[发明专利]一种基于Snake模型多基元融合的点云滤波方法

说明书

本发明公开了一种基于Snake模型多基元融合的点云滤波方法，通过采用多基元融合(点基元和对象基元)的滤波策略，可以有效避免单一基元滤波法鲁棒性差的缺陷，充分利用不同基元提供的特征信息，提高滤波方法对复杂地形区域的适应性。主要构建Snake模型，通过设置具有地面点吸附力的目标能量函数，使得模型能够兼顾点云的局部尺度信息与全局尺度信息，充分挖掘点云数据本身的自动化潜力。依据该模型将滤波阈值表示为地形坡度变化的线性函数，实现滤波阈值的自适应更新，能够避免单一阈值滤波精度差而多阈值需要过多参数设置的缺陷。

技术领域

本发明涉及地理空间信息系统技术领域，特别是涉及一种基于Snake模型多基元融合的点云滤波方法。

背景技术

机载LiDAR(Light Detection And Ranging)技术提供了一种全新的获取高时空分辨率地球空间信息的观测手段，它被誉为继全球定位系统以来在测绘遥感领域的又一场技术革命。机载LiDAR技术已广泛应用于道路提取、电力巡线、植被参数估测、变化检测、城市三维模型建立等生产、生活的众多领域。而实现以上点云后处理应用，一个非常关键的步骤便是点云滤波，即从LiDAR点云中去除地物点而保留地形点。

点云滤波是点云数据处理的基础性工作，近年来大量的国内外研究人员对点云滤波进行了针对性的研究。虽然已有大量的点云滤波算法，并且部分算法已进行商业化应用(如TerraSolid软件应用不规则三角网渐进加密滤波算法)，但点云滤波算法研究仍处于发展阶段，还有许多问题没有得到解决，尤其是现有的滤波算法并未充分挖掘利用点云自身的特征信息，致使滤波算法自动化程度较低且难以适应复杂的地形环境。因此，迫切需要提出新的滤波理论与方法。

近年来，关于点云滤波算法的研究有很多，根据滤波基本处理单元(基元)类型的不同，可以将这些算法分为以下两类：点基元滤波算法和对象基元滤波算法。

其中，点基元滤波算法主要通过点与邻近点间的几何关系来判定一点是否属于地面点。根据临近点间几何关系定义的不同，点基元滤波算法具体可分为基于坡度的滤波算法、基于形态学的滤波算法和基于曲面的滤波算法。目前基于点基元的滤波算法较多，但此类型算法滤波理论相对单一，基本上都是在原有方法(基于坡度、基于形态学、基于曲面)的基础上进行改进的，缺乏新的滤波原理与方法。此外，点基元滤波算法往往可利用特征不足，并未充分挖掘点云数据本身的特征信息，使得该类型算法在复杂地形区域往往滤波效果较差。

而对象基元滤波算法通常包含两步，首先采取某种分割方法对点云进行分割，然后再对分割的结果按照某种设定的规则进行点云滤波。点云分割的方法有很多，如扫描线的分割法、区域生长法、随机抽样一致法(RANSAC)等。在对分割结果进行滤波判断时，大多数算法通常都基于地面点聚类区域要低于地物点聚类区域这一假设。在滤波原理相似的前提下，相较于点基元滤波算法，对象基元滤波算法往往能够获得更好的滤波效果。但此类型算法的滤波结果严重依赖点云分割的质量，这也体现了采用单一基元进行点云滤波的局限性。

虽然滤波方法有很多，但依然存在以下三个方面的问题亟待解决：

(1)大多数滤波方法无法兼顾点云的局部尺度信息与全局尺度信息，使得滤波方法在部分复杂地形区域(如陡坡、不连续地形、斜坡上建有房屋等)难以取得良好的滤波效果。

(2)采用单一基元实现点云滤波无法充分挖掘利用点云数据的自身特征，致使滤波方法鲁棒性较差，难以适应复杂地形环境。

(3)为能适应各种地形环境，大多数滤波算法往往需要进行复杂的参数设置与阈值调节，这不仅降低了算法的自动化程度，而且也不利于经验缺乏的工作人员进行滤波实现。

发明内容

为此，本发明的实施例提出一种基于Snake模型多基元融合的点云滤波方法，解决现有技术中的上述问题。

一种基于Snake模型多基元融合的点云滤波方法，包括以下步骤：