口由大到小变化，先滤波大的地物，然后在逐级地滤波小的地物。形态学滤波算法对于地形坡度变化较小的区域往往能够获得较好的滤波结果。

目前虽有一些适用于城市区域的形态学滤波方法，但还存在以下缺点：

(1)为获得较高的滤波精度往往需要不断地进行参数设置和阈值调节，尤其对于形态学滤波算法，最大滤波窗口需要大于测量区域建筑物的最大尺寸，但此尺寸是未知的，故只能通过反复试验探测最佳的最大滤波窗口以获得良好的滤波结果。复杂的参数设置不仅会降低算法的自动化程度而且也不利于经验缺乏的工作人员进行算法实现。

(2)难以平衡拒真误差和纳伪误差，即难以在有效滤除地物的同时保护地形细节，这使得在复杂的城市区域中难以获得良好的滤波精度。

发明内容