[发明专利]基于机载激光雷达点云体元连续性分析的滤波方法

说明书

本发明提出的是一种基于机载激光雷达点云体元连续性分析的滤波方法，包括如下步骤：（1）体素化点云；（2）“地面基准层”的确立；（3）“待分类”体元的标注；（4）“待定地面点”、“地面点体元”和“非地面点”体元间的连通性分析；（5）剔除插值结果，完成数据滤波。优点：（1）减少了计算量，节省计算时间；（2）无需设定复杂的阈值参数，所涉及的参数更容易选择；（3）对于山区的滤波效果尤为显著；（4）对高的局外点不敏感，减弱了离值点对滤波结果的干扰，比现有的点云滤波算法更稳健。

技术领域

本发明涉及的是一种基于机载激光雷达点云体元连续性分析的滤波方法，属于雷达监测数据分析术领域。

背景技术

当今时代数字化程度越来越高，由实时动态(RTK)测量、全站仪测量等传统单点测量手段获取的数据已无法完全满足工程建设和日常应用的数据需求。机载激光雷达（ALS）技术，以其空间数据获取速度快、精度高、主动性强等特点，日益成为遥感数据采集的一种重要方式。机载激光雷达数据获取机制决定了ALS点云包括测区地面及地表物体所有信息，譬如地形表面信息，植被表面信息，建筑屋顶信息等，故在利用ALS点云数据如生成数字高程模型（DEM）前，需将原始的点云按照属性分为地面点集和非地面点集。人工判别的方法虽然能够取得极高的分类精度，但由于点云数据量巨大，处理起来费时费力，因此研究和开发利用计算机快速高效处理的滤波算法已成为现有技术的的研究重点。

目前基于ALS点云数据的滤波算法主要包括： 1）基于形态学的滤波算法；2）基于坡度变化的滤波算法；3）基于内插的滤波算法；4）基于分割的滤波算法；等等。上述算法经过长期实际运用与数据反馈，其存在缺陷也日益明显：

1）机载激光雷达点云数据量大，完全依靠人工判别的方法会占用大量人力物力，消耗大量时间成本。现有的算法往往直接对原始点云逐点进行运算，计算量大计算耗时久，但如果将点云栅格化后操作，又将损失原始点云的精度。另外，点云数据的质量也在一定程度上影响着一些算法的滤波精度。

（2）现有算法往往只针对特定或较为简单的地形才能达到一定的滤波精度或者滤波效果往往过度依赖某些阈值的选取，对不同测区需要选择特定的阈值输入算法，但是如何选取合适的阈值来保证滤波效果是十分困难的。

（3）由于现有算法本身模型复杂，许多算法在处理大量数据时需要消耗大量计算时间和存储空间，制约着数据的应用。

（4）现有算法对数据质量依赖性较强，当点云密度变化较大时，甚至出现部分数据缺失时，算法滤波效果不理想。

发明内容

本发明的目的在于克服上述现有ALS点云数据的滤波算法存在的缺陷，提出一种基于机载激光雷达点云体元连续性分析的滤波方法，直接基于原始点云数据进行体元之间的连续性分析，算法逻辑清晰，效果显著，输入参数较少且不敏感，运算高效，且无需做栅格化处理，极大地保留了原始点云的精度。

本发明的技术解决方案：基于机载激光雷达点云体元连续性分析的滤波方法，具体包括如下步骤：

（1）体素化点云；

（2）“地面基准层”的确立；

（3）“待分类”体元的标注；

（4）“待定地面点”、“地面点体元”和“非地面点”体元间的连通性分析；

（5）剔除插值结果，完成数据滤波。

所述的步骤（1）体素化点云，具体包括如下内容：